Фрактальні моделі економічних процесів



Сторінка6/35
Дата конвертації09.09.2018
Розмір1.77 Mb.
ТипРеферат
1   2   3   4   5   6   7   8   9   ...   35

1.4 Статистичний аналіз


Для того щоб визначити які регресори необхідно включити в праву частину рівняння, обчислюють коефіцієнт кореляції між залежною та відповідною незалежною змінною.

Коефіцієнт кореляції, а в загальному випадку кореляційна функція, дозволяє встановити факт існування зв’язку між змінними. Кореляція може бути лінійною або нелінійною в залежності від типу функціональної залежності між змінними.

Кореляційна матриця дає можливість встановити існування зв’язку між залежною (ендогенною) змінною та незалежними (екзогенними) змінними в правій частині. Кореляційна матриця R розмірністю (m x n) має наступний вигляд:


(1.24)
де – коефіцієнт кореляції між незалежними змінними та .

Коефіцієнт кореляції обчислюється за наступною формулою:


(1.25)
де вибіркове середнє, яке обчислюється наступним чином:
(1.26)
де N – це число вимірів.

Використовуючи значення коефіцієнтів кореляції, можна прийняти рішення про включення їх у рівняння регресії, яке представляється у загальному вигляді як:


(1.27)
Вищевказане рівняння представляє собою лінійну регресію, яка містить m параметрів (коефіцієнтів), але досить часто необхідно застосовувати складніші нелінійні моделі. Характерним представником нелінійної стосовно змінних регресії є поліноміальна регресія порядку , яка має наступний вигляд:
(1.28)
Це рівняння містить лише одну незалежну змінну , але воно може бути розширене будь-якими іншими змінними.Для визначення необхідності введення в рівняння регресії авторегресійної складової необхідно обчислити і дослідити вибіркову автокореляційну функцію змінної Рівняння з авторегресійною складовою має вигляд:
(1.28)

де та z(k) є незалежними змінними. Порядок авторегресії визначається за допомогою автокореляційної (АКФ) і частковою (ЧАКФ) функцій. Кількість значень автокореляційної функції, які відмінні від нуля, і буде складати оцінку порядку авторегресії.

АКФ та ЧАКФ використовують для визначення попередньої оцінки порядку авторегресійної частини моделі, тобто скільки затриманих в часі значень необхідно брати для опису процесу. При цьому необхідно врахувати, що АКФ дає менш статистично значущу оцінку порядку процесу ніж ЧАКФ, оскільки враховує вплив проміжних змінних.

Вибіркова АКФ обчислюється наступним чином:


(1.29)
де вибіркова дисперсія змінної

середнє значення вибірки даних.

Кількість значень АКФ, відмінних від нуля в статистичному сенсі, вказує на порядок авторегресійної частини.



На відміну від АКФ, часткова АКФ (ЧАКФ) між значеннями та виключає вплив величин .

Коефіцієнти ЧАКФ можна обчислити за допомогою коефіцієнтів АКФ, використовуючи наступні формули:


(1.30)

(1.31)

(1.32)

де значення АКФ для го лагу.



Каталог: bitstream -> 123456789
123456789 -> 1. Коротко про симетрію…
123456789 -> Звіт про науково-дослідну роботу регіональні особливості стану кишкової мікрофлори у дітей із соматичними захворюваннями Оцінка стану кишкової мікрофлори у дітей раннього віку, хворих на пневмонію на фоні залізодефіцитної анемії
123456789 -> Звіт про науково-дослідну роботу регіональні особливості стану кишкової мікрофлори у дітей із соматичними захворюваннями зміни мікробіоценозу кишечника у дітей, хворих на гострий обструктивний бронхіт бронхіальну астму (проміжний)
123456789 -> Використання науково-технічних бд у наукових дослідженнях Васильєв О. В., к т. н
123456789 -> Розвиток банківського споживчого кредитування
123456789 -> Реферат дипломна робота містить 128 сторінок, 17 таблиць, 21 рисунок, список використаних джерел з 108 найменувань, 6 додатків
123456789 -> Урок з хімії у 9-му класі на тему: "Жири. Склад жирів, їх утворення. Жири в природі. Біологічна роль жирів"


Поділіться з Вашими друзьями:
1   2   3   4   5   6   7   8   9   ...   35




База даних захищена авторським правом ©uchika.in.ua 2020
звернутися до адміністрації

    Головна сторінка