Szereg czasowy – czy trend jest liniowy?

Slides:



Advertisements
Podobne prezentacje
Regresja i korelacja materiały dydaktyczne.
Advertisements

Badania statystyczne Wykłady 1-2 © Leszek Smolarek.
Excel Narzędzia do analizy regresji
Test zgodności c2.
Równanie różniczkowe zupełne i równania do niego sprowadzalne
Metody ekonometryczne
BUDOWA MODELU EKONOMETRYCZNEGO
Badania operacyjne. Wykład 2
Metody wnioskowania na podstawie podprób
Analiza współzależności
Metody ekonometryczne
Metody ekonometryczne
Metody ekonometryczne
Testy nieparametryczne
LITERATURA ANEKSY. STRUKTURA DZIAŁU TEORETYCZNEGO DEFINICJE WAŻNIEJSZYCH POJĘĆ HISTORIA ROZWOJU ZJAWISKA ANALIZA TEORII NAUKOWYCH PUNKTY WYJŚCIOWE O CELU.
Hipotezy statystyczne
Liniowy Model Tendencji Rozwojowej Szeregów Czasowych
czyli jak analizować zmienność zjawiska w czasie?
Konstrukcja, estymacja parametrów
Elementy Rachunku Prawdopodobieństwa i Statystyki
Testowanie hipotez statystycznych
Ekonometria szeregów czasowych
Rozkłady wywodzące się z rozkładu normalnego standardowego
Analiza reszt w regresji
BADANIE STATYSTYCZNE Badanie statystyczne to proces pozyskiwania danych na temat rozkładu cechy statystycznej w populacji. Badanie może mieć charakter:
Irena Woroniecka EKONOMIA MENEDŻERSKA - dodatek do W2
BUDOWANIE SCHEMATU BLOKOWEGO REALIZUJĄCEGO PROSTY ALGORYTM
Prognozowanie z wykorzystaniem modeli ekonometrycznych
Modelowanie ekonometryczne
Statystyka – zadania 4 Janusz Górczyński.
1 Kilka wybranych uzupełnień do zagadnień regresji Janusz Górczyński.
Hipotezy statystyczne
Zagadnienia regresji i korelacji
Prognozowanie i symulacje
Finanse 2009/2010 dr Grzegorz Szafrański pokój B106 Termin konsultacji poniedziałek:
Elementy Rachunku Prawdopodobieństwa i Statystyki
Kilka wybranych uzupelnień
Ekonometria stosowana
Statystyka i opracowanie wyników badań
Planowanie badań i analiza wyników
Badania operacyjne, Solver
Ekonometria stosowana
Funkcje Autorzy: Piotr Romanowski Marcin Warszewski kl. III b
Regresja wieloraka.
Przedmiot: Ekonometria Temat: Szeregi czasowe. Dekompozycja szeregów
Ekonometryczne modele nieliniowe
Ekonometria stosowana
Weryfikacja hipotez statystycznych
Regresja liniowa Dany jest układ punktów
Regresja liniowa. Dlaczego regresja? Regresja zastosowanie Dopasowanie modelu do danych Na podstawie modelu, przewidujemy wartość zmiennej zależnej na.
Wykresy i wykresy funkcji Adam Wesołowski Daniel Teterwak.
Treść dzisiejszego wykładu l Weryfikacja statystyczna modelu ekonometrycznego –błędy szacunku parametrów, –istotność zmiennych objaśniających, –autokorelacja,
Przeprowadzenie badań niewyczerpujących, (częściowych – prowadzonych na podstawie próby losowej), nie daje podstaw do formułowania stanowczych stwierdzeń.
Testy nieparametryczne – testy zgodności. Nieparametryczne testy istotności dzielimy na trzy zasadnicze grupy: testy zgodności, testy niezależności oraz.
Treść dzisiejszego wykładu l Szeregi stacjonarne, l Zintegrowanie szeregu, l Kointegracja szeregów.
Modele nieliniowe sprowadzane do liniowych
STATYSTYKA – kurs podstawowy wykład 11
Elementy cyfrowe i układy logiczne
Przykładowe zadanie egzaminacyjne.
Testy nieparametryczne
Badania operacyjne, Solver
Podstawy automatyki I Wykład /2016
Statystyka matematyczna
Ekonometria stosowana
Regresja wieloraka – bada wpływ wielu zmiennych objaśniających (niezależnych) na jedną zmienną objaśnianą (zależą)
Jednorównaniowy model regresji liniowej
Selekcja danych Korelacja.
MNK – podejście algebraiczne
Analiza współzależności zjawisk
Korelacja i regresja liniowa
Zapis prezentacji:

Szereg czasowy – czy trend jest liniowy? Autor: dr Janusz Górczyński, WSZiM w Sochaczewie

Autor: dr Janusz Górczyński, WSZiM w Sochaczewie Problem Powiedzmy, że interesuje nas odpowiedź na następujące pytanie: W latach 1983-98 obserwujemy wartość pewnej cechy, np. wielkość produkcji błyskotek w tys. sztuk. Dane empiryczne zobaczymy na kolejnym slajdzie. Autor: dr Janusz Górczyński, WSZiM w Sochaczewie

Problem – dane empiryczne Dane te tworzą szereg czasowy (inaczej chronologiczny). Szereg czasowy, to zbiór wyników postaci (t, yt) uporządkowany rosnąco wg czasu. Czas w szeregu czasowym odgrywa rolę zmiennej niezależnej Autor: dr Janusz Górczyński, WSZiM w Sochaczewie

Problem – inna postać danych Bez szkody dla istoty problemu, a dla całkowitej zgodności z definicją szeregu czasowego przekształcamy czas tak, aby przypisać mu kolejne wartości naturalne 1, 2, 3 itd.. Interesuje nas teraz pytanie, czy możemy uznać, że trend tego zjawiska można przedstawić jako funkcję liniową czasu? Autor: dr Janusz Górczyński, WSZiM w Sochaczewie

Problem – próba odpowiedzi Można oczywiście oszacować liniowy model trendu na podstawie danych z poprzedniego slajdu. Pokazane powyżej wyniki estymacji współczynnika regresji nie odpowiadają jednak na pytanie: czy y=f(t)=a+bt, a jedynie na pytanie, czy można uznać, że b=0 ! Z powyższego wynika, że H0:b=0 MUSIMY odrzucić, ale to NIE JEST odpowiedź na pytanie o związek liniowy! Autor: dr Janusz Górczyński, WSZiM w Sochaczewie

Autor: dr Janusz Górczyński, WSZiM w Sochaczewie Co robić??? Jak widzieliśmy, powinniśmy poszukać możliwości weryfikacji hipotezy H0: y=f(t)=a+bt . Jak wiemy, możliwe jest zastosowanie testu serii, co jest metodą bardzo ogólną. W przypadku szeregu czasowego (szerzej: wtedy, gdy x zmieniają się o stałą wartość) i konieczności sprawdzenia, czy związek między y a czasem (x) jest liniowy możemy skorzystać z bardzo prostej własności funkcji liniowej. Autor: dr Janusz Górczyński, WSZiM w Sochaczewie

Własność funkcji liniowej Jeżeli między y a x jest związek liniowy postaci: Y=a + b*x To między przyrostami y-ka dla kolejnych wartości x istnieje zależność stała: Delta(y)=A Autor: dr Janusz Górczyński, WSZiM w Sochaczewie

Autor: dr Janusz Górczyński, WSZiM w Sochaczewie Rozwiązanie Wykorzystując podaną na poprzednim slajdzie zależność wyznaczamy dla naszych danych przyrosty zmiennej y dla kolejnych wartości czasu. Delta(yi)=yi-yi-1 Dla wszystkich i z wyłączeniem i=1 Autor: dr Janusz Górczyński, WSZiM w Sochaczewie

Autor: dr Janusz Górczyński, WSZiM w Sochaczewie Rozwiązanie - dane Autor: dr Janusz Górczyński, WSZiM w Sochaczewie

Rozwiązanie – estymacja pomocnicza Wykorzystując 1 i 3 kolumnę danych (bez pozycji i=1) będziemy estymować model Delta(Y)=A + Bt W celu zweryfikowania hipotezy H0:B=0 W sytuacji, gdy nie będziemy mieli podstaw do odrzucenia H0:B=0 będziemy mogli uznać, że zależność między y a t jest liniowa!! Autor: dr Janusz Górczyński, WSZiM w Sochaczewie

Autor: dr Janusz Górczyński, WSZiM w Sochaczewie Rozwiązanie Poniżej podane są (częściowe) wyniki estymacji modelu budowanego na przyrostach y-ka: delta(Y)=A + B*t Wynika z nich, że nie mamy podstaw do odrzucenia H0:B=0, tym samym wykazaliśmy, że między y a t istnieje związek liniowy. Autor: dr Janusz Górczyński, WSZiM w Sochaczewie

Ostateczne rozwiązanie Wiemy już, że między czasem a zmienną y-ek istnieje związek liniowy. Musimy więc wyestymować parametry tego modelu wykorzystując wyjściowe dane oraz jakiś arkusz obliczeniowy. Ja skorzystam z arkusza Liniowa.xls Autor: dr Janusz Górczyński, WSZiM w Sochaczewie

Autor: dr Janusz Górczyński, WSZiM w Sochaczewie Jak policzyć ? Zaznaczyć obszar danych Autor: dr Janusz Górczyński, WSZiM w Sochaczewie

Autor: dr Janusz Górczyński, WSZiM w Sochaczewie Przejść do arkusza Liniowa.xls i postawić kursor w A1 Z prawego przycisku wywołać menu kontekstowe i uruchomić polecenie Wklej Autor: dr Janusz Górczyński, WSZiM w Sochaczewie

Autor: dr Janusz Górczyński, WSZiM w Sochaczewie Wszystko jest już gotowe ..... Autor: dr Janusz Górczyński, WSZiM w Sochaczewie

Autor: dr Janusz Górczyński, WSZiM w Sochaczewie Mamy wyniki estymacji modelu i badanie istotności Autor: dr Janusz Górczyński, WSZiM w Sochaczewie