Проверка адекватности трендовой модели
Определение адекватности модели посредством исследования случайности отклонений остаточной компоненты по критерию пиков, нормальности закона распределения остаточной компоненты на основе RS-критерия, математического ожидания остаточной компоненты нулю.
Рубрика | Экономико-математическое моделирование |
Вид | контрольная работа |
Язык | русский |
Дата добавления | 08.04.2012 |
Размер файла | 142,8 K |
Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже
Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.
Размещено на http://www.allbest.ru/
Размещено на http://www.allbest.ru/
Проверка адекватности трендовой модели
1. Цель и задачи работы
Целью данной работы является изучение методов и моделей анализа экономических процессов.
Задачи работы. На основе имеющихся динамических данных определить адекватность модели посредством исследования:
ь случайности отклонений остаточной компоненты по критерию пиков;
ь нормальности закона распределения остаточной компоненты на основе RS-критерия;
ь близости математического ожидания остаточной компоненты нулю;
ь независимости (отсутствия автокорреляции) уровней ряда остатков либо по критерию Дарбина-Уотсона.
2 Исходные данные
отклонение компонента трендовая модель
По данным Агентства Республики Казахстан по статистике (http://stat.kz/digital/vnesh_torg/Pages/default.aspx) выбран динамический показатель - Внешнеторговый оборот Республики Казахстан и рассчитанный в ценах 2000 года за 2001-2010 годы.
Таблица 1. Исходные данные
Год |
Внешнеторговый оборот Республики Казахстан |
|
2001 |
15 085,10 |
|
2002 |
16 254,30 |
|
2003 |
21 335,40 |
|
2004 |
32 877,40 |
|
2005 |
45 201,50 |
|
2006 |
61 927,20 |
|
2007 |
80 511,70 |
|
2008 |
109 072,50 |
|
2009 |
71 604,40 |
|
2010 |
89 981,10 |
Рис. 1. Графическое представление исходных данных
3. Описание задачи анализа
отклонение компонента распределение закон
Оценить адекватность модели позволяет анализ случайной компоненты ei. Модель считается адекватной исследуемому процессу, если:
1) значения остаточного ряда случайны;
2) подчинены нормальному закону распределения;
3) математическое ожидание значений остаточного ряда близко или равно нулю;
4) уровни ряда остатков независимы.
Таким образом, анализ адекватности модели разбивается на несколько этапов.
1. Проверка случайности последовательности ei проводится с помощью критерия пиков (поворотных точек). Каждое значение ряда (ei) сравнивается с двумя, рядом стоящими. Точка считается поворотной, если она либо больше и предыдущего и последующего значения, либо меньше и предыдущего и последующего значения.
В случайном ряду должно выполняться строгое неравенство:
,
где p - число поворотных точек;
Если выполняется неравенство при б = 0,05, то модель адекватна.
2. Соответствие остаточного ряда нормальному распределению проще всего проверить при помощи RS-критерия:
,
где emax - максимальное значение ряда остатков;
emin - минимальное значение ряда остатков;
S - среднеквадратическое отклонение значений остаточного ряда.
Если рассчитанное значение попадает между табулированными границами с заданным уровнем вероятности, то гипотеза о нормальном распределении принимается.
3. Равенство нулю математического ожидания ряда остатков означает выполнение следующего соотношения:
Однако в случае применения метода наименьших квадратов такая проверка является излишней, поскольку использование МНК предполагает выполнение равенства , откуда безусловным образом следует равенство нулю математического ожидания значений остаточного ряда.
4. При проверке независимости значений ei определяется отсутствие в остаточном ряду автокорреляции, под которой понимается корреляция между элементами одного и того же числового ряда. В нашем случае автокорреляция - это корреляция ряда e1, e2, e3… с рядом eL+1, eL+2, eL+3… Число L характеризует запаздывание (лаг). Корреляция между соседними членами ряда (т.е. когда L = 1) называется автокорреляцией первого порядка. Далее для остаточного ряда будем рассматривать зависимость между соседними элементами ei.
Значительная автокорреляция говорит о том, что спецификация регрессии выполнена неправильно (неправильно определен тип зависимости).
Наличие автокорреляции может быть выявлено при помощи d-критерия Дарбина-Уотсона. Значение критерия вычисляется по формуле:
.
Эта величина сравнивается с двумя табличными уровнями: нижним - d1 и верхним - d2. Если полученное значение d больше двух, то перед сопоставлением его нужно преобразовать:
d' = 4 - d
Если d (или d') находится в интервале от нуля до d1, то значения остаточного ряда сильно автокоррелированы.
Если значение d-критерия попадает в интервал от d2 до 2, то автокорреляция отсутствует.
Если d1 < d< d2 - однозначного вывода об отсутствии или наличии автокорреляции сделать нельзя и необходимо использовать другой критерий, например, коэффициент автокорреляции первого порядка:
.
Если |r(1)| окажется меньше табличного (при n<15 rтабл = 0,36), то гипотеза о наличии автокорреляции отвергается.
Расчетная часть
Расчеты
A) Построим линейную модель t=a0+a1t, определив ее параметры методом наименьших квадратов.
Таблица 2. Регрессионный анализ
ВЫВОД ИТОГОВ |
|||||||||
Регрессионная статистика |
|||||||||
Множественный R |
0,916855 |
||||||||
R-квадрат |
0,840623 |
||||||||
Нормированный R-квадрат |
0,820701 |
||||||||
Стандартная ошибка |
14066,11 |
||||||||
Наблюдения |
10 |
||||||||
Дисперсионный анализ |
|||||||||
df |
SS |
MS |
F |
Значимость F |
|||||
Регрессия |
1 |
8,35E+09 |
8,35E+09 |
42,19536 |
0,000189 |
||||
Остаток |
8 |
1,58E+09 |
1,98E+08 |
||||||
Итого |
9 |
9,93E+09 |
|||||||
Коэффициенты |
Стандартная ошибка |
t-статистика |
P-Значение |
Нижние 95% |
Верхние 95% |
Нижние 95,0% |
Верхние 95,0% |
||
Y-пересечение |
9117,002 |
8267,409 |
1,102764 |
0,302195 |
-9947,68 |
28181,68 |
-9947,68 |
28181,68 |
|
Переменная X 1 |
10059,57 |
1548,628 |
6,495796 |
0,000189 |
6488,427 |
13630,71 |
6488,427 |
13630,71 |
Таблица 3. Расчет коэффициентов регрессии и R2
Год |
ВО РК |
№ |
tyср |
у прогноз |
||
2001 |
15 085,10 |
0 |
tср = 4,5 |
0 |
9117,001818 |
|
2002 |
16 254,30 |
1 |
t2 = 285 |
16254,3 |
19176,5703 |
|
2003 |
21 335,40 |
2 |
St2 = 8,25 |
42670,8 |
29236,13879 |
|
2004 |
32 877,40 |
3 |
Sty = 82991,44 |
98632,2 |
39295,70727 |
|
2005 |
45 201,50 |
4 |
180806 |
49355,27576 |
||
2006 |
61 927,20 |
5 |
a = 10059,56848 |
309636 |
59414,84424 |
|
2007 |
80 511,70 |
6 |
b= 9117,001818 |
483070,2 |
69474,41273 |
|
2008 |
109 072,50 |
7 |
763507,5 |
79533,98121 |
||
2009 |
71 604,40 |
8 |
572835,2 |
89593,5497 |
||
2010 |
89 981,10 |
9 |
809829,9 |
99653,11818 |
||
срзнач |
54 385,06 |
327 724,21 |
||||
дисп |
1 103 491 552,69 |
дисп |
927620082,6 |
|||
R2 |
0,84 |
Полученное уравнение: y= 9117,00182 + 10059,5685x
Значение R2=0,84, т.е. значение внешнего оборота (y) зависит лишь на 84% от периода (х).
Можно сделать вывод, что данное уравнение значимо.
1. Оценка адекватности модели на основе исследования случайности отклонений остаточной компоненты по критерию пиков.
Таблица 4. Расчет поворотных точек
p |
e |
|
- |
5968,098 |
|
- |
-2922,27 |
|
поворотная отр. |
-7900,74 |
|
- |
-6418,31 |
|
- |
-4153,78 |
|
- |
2512,356 |
|
- |
11037,29 |
|
поворотная |
29538,52 |
|
поворотная отр. |
-17989,1 |
|
- |
-9672,02 |
|
pрасч |
3 |
|
pкр |
2,920405191 |
В нашем случае выполняется неравенство pрасч>pкр, то есть модель адекватна, остаточная последовательность является случайной.
Оценка адекватности модели на основе исследования нормальности закона распределения остаточной компоненты на основе RS-критерия.
Таблица 5. Вычисление RS-критерия
e |
e2 |
|
5968,098 |
35618195,91 |
|
-2922,27 |
8539663,724 |
|
-7900,74 |
62421673,39 |
|
-6418,31 |
41194668,25 |
|
-4153,78 |
17253853,04 |
|
2512,356 |
6311931,453 |
|
11037,29 |
121821710,3 |
|
29538,52 |
872524092,2 |
|
-17989,1 |
323609506,8 |
|
-9672,02 |
93547935,71 |
|
сумма |
1582843231 |
|
s |
13261,65412 |
|
emax |
29538,51879 |
|
emin |
-17989,1497 |
|
RS |
3,583841657 |
Табличное значения RS-критерия при n=10, б=0,01: (2,51; 3,875).
Полученное значение критерия попадает в данный интервал, следовательно, остаточная последовательность подчиняется нормальному закону. Модель адекватна.
3. Оценка адекватности модели на основе исследования близости математического ожидания остаточной компоненты нулю.
Для выявления уравнения тренда был применен МНК. Оценка адекватности модели на основе исследования близости математического ожидания остаточной компоненты нулю является излишней, поскольку использование МНК предполагает выполнение равенства, откуда безусловным образом следует равенство нулю математического ожидания значений остаточного ряда.
4. Оценка адекватности модели на основе исследования независимости (отсутствия автокорреляции) уровней ряда остатков либо по критерию Дарбина-Уотсона.
Таблица 6. Регрессионный анализ в Eviews
Dependent Variable: Y |
|||||
Method: Least Squares |
|||||
Date: 04/04/12 Time: 18:02 |
|||||
Sample: 2001 2010 |
|||||
Included observations: 10 |
|||||
Variable |
Coefficient |
Std. Error |
t-Statistic |
Prob. |
|
C |
9117.002 |
8267.409 |
1.102764 |
0.3022 |
|
X |
10059.57 |
1548.628 |
6.495796 |
0.0002 |
|
R-squared |
0.840623 |
Mean dependent var |
54385.06 |
||
Adjusted R-squared |
0.820701 |
S.D. dependent var |
33218.84 |
||
S.E. of regression |
14066.11 |
Akaike info criterion |
22.11778 |
||
Sum squared resid |
1.58E+09 |
Schwarz criterion |
22.17830 |
||
Log likelihood |
-108.5889 |
F-statistic |
42.19536 |
||
Durbin-Watson stat |
1.831268 |
Prob (F-statistic) |
0.000189 |
Табличное значение статистики Дарбина-Уотсона: dн=1,08
dв=1,36
Расчетное значение статистики Дарбина-Уотсона: d=1,83
Таким образом, dн < d > dв, следовательно, гипотеза не отвергается, и модель является адекватной.
Анализ результатов
А) Благодаря методу наименьших квадратов была построена линейная модель и были определены ее параметры.
Полученное уравнение: y= 9117,00182 + 10059,5685x
Значение R2=0,84, т.е. значение внешнего оборота (y) зависит лишь на 84% от периода (х).
Можно сделать вывод, что данное уравнение значимо.
По 4 из 4 тестов модель была признана адекватной.
Размещено на Allbest.ru
Подобные документы
Построение анализа случайной компоненты для проверки адекватности выбранных моделей реальному процессу (в частности, адекватности полученной кривой роста). Оценка параметров модели в условиях автокорреляции и определение критерия автокорреляции.
контрольная работа [44,0 K], добавлен 13.08.2010Графическое решение и оптимальный план задачи линейного программирования. Свойства двойственных оценок и теорем двойственности. Адаптивная модель Брауна. Свойства независимости остаточной компоненты, соответствия нормальному закону распределения.
контрольная работа [556,2 K], добавлен 17.02.2010Порядок построения линейного регрессионного уравнения, вычисление его основных параметров и дисперсии переменных, средней ошибки аппроксимации и стандартной ошибки остаточной компоненты. Построение линии показательной зависимости на поле корреляции.
контрольная работа [75,1 K], добавлен 29.01.2010Определение воспроизводимости эксперимента по критерию Кохрина и коэффициентов линейной модели. Проверка адекватности модели при помощи критерия Фишера. Значимость коэффициентов регрессии и расчеты в автоматическом режиме в программе Statgraphics plus.
лабораторная работа [474,1 K], добавлен 16.06.2010Основы математического моделирования детерминированных и стохастических объектов. Идентификация объектов управления по переходной характеристике. Получение модели методом множественной линейной регрессии и проверка ее адекватности по критерию Фишера.
курсовая работа [1,1 M], добавлен 14.10.2014Построение и анализ однофакторной и многофакторной эконометрической модели. Вычисление парных и частичных коэффициентов корреляции. Проверка адекватности модели по критерию Фишера. Исследование наличия мультиколлениарности по алгоритму Феррара-Глобера.
контрольная работа [172,4 K], добавлен 28.05.2010Построение и анализ классической многофакторной линейной эконометрической модели. Вид линейной двухфакторной модели, её оценка в матричной форме и проверка адекватности по критерию Фишера. Расчет коэффициентов множественной детерминации и корреляции.
контрольная работа [131,9 K], добавлен 01.06.2010Равенство нулю математического ожидания случайной компоненты. Знакомство со статистическим методом однофакторного дисперсионного анализа, а также с реализацией его на ПК в различных программах. Сравнение IBM SPSS Statistics 20 и Microsoft Office 2013.
курсовая работа [1,3 M], добавлен 29.11.2014Данные для разработки трендовой модели изменения объемов грузооборота предприятий транспорта. Проверка гипотезы на наличие тенденции. Понятие и обоснование периода упреждения прогноза. Выбор оптимальной прогнозной модели по коэффициенту детерминации.
курсовая работа [1008,3 K], добавлен 01.10.2014Построение схемы сети. Расчет интенсивностей входных потоков для каждой СМО. Проверка стационарности сети. Модель сети на языке моделирования GPSS. Сравнение расчетных и экспериментальных данных по критерию Стьюдента. Проверка адекватности модели.
контрольная работа [94,6 K], добавлен 28.07.2013