Читать контрольная по менеджменту: "Построение модели множественной регрессии" Страница 3

(Назад) (Cкачать работу)

Способ второй преодоления тенденции в рядах динамики - это метод последовательных разностей. Если временной ряд содержит ярко выраженную линейную тенденцию, то для её устранения можно заменить исходные уровни разностями первого порядка, то есть цепными абсолютными приростамии . Далее прирострассматривается как функция прироста :

.

Третьим способом является включение в модель регрессии фактора времени: . В данном случае коэффициенты чистой регрессии легко интерпретируются, имеют естественные единицы измерения. Коэффициентпокажет на сколько единиц изменится результат при единичном изменении фактора при условии существования неизменной тенденции; коэффициентотразит влияние всех прочих факторов, формирующих тенденцию, кроме . Однако данный способ построения регрессионной модели требует большего объёма наблюдений, так как в модели появляется еще один параметр.

Если тренды признаков являются экспонентами (или показательными функциями), то вместо корреляции абсолютных отклонений от трендов можно применить метод корреляции цепных темпов роста уровней, поскольку именно темпы роста - основной параметр экспоненциальных и показательных трендов.

Изучая параллельные временные ряды, можно столкнуться с таким явлением, как временной лаг, то есть запаздывание уровней одного ряда относительно другого. Например, спрос на товары длительного пользования может зависеть от доходов предыдущих лет. Поэтому при изучении связи по рядам динамики сначала рассчитывается взаимная корреляционная функция, представляющая собой множество коэффициентов корреляции между уровнями рядови , сдвинутыми относительно друг друга намоментов времени. Величина лага определяется по наибольшему коэффициенту корреляции. Если временной лаг существует, то он должен быть учтён в модели регрессии.

Определённые трудности при построении модели регрессии по временным рядам возникают в связи с проблемой мультиколлинеарности факторов, когда за счёт тенденции объясняющие переменные оказываются тесно связанными между собой. Выходом из создавшегося положения может явиться построение модели регрессии по отклонениям от тренда.

Однако можно строить регрессию и по уровням рядов динамики, если удаётся при этом устранить автокорреляцию в остатках, применяя, например, обобщённый метод наименьших квадратов.

Похожие работы