4.1. Специфика статистической оценки взаимосвязи двух временных рядов
Временной ряд - это совокупность значений какого-либо показателя за несколько последовательных моментов или периодов.
Применение традиционных методов корреляционно-регрессионного анализа для изучения причинно-следственных зависимостей переменных, представленных в форме временных рядов, может привести к ряду серьезных проблем, возникающих как на этапе построения, так и на этапе анализа экономет- рических моделей.
В первую очередь эти проблемы связаны со спецификой временных рядов как источника данных в эконометрическом моделировании. Предполагается, что в общем случае каждый уровень временного ряда содержит три основные компоненты: тенденцию (Т), циклические или сезонные колебания (S) и случайную компоненту (E).Если временные ряды содержат сезонные или циклические колебания, то перед проведением дальнейшего исследования взаимосвязи необходимо устранить сезонную или циклическую компоненту из уровней каждого ряда, поскольку ее наличие приведет к завышению истинных показателей силы и связи изучаемых временных рядов в случае, если оба ряда содержат циклические колебания одинаковой периодичности, либо к занижению этих показателей в случае, если сезонные или циклические колебания содержит только один из рядов или периодичность колебаний в рассматриваемых временных рядах различна.
Устранение сезонной компоненты из уровней временных рядов можно проводить в соответствии с методикой построения аддитивной и мультипликативной моделей.
Если рассматриваемые временные ряды имеют тенденцию, коэффициент корреляции по абсолютной величине будет высоким, что в данном случае есть результат того, что х и у зависят от времени, или содержат тенденцию. Для того чтобы получить коэффициенты корреляции, характеризующие причинно- следственную связь между изучаемыми рядами, следует избавиться от так называемой ложной корреляции, вызванной наличием тенденции в каждом ряде.
Влияние фактора времени будет выражено в корреляционной зависимости между значениями остатков за текущий и предыдущие моменты времени, ко-торая получила название «автокорреляция в остатках».
Автокорреляция в остатках есть нарушение одной из основных предпосылок МНК - предпосылки о случайности остатков, полученных по уравнению регрессии. Один из возможных путей решения этой проблемы состоит в применении к оценке параметров модели обобщенного МНК. При построении уравнения множественной регрессии по временным рядам данных, помимо двух вышеназванных проблем, возникает также проблема мультиколлинеарности
факторов, входящих в уравнение регрессии, в случае если эти факторы содержат тенденцию.
Еще по теме 4.1. Специфика статистической оценки взаимосвязи двух временных рядов:
- Сглаживание временных рядов
- Виды временных рядов
- Метод Бокса—Дженкинса и анализ временных рядов
- §4Ь. анализ некоторых финансовых временных рядов
- Тема 4. Моделирование одномерных временных рядов.
- Статистические оценки статистических гипотез
- § 2. Теория раздельности во времени двух частей кредитной сделки.
- Статистические методы оценки риска
- Статистические оценки параметров распределения
- § 1. Возрастная специфика ювенальной юстиции и ювенальной криминологии. Вопросы взаимосвязи
- 4. Изучение взаимосвязей по временным рядам
- Статистический метод оценки
- 10.5 Методы оценки денежных потоков во времени
- 10.5. Методы оценки денежных потоков во времени
- ПОРЯДОК заполнения и представления формы государственного статистического наблюдения (государственной статистической отчетности)
- 1. Концепция и методический инструментарий оценки стоимости денег во времени.
- 3.2.3 Учет фактора времени при оценке экономической эффективности НИР и ОКР
- Оценка взаимосвязи показателей бухгалтерского баланса, отчета о прибылях и убытках и отчета о движении денежных средст
- ПРОГНОЗ ВРЕМЕННЫХ РЯДОВ (TIME SERIES FORCAST)