Автокорреляция

Для совершенной характеристики случайного движения недостаточно его математического ожидания и дисперсии. Вероятность того, что на определенном месте возникнут те или иные конкретные значения зависит от того, какие роли случайная величина получила раньше или будет получать позже.

Другими словами, существует поле рассеяния пар значений x(t), x (t+n) временного ряда, где n – постоянный интервал или задержка, которая характеризует зависимость последующих реализаций процесса от предыдущих. Теснота этой взаимосвязи оценивается коэффициентами автоковариации –

g (n) = E[(x(t) – m) (x (t + n) – m)] –

и автокорреляции

r (n) = E[(x(t) – m) (x (t + n) – m)] / D,

где m и D – математическое ожидание и дисперсия случайного процесса. Для расчета автоковариации и автокорреляции реальных процессов необходима информация о совместном распределении вероятностей уровней ряда p (x(t1), x(t2)).

r (n) = g (n) /g (0),

откуда вытекает, что r (0) = 1. В тех же условиях стационарности множитель корреляции r (n) между двумя значениями временного ряда зависит лишь от величины временного интервала n и не зависит от самих моментов наблюдений t. [1]

В статистике имеется несколько выборочных оценок теоретических значений автокорреляции r (n) процесса по конечному временному ряду из n наблюдений. Наиболее популярной оценкой является нециклический коэффициент автокорреляции с задержкой n

автокорреляционный функция excel расчет

Главным из различных коэффициентов автокорреляции является первый – r1, измеряющий тесноту связи между уровнями x(1), x(2),…, x (n -1) и x(2), x(3),…, x(n).

Распределение коэффициентов автокорреляции неизвестно, поэтому для оценки их правдивости иногда используют непараметрическую теорию Андерсона (1976), предложившего статистику [4, 112]

t = r1 (n -1)0.5,

которая при достаточно большой выборке распределена нормально, имеет нулевую среднюю и дисперсию, равную единице.

Практическое занятие №4,5

Задание 1

Имеется следующая модель:

где p_t – логарифм цены; w_t – логарифм почасовой оплаты, l_t – логарифм себестоимости; q_t – логарифм объема производства и b_t – логарифм количества рабочих часов в неделю в период t.

Требуется:

1. Представить модель в матричной форме записи.

2. Определить ранговые условия идентифицируемости уравнений для p_t и w_t.

Задание 2

Имеется следующая макроэкономическая модель:

где С_t – потребление; I_t – инвестиции, G_t – государственные расходы; Y_t – валовой национальный продукт в период t.

Требуется:

1. Определить типы уравнений и типы переменных, входящих в модель (8.4)–(8.6).

2. Представить структурные уравнения в матричной форме.

3. Построить соответствующую прогнозную форму.

4. Определить метод оценки параметров прогнозной формы.

5. Проверить идентифицируемость уравнений структурной формы модели.

Задание 3.

Имеется следующая система взаимозависимых уравнений:

Требуется:

1. Проверить идентифицируемость уравнений системы.

2. Выяснить идентифицируемость, если на параметры наложены следующие ограничения:

а) b ₁₁=0;

б) g ₂₁=0.

Задание 4

Имеется следующая макроэкономическая модель:

Требуется описать процедуру оценивания уравнений по двухшаговому МНК.

Задание 5

Имеется следующая макроэкономическая модель:

Требуется:

1. Написать модель в матричном виде и найти соответствующую прогнозную форму.

2. Определить число ограничений, наложенных на коэффициенты прогнозной формы.

3. Показать, что при заданных значениях коэффициентов прогнозной формы можно однозначно определить коэффициенты структурной формы.

Дата добавления: 2014-01-03