Składowe szeregu czasowego

Slides:



Advertisements
Podobne prezentacje
Modele szeregów czasowych z tendencją rozwojową
Advertisements

Regresja i korelacja materiały dydaktyczne.
Badania statystyczne Wykłady 1-2 © Leszek Smolarek.
Fale i falki w ekonomii 1.
dr Małgorzata Radziukiewicz
Dr inż. Iwona Staniec Zarządzanie zapasami Dr inż. Iwona Staniec
Analiza wariancji jednoczynnikowa
Składowe modelu Wintersa
Narzędzia analizy ekonomicznej
Analiza wariancji Marcin Zajenkowski. Badania eksperymentalne ANOVA najczęściej do eksperymentów Porównanie wyników z 2 grup lub więcej Zmienna niezależna.
Treść wykładu Wstęp Przewidywanie - prognoza Klasyfikacja prognoz
Estymacja przedziałowa
Analiza szeregów czasowych
Wyrównywanie szeregów czasowych
CECHY CHARAKTERYSTYCZNE SZEREGU CZASOWEGO SZEREG CZASOWY jest zbiorem obserwacji zmiennej, uporządkowanych względem czasu (dni,
Portfel wielu akcji. Model Sharpe’a
Współczynnik beta Modele jedno-, wieloczynnikowe Model jednowskaźnikowy Sharpe’a Linia papierów wartościowych.
Prognozowanie i symulacje
Analiza wariancji Analiza wariancji (ANOVA) stanowi rozszerzenie testu t-Studenta w przypadku porównywanie większej liczby grup. Podział na grupy (czyli.
Ekonometria prognozowanie.
Prognozowanie i symulacje
Prognozowanie na podstawie sezonowych szeregów czasowych
Prognozowanie na podstawie szeregów czasowych
Analiza szeregów czasowych
Prognozowanie na podstawie szeregów czasowych
Korelacje, regresja liniowa
Test t-studenta dla pojedynczej próby
Rozkład normalny Cecha posiada rozkład normalny jeśli na jej wielkość ma wpływ wiele niezależnych czynników, a wpływ każdego z nich nie jest zbyt duży.
Wykład 4. Rozkłady teoretyczne
Korelacja, autokorelacja, kowariancja, trendy
Jednoczynnikowa analiza wariancji (ANOVA)
Liniowy Model Tendencji Rozwojowej Szeregów Czasowych
czyli jak analizować zmienność zjawiska w czasie?
Analiza wariancji.
Ekonometria. Co wynika z podejścia stochastycznego?
Analiza wariancji jednoczynnikowa.
Irena Woroniecka EKONOMIA MENEDŻERSKA - dodatek do W2
Analiza szeregów czasowych
Prognozowanie z wykorzystaniem modeli ekonometrycznych
Prognozowanie i symulacje
Kilka wybranych uzupelnień
Wahania sezonowe. Metoda wskaźników sezonowości.
Procesy dynamiczne w gospodarce
Cyklotron. Nowe narzędzie statystyczne. Nowe możliwości Nowy wzór matematyczny przedstawiający funkcję o nazwie „Periodia” w programie komputerowym Cyklotron.
ANALIZA ANOVA - KIEDY? Wiele przedsięwzięć badawczych zakłada porównanie pomiędzy średnimi z więcej niż dwóch populacji lub dwóch warunków eksperymentalnych.
Przedmiot: Ekonometria Temat: Szeregi czasowe. Dekompozycja szeregów
KONIUNKTURA W BANKOWOŚCI, A WYBRANE ASPEKTY KONIUNKTURY OGÓLNOGOSPODARCZEJ Eugeniusz Śmiłowski Marcin Idzik Poznań czerwca 2005.
Dynamika zjawisk. Analiza sezonowości dr hab. Mieczysław Kowerski
Weryfikacja hipotez statystycznych
1 D. Ciołek Analiza danych przekrojowo-czasowych – wykład 7 Analiza danych przekrojowo-czasowych Wykład 7: Testowanie integracji dla danych panelowych.
Dynamika zjawisk. Tendencja rozwojowa dr hab. Mieczysław Kowerski
Statystyczna Analiza Danych SAD2 Wykład 4 i 5. Test dla proporcji (wskaźnika struktury) 2.
Statystyczna analiza danych SAD2 Wykład 5. Testy o różnicy wartości średnich dwóch rozkładów normalnych (znane wariancje) Statystyczna analiza danych.
Model ekonometryczny Jacek Szanduła.
Model trendu liniowego
Prognozowanie wahań sezonowych Metoda wskaźników sezonowości.
Treść dzisiejszego wykładu l Weryfikacja statystyczna modelu ekonometrycznego –błędy szacunku parametrów, –istotność zmiennych objaśniających, –autokorelacja,
Ekonometria stosowana Heteroskedastyczność składnika losowego Piotr Ciżkowicz Katedra Międzynarodowych Studiów Porównawczych.
Grupowanie danych statystycznych „ Człowiek – najlepsza inwestycja”
STATYSTYKA – kurs podstawowy wykład 13 dr Dorota Węziak-Białowolska Instytut Statystyki i Demografii.
OD RECESJI DO KONIUNKTURY CZYLI ZMIENNA GOSPODARKA
Badanie dynamiki zjawisk dr Marta Marszałek Zakład Statystyki Stosowanej Instytut Statystyki i Demografii Kolegium Analiz.
Ekonometria II Modele stacjonarne procesów stochastycznych i modele dynamiczne dr hab. Mieczysław Kowerski.
WAHANIA KONIUNKTURANE
METROLOGIA Statystyczne metody poprawienia dokładności
EKONOMETRIA Wykład 1a prof. UG, dr hab. Tadeusz W. Bołt
Analiza szeregów czasowych
Badanie dynamiki zjawisk
PODSTAWY STATYSTYKI Wykład udostępniony przez dr hab. Jana Gajewskiego
Analiza kanoniczna - stanowi uogólnienie liniowej regresji wielorakiej na dwa zbiory zmiennych tzn. dla zmiennych zależnych i niezależnych. Pozwala badać.
Zapis prezentacji:

Składowe szeregu czasowego Składowa przypadkowa. Składowe systematyczne: a) stały poziom, b) tendencja rozwojowa, c) wahania okresowe: - sezonowe, cykl ≤ 1 rok, - cykliczne, cykl > 1 rok.

Dekompozycja szeregu czasowego

Sposoby dekompozycji Analiza wzrokowa wykresu, Statystyczna analiza szeregu.

Przykładowe szeregi czasowe

Trend czy stały poziom? y t

Trend czy stały poziom? y t

Trend czy stały poziom? y Maksymalna korelacja (r = 1) Brak korelacji

Test współczynnika korelacji H0: ρ = 0 (brak korelacji) H1: ρ ≠ 0 (korelacja) t*n-2,α |te| ≤ t*  H0 |te| > t*  H1

Trend czy stały poziom? y r = 0 t

Identyfikacja wahań okresowych: analiza wariancji jednoczynnikowa Faza 1 Faza 2 … Faza r Cykl 1 X1, 1 X1, 2 X1, r Cykl 2 X2, 1 X2, 2 X2, r Cykl k Xk, 1 Xk, 2 Xk, r H0: μ1 = μ2 = … = μr H1: ~ (μ1 = μ2 = … = μr ) … Fe ≤ F*  H0 Fe > F*  H1 F* - rozkład F Snedecora: r – 1 i n – r stopni swobody; poziom istotności α