Эконометрика лекции
В случае когда применяется
В случае, когда применяется сглаживание с помощью скользящей средней, нет возможности получить сглаженные значения для kпервых и k последних членов ряда X(t).Если же сглаживать с помощью полинома регрессии, то для крайних членов исходного ряда могут быть получены сглаженные значения – значения полинома регрессии в этих точках. Но для этого надо оценить не только свободный член a полинома, но и остальные коэффициенты полинома регрессии (коэффициенты b, с в квадратичном случае). Получаем, из системы (6.8)
(6.13)
Для m = 5, k = 2из (6.10), (6.13) для начальных значений ряда, имеем
a = Z(0) = Y(3) = – (3/35)X(1) + (12/35)X(2) + (17/35)X(3) +
+ (12/35)X(4) – (3/35)X(5), (6.14)
(6.15)
Y(1) = Z(–2) = a + b(–2) + c(–2)2 = a – 2b + 4c, (6.16)
Y(2) = Z(–1) = a+ b(–1) + c(–1)2 = a – b+ c. (6.17)
Для последних пяти членов ряда аналогично получаем (n — объем выборки):
a = Z(0) = Y(n – 2) = -(3/35) X(n – 4) + (12/35)X(n – 3) +
+ (17/35)X(n – 2) + (12/35) X(n – 1) – (3/35) X(n), (6.18)
(6.19)
Y(n - 1) = Z(1) = a + b(1) + c(1)2 = a + b + c, (6.20)
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