Главная Случайная страница Контакты | Мы поможем в написании вашей работы! | ||
|
1. Изучение связи рядов выполним двумя способами, сравним их результаты и выберем из них правильный. Для оценки тесноты связи рядов через величины отклонений от оптимального тренда рассчитаем значения отклонений: и (см. табл. 1)
Таблица 1.
Годы | |||||||||
-31 | -36 | ||||||||
-14 | -17 | ||||||||
-5 | -35 | ||||||||
-4 | -3 | ||||||||
-21 | -1 | ||||||||
Итого | — | — | |||||||
Средняя | 266,6 | — | 260,7 | — | — | 283,6 | 248,8 | ||
Сигма | 35,58 | — | 30,84 | — | 16,84 | 15,77 | — | — | — |
D | 1265,84 | — | 951,41 | — | 283,60 | 248,80 | — | — | — |
Выполним расчёт коэффициента корреляции отклонений от трендов через коэффициент регрессии отклонений с1, и . Но для этого предварительно рассчитаем определители второго порядка по уравнению регрессии отклонений: .
В силу того, что свободный член уравнения регрессии отклонений равен нулю, вид уравнения будет отличаться от традиционного: . С изменением отлонений импорта от своего тренда на единицу отклонения экспорта от своего тренда изменятся в том же направлении на 0,8935 часть своей единицы. В дальнейшем коэффициент с1 используется для расчёта показателей тесноты связи двух рядов отклонений:
;
Выявлена тесная связь отклонений от трендов, которая означает, что на 70,0% вариация размеров отклонений по импорту детерминирует изменения по экспорту, а на 30% вариация размеров отклонений происходит под влиянием прочих факторов.
Второй вариант оценки связи двух рядов основан на традиционной оценке корреляции их уровней:
.
Данный подход к решению задачи предполагает традиционный расчёт определителей уравнения регрессии уровней, нахождение коэффициента регрессии а1 и далее с помощью и расчёт коэффициента корреляции. Информация для расчёта представлена в табл. 2.
Расчёт определителей дал следующие результаты:
Значения параметров регрессии: ; , а уравнение имеет вид:
.
Коэффициенты тесноты связи уровней составят: ; . Это значит, что в уровнях существует весьма тесная связь, при которой вариации импорта предопределяет 92,2% вариации экспорта.
Таблица 2.
Годы | |||||
Итого | |||||
Средняя | 266,6 | 260,7 | |||
Сигма | 35,58 | 30,84 | |||
D | 1265,84 | 951,41 |
2. Однако, делать подобный вывод было бы глубоко ошибочно потому, что в уровнях и одного, и другого рядов выявлены устойчивые, статистически значимые линейные тренды. В подобных условиях выявленное взаимодействие уровней не является причинной зависимостью, а представляет собой ложную связь, вызванную наличием трендов схожей линейной формы. В силу того, что оба тренда сформированы под влиянием разного комплекса факторов, схожесть их формы могут создавать иллюзию связи рядов. Подобные соображения позволяют отказаться от результатов изучения связи уровней, содержащих тренд. В подобной ситуации пристального внимания заслуживает связь случайных отклонений от трендов. Именно этот подход позволяет выявить и количественно оценить истинную связь рядов.
В действительности связь рядов существует, оценивается она как тесная; то есть, в ней экспорт на 70% детерминирован вариацией импорта. Фактический F -критерий равен 18,9. Это больше табличного (F табл.= 5,32), что доказывает надёжность и значимость истинной связи рядов.
3. Для формализованного представления подобных зависимостей и использования моделей связи динамических рядов в прогнозных расчётах предлагается построить множественную регрессионную модель связи рядов, включая в неё в качестве обязательной составляющей фактор времени t. Речь идёт о построении модели следующего вида: . В данной задаче в уровнях обоих рядов присутствует линейный тренд. Поэтому включение в модель фактора времени позволит через коэффициент а2 отразить наличие линейного тренда в уровнях обоих рядов. Если в уровнях рядов представлены тренды иной, более сложной формы, тогда уравнение множественной регрессии должно через фактор времени отразить эту более сложную форму трендов.
Истинную силу и направление связи рядов отразит коэффициент регрессии а1 , а тесноту их связи оценит частный коэффициент корреляции: .
Используем для расчёта параметров множественной регрессии матрицу парных коэффициентов корреляции, представленную в исходных данных.
Для построения уравнения в стандартизованном масштабе: рассчитаем значения -коэффициентов:
Получено следующее уравнение: .
Его параметры позволяют сделать вывод о том, что влияния импорта на экспорт почти в четыре раза сильнее, чем влияние систематических факторов, формирующих линейный тренд:
По значениям -коэффициентов рассчитаем параметры множественной регрессии в естественной форме: ;
.
Уравнение имеет вид: . С увеличением импорта на 1 млрд. $ экспорт увеличивается на 0,895 млрд.$; под влиянием комплекса систематических факторов (которые условно обозначили через t) экспорт увеличивается в среднем за год на 2,65 млрд. $.
Оценку тесноты связи рядов, очищенную от влияния комплекса систематических факторов, даёт частный коэффициент корреляции:
; .
Как видим, получены результаты, совпадающие с оценками тесноты связи по отклонениям от лучших трендов, которыми, в данном случае, являются линейные тренды.
Использование динамической модели в прогнозе заключается в подстановке в её правую часть прогнозных значений фактора Z и фактора t. То есть,
Дата публикования: 2014-11-03; Прочитано: 354 | Нарушение авторского права страницы | Мы поможем в написании вашей работы!