Эконометрика лекции
Предположим временной ряд
Предположим временной ряд Y(t) может быть представлен в виде суммы
Y(t) = q(t) + P(t) + e(t), (5.18)
где q(t) — непериодическая составляющая Y(t) (обычный тренд), P(t) — периодическая составляющая, e(t) — остатки ряда. После удаления тренда q(t) одним из методов, описанным в предыдущей главе, в остатках ряда Y(t) – q(t) будет присутствовать периодическая составляющая P(t). Это приведет к обнаружению автокорреляции в остатках при проверке по критерию Неймана или Дарбина–Ватсона. Рассмотрим методы выделения периодической составляющей тренда временного ряда.
Задача гармонического анализа – определить основные гармонические колебания, входящие в периодическую составляющую ряда P(t) и определяющие основные закономерности развития исследуемого процесса.
Рассмотрим математическую постановку задачи гармонического анализа.
Пусть на конечном интервале [– L; L] задана функция X(t) = P(t) + e(t), где P(t) — периодическая функция, а e(t) — случайная составляющая, причем M(e(t)) = 0, D(e(t)) = s 2.
Функция P(t) считается полностью определенной, если известны период Т (или частоты w = 2p /T) и коэффициенты ряда Фурье
P(t) =
. (5.19)
Задача считается решенной, если определены параметры ak ,bk ,w..
Будем искать расчетную функцию Q(t):
(5.20)
где A0 = M(X(t), Ak ,Bk — неизвестные параметры, а wk — соответствующие частоты. Определим эти параметры с помощью метода наименьших квадратов (МНК), минимизируя функцию
назад далее
Параграфы
- Сущность и история возникновения эконометрики
- </b>Парный регрессионный анализ
- Множественная регрессия
- Гетероскедастичность моделей, ее обнаружение и методы устранения гетероскедастичности
- прогнозирование временных рядов
- Сглаживание Временных рядов
- ОДНОВРЕМЕННЫЕ УРАВНЕНИЯ. МЕТОДЫ ИДЕНТИФИКАЦИИ
- Моделирование структурными уравнениями
- РАЗНОСТНЫЕ УРАВНЕНИЯ И ИХ РЕШЕНИЕ
- Стационарные временные ряды авторегрессии-скользящего среднего
- Временные ряды с высокой изменчивостью
- Ложная регрессия, коинтеграция и модели корректировки ошибок
- Элементы линейной алгебры
- Элементы теории вероятностей и математической статистики
- метод наименьших квадратов