Автокорреляционная функция. Примеры расчётов
Для исходного ряда имеем:
АКФ(…) | n=2 valign=top >
Ошибка АКФ | ||
1 |
0,896 |
0,165 |
-0,165 |
2 |
0,822 |
0,600 |
-0,600 |
3 |
0,712 |
0,739 |
-0,739 |
4 |
0,592 |
0,828 |
-0,828 |
5 |
0,483 |
0,884 |
-0,884 |
6 |
0,372 |
0,920 |
-0,920 |
7 |
0,261 |
0,941 |
-0,941 |
8 |
0,150 |
0,950 |
-0,950 |
9 |
0,062 |
0,954 |
-0,954 |
Очевидно наличие четкого тренда, значимыми являются коэффициенты автокорреляции 1-го и 2-го порядков. Для первой разности
АКФ(…) |
Ошибка АКФ | ||
1 |
-0,173 |
0,372 |
-0,372 |
2 |
-0,090 |
0,389 |
-0,389 |
3 |
0,353 |
0,392 |
-0,392 |
4 |
0,240 |
0,435 |
-0,435 |
5 |
-0,106 |
0,454 |
-0,454 |
6 |
-0,088 |
0,457 |
-0,457 |
7 |
0,315 |
0,460 |
-0,460 |
8 |
-0,136 |
0,490 |
-0,490 |
Автокорреляции уже не видим, остатки распределены как «белый шум».
Заключение
Еще одна полезная технология исследования периодичности состоит в обследовании частной автокорреляционной функции (ЧАКФ), которая представляет собой углубление взгляда обычной автокорреляционной функции.
В частной автокорреляционной функции ликвидируется зависимость между промежуточными наблюдениями. Иными словами, частная автокорреляция на данном лаге похожа на обычную автокорреляцию, исключая то, что при вычислении из нее убирается влияние автокорреляций с меньшими лагами. На лаге 1 (когда нет промежуточных элементов внутри лага), частная автокорреляция равна обычной автокорреляции. Частная автокорреляция дает более «чистую» картину периодических зависимостей.
Как было отмечено ранее, периодическая составляющая для данного лага n может быть удалена взятием разности соответствующего порядка. Это обозначает, что из каждого i-го элемента ряда вычитается (i-n) – й элемент. В пользу таких преобразований имеются доводы. Во-первых, таким образом можно определить скрытые периодические составляющие ряда. Напомним, что автокорреляции на последовательных лагах зависимы. Поэтому удаление некоторых автокорреляций изменит другие автокорреляции, которые, возможно, подавляли их, и сделает некоторые другие сезонные составляющие более заметными. Во-вторых, удаление периодических составляющих делает ряд стационарным, что необходимо для применения некоторых методов анализа.
Литература
1. В.Е. Гмурман «Теория вероятностей и математическая статистика». Москва: Высшая школа, 1979 г.
2. В.Е Гмурман. «Руководство к решению задач по теории вероятностей и математической статистике». Москва: Высшая школа, 1997 г.
3. В.Н. Калинина, В.Ф. Панкин. «Математическая статистика». Москва: Высшая школа, 1994 г.
4. И.П. Мацкевич, Г.П. Свирид, Г.М. Булдык. «Сборник задач и упражнений по высшей математике (Теория вероятностей и математическая статистика)». Высшая школа, 1998 г.
5. Л.К. Тимофеева, Е.И. Суханова, Г.Г. Сафиуллин. «Сборник задач по теории вероятностей и математической статистике».
6. Тимофеева Л.К., Суханова Е.И. «Математика для экономистов». Сборник задач по теории вероятностей и математической статистике. – М.: У «Учебная литература», 1999 г.
Другие рефераты на тему «Экономико-математическое моделирование»:
- Математическое моделирование экономических процессов на железнодорожном транспорте
- Построение неполной квадратичной регрессионной модели по результатам полного факторного эксперимента
- Эконометрическое моделирование временных рядов
- Поиск кратчайшего пути передвижения слона по шахматному полю
- Проведение исследовательской работы со статистическими данными
Поиск рефератов
Последние рефераты раздела
- Выборочные исследования в эконометрике
- Временные характеристики и функция времени. Графическое представление частотных характеристик
- Автоматизированный априорный анализ статистической совокупности в среде MS Excel
- Биматричные игры. Поиск равновесных ситуаций
- Анализ рядов распределения
- Анализ состояния финансовых рынков на основе методов нелинейной динамики
- Безработица - основные определения и измерение. Потоки, запасы, утечки, инъекции в модели