Студопедия

Главная страница Случайная страница

Разделы сайта

АвтомобилиАстрономияБиологияГеографияДом и садДругие языкиДругоеИнформатикаИсторияКультураЛитератураЛогикаМатематикаМедицинаМеталлургияМеханикаОбразованиеОхрана трудаПедагогикаПолитикаПравоПсихологияРелигияРиторикаСоциологияСпортСтроительствоТехнологияТуризмФизикаФилософияФинансыХимияЧерчениеЭкологияЭкономикаЭлектроника






  • Сервис онлайн-записи на собственном Telegram-боте
    Тот, кто работает в сфере услуг, знает — без ведения записи клиентов никуда. Мало того, что нужно видеть свое расписание, но и напоминать клиентам о визитах тоже. Нашли самый бюджетный и оптимальный вариант: сервис VisitTime.
    Для новых пользователей первый месяц бесплатно.
    Чат-бот для мастеров и специалистов, который упрощает ведение записей:
    Сам записывает клиентов и напоминает им о визите;
    Персонализирует скидки, чаевые, кэшбэк и предоплаты;
    Увеличивает доходимость и помогает больше зарабатывать;
    Начать пользоваться сервисом
  • Перетворення методом ковзного середнього.






    9.8 Перетворення ARMA і ARIMA.

    9.5 Виявлення автокореляції залишків в авторегресійних моделях

    Автокорреляцию в авторегрессионных моделях практически невозможно определить с помощью статистики DW Дарбина—Уотсона, так как для этих мо­делей значение DW даже при наличии автокорреляции близко к 2, что по критерию Дарбина-Уотсона равносильно отсутствию автокорреляции.

    Для обнаружения автокорреляции в авторегрессионных моделях Дарбин предложил использовать h -статистику, имеющую вид:

    (9.14)

    где n – объем выборки; D(g) — дисперсия оценки коэффициента при лаговой переменной yt-1; — оценка коэффициента автокорреляции первого порядка, которую можно определить на основе формулы:

    (9.15)

    Cхема использования h -статистики для анализа автокорреляции имеет следующие особенности использования:

    · вне зависимости от того, сколько лагов переменной y включено в модель, значение h необходимо вычислять с использованием дисперсии коэффициента при yt-1;

    · статистика h не вычисляется, если nD(g) > 1 (на практике такие ситуации почти не встречаются);

    · применение h целесообразно лишь при достаточно большом объеме выборки n.

    Как отмечалось ранее, автокорреляция остатков приводит к получению смещенных и несостоятельных оценок. Автокорреляция может указывать либо на неверную спецификацию уравнения, либо на наличие важных неучтенных факторов. Но часто автокорреляция вызывается наличием регрессионной зависимости между отклонениями, т.е. внутренними свойствами ряда { nt }. Существует несколько способов устранения данной проблемы. В частности, для авторегрессионных моделей предлагаются авторегрессионное преобразование, преобразование методом скользящих средних, модели ARMA и ARIMA.

    9.6 Авторегресійне перетворення

    Пусть y — исследуемая величина, и ее изменение можно описать с помощью модели

    (9.16)

    где m — среднее значение Y, ut — некоррелированные случайные отклонения с нулевым математическим ожиданием и постоянной дисперсией s2 (такие отклонения при рассмотрении временных рядов иногда называют белым шумом). Преобразование (9.16) в этом случае называют авторегрессионным преобразованием первого порядка AR(1). При этом значение yt переменной Y в момент времени t пропорционально ее же значению yt-1 в момент времени (t -1) плюс некоторое слу­чайное отклонение. По аналогии

    (9.17)

    называется авторегрессионным преобразованием второго порядка AR(2);

    (9.18)

    называется авторегрессионным преобразованием порядка Р AR(P).

    Во всех этих преобразованиях текущее значение yt переменной Y выражается только через ее предыдущие значения и случайную составляющую (белый шум) ut.






    © 2023 :: MyLektsii.ru :: Мои Лекции
    Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав.
    Копирование текстов разрешено только с указанием индексируемой ссылки на источник.