Лекция 8 Регрессионный анализ временных рядов. Временные ряды Проблема для составления выборки – автокорреляция данных Нарушено условие о независимости.

Презентация:



Advertisements
Похожие презентации
Лекция 6 Линейная регрессия. Простая линейная регрессия.
Advertisements

Теория статистики Корреляционно-регрессионный анализ: статистическое моделирование зависимостей Часть 1. 1.
ЭКОНОМЕТРИЧЕСКИЙ АНАЛИЗ ПАНЕЛЬНЫХ ДАННЫХ (36 ЧАСОВ ) д. э. н. Е. А. Коломак.
Автокорреляция. Временные ряды Зависимость наблюдений во времени Зависимость ошибок во времени Ковариационная матрица Авторегрессионный процесс первого.
Анализ индекса Доу-Джонса Выполнила Мартынова И.В. Санкт-Петербургский Государственный Университет Факультет Прикладной Математики – Процессов Управления.
В задачу регрессионного анализа входит исследование остаточных величин. Исследование остаточных величин.
Линейная модель парной регрессии и корреляции. 2 Корреляция – это статистическая зависимость между случайными величинами, не имеющими строго функционального.
Лекция 8 Временные ряды в эконометрических исследованиях.
Гетероскедастичность Лекция. 2 Цели лекции Природа проблемы гетероскедастичности Последствия гетероскедастичности Средства обнаружения гетероскедастичности.
Гетероскедастичность Лекция. 2 Цели лекции Природа проблемы гетероскедастичности Последствия гетероскедастичности Средства обнаружения гетероскедастичности.
Определение. Случайная величина имеет нормальное распределение вероятностей с параметрами и 2, если ее плотность распределения задается формулой:
Свойства коэффициентов регрессии и проверка гипотез.
Свойства Коэффициентов Множественной Регрессии Оценки b j – случайные величины. При выполнении определенных условий (4-х условий Гаусса-Маркова): E(b j.
Лекция 1 «Введение». Опр. эконометрика это наука, которая дает количественное выражение взаимосвязей экономических явлений и процессов. Специфической.
ВОПРОСЫ Решение каких проблем включает эконометрическое исследование. Укажите этапы эконометрического исследования. Что представляет собой простая регрессия.
3.2 МНОЖЕСТВЕННЫЙ РЕГРЕССИОННЫЙ АНАЛИЗ ИДЕЯ х1х1 хPхP Y β 1,…,β Р МОДЕЛЬ ЛИНЕЙНА ОТНОСИТЕЛЬНО ИССЛЕДУЕТСЯ.
Российский университет дружбы народов Кафедра экономико-математического моделирования В.И. Дихтяр ФИНАНСОВЫЙ МЕНЕДЖМЕНТ Раздел 2.Инвестиционные решения.
Лекция 10 Временные ряды в эконометрических исследованиях.
Общая теория статистики Регрессионно- корреляционный анализ.
Лекция 11. МОДЕЛИРОВАНИЕ ТЕНДЕНЦИИ ВРЕМЕННОГО РЯДА (продолжение)
Транксрипт:

Лекция 8 Регрессионный анализ временных рядов

Временные ряды Проблема для составления выборки – автокорреляция данных Нарушено условие о независимости ошибок в разных наблюдениях Пример: цены на товары

Автокорреляция Автокорреляция имеет место, когда наблюдения, следующие друг за другом на протяжении некоторого времени, связаны друг с другом Серийная корреляция первого порядка

Простая линейная регрессия Модель простой линейной регрессии: - величина ошибки в момент t - коэффициент автокорреляции с лагом 1, измеряющий корреляцию между последовательными ошибками - нормально распределенные независимые ошибки с математическим ожиданием 0 и дисперсией

Положительная серийная корреляция и метод наименьших квадратов Стандартная ошибка оценки будет меньше реальной изменчивости Y

Ложная регрессия

Выявить ложную регрессию позволяет анализ остатков. Если коэффициенты автокорреляции остатков велики, то нарушено условие независимости ошибок. Ошибка ложного регрессионного анализа заключается в том, что стандартная регрессионная модель применяется в ситуации, когда основные предположения регрессии не выполняются.

Ложная регрессия 1. Стандартная ошибка оценки может быть занижена 2. Нельзя использовать выводы, сделанные на основе t и F 3. Стандартные ошибки коэффициентов регрессии занижены => ложное уравнение регрессии

Тест Дарбина-Уотсона для серийной корреляции

L W положительная автокорреляция отсутствует ?

Решение проблемы автокорреляции 1. Спецификация модели (проверка пропуска переменной) 2. Регрессия с разностями 3. Обобщенные разности и итерационный подход 4. Модели авторегрессии

Ошибка в спецификации модели (пропуск переменной) Прогноз будущих объемов продаж

Ошибка в спецификации модели (пропуск переменной) Прогноз будущих объемов продаж

Ошибка в спецификации модели (пропуск переменной) Для =0.01, n=17 и k=1 значение статистики Дарбина-Уотсона: L=0.87 U=1.1 Поскольку DW=0.72 => наличие серийной корреляции Пропущена переменная? Важной переменной может оказаться уровень безработицы.

Ошибка в спецификации модели (пропуск переменной)

Теперь измененная модель объясняет 99,9% изменчивости продаж Поскольку DW=1.98 => серийная корреляция отсутствует

Регрессия с разностями Вместо уравнения можно использовать где:

Обобщенные разности и итерационный подход Если неизвестен коэффициент корреляции, то разности найти невозможно => невозможно сделать прогноз Итерационный метод Кохрейна-Оркатта

1. Оценка параметров простой линейной регрессии Оценка коэффициента корреляции методом наименьших квадратов 2. Использование этой оценки для обобщенных разностей 3. Проведение регрессионного анализа, уточненные оценки 4. Повтор шагов 1-3, пока очередной шаг не даст существенного изменения величины Обобщенные разности и итерационный подход

В качестве независимой переменной рассматривается зависимая переменная, взятая с запаздыванием на один или более периодов Нельзя использовать критерий Дарбина-Уотсона Модели авторегрессии

Данные временных рядов и проблема гетероскедастичности Гетероскедастичность – изменчивость, не являющаяся постоянной В регрессионных моделях гетероскедастичность появляется в тех случаях, когда дисперсия ошибки ε не постоянна

Применение в менеджменте Прогноз объема продаж Прогноз цен акций и банковского процента Прогноз цен на сырье Прогноз спроса на новую продукцию Оценка потребности в рабочей силе Изучение связи между расходами на рекламу и объемом продаж Контроль запасов