Коррелограмма 137, 176, 179 Корреляционный анализ 135 [c.300]
Последовательность коэффициентов автокорреляции уровней первого, второго и т. д. порядков называют автокорреляционной функцией временного ряда. График зависимости ее значений от величины лага (порядка коэффициента автокорреляции) называется коррелограммой. [c.231]
Анализ автокорреляционной функции и коррелограммы позволяет определить лаг, при котором автокорреляция наиболее высокая, а следовательно, и лаг, при котором связь между текущим и предыдущими уровнями ряда наиболее тесная, т. е. при помощи анализа автокорреляционной функции и коррелограммы можно выявить структуру ряда. [c.231]
| Таблица 5.4 Коррелограмма временного ряда потребления электроэнергии |  |
Коррелограмма - график зависимости значений автокорреляционной [c.23]
Сравним поведение коррелограмм стационарного процесса AR(1) при а = 0.8 [c.22]
Коррелограмма процесса AR(/ ) при р > 1 имеет более сложную форму, зависящую от расположения (на комплексной плоскости) корней уравнения a(z) = 0. Однако для больших значений k автокорреляция p(k) хорошо аппроксимируется значением A9k, где 9 = l/zm n и zm n - наименьший по абсолютной величине корень уравнения a(z) = О, если этот корень является вещественным и положительным, или заключена в интервале А 9 в противном случае. Здесь А > О - некоторая постоянная, определяемая коэффициентами а , . .., ар. [c.22]
Корреляции даже между соседними наблюдениями очень малы, и можно ожидать, что поведение траекторий такого ряда не очень существенно отличается от поведения реализаций процесса белого шума. Теоретическая коррелограмма рассматриваемого процесса и смоделированная реализация этого процесса приведены ниже. [c.23]
Х1) = -0.8/(1+0.82) = - 0.488. Коррелограммы этих двух процессов имеют вид [c.25]
В распечатках коррелограмм приводятся Р-значения статистики Q для последовательных значений М= 1,2,. ... При конкретном значении М гипотеза Щ отвергается, когда соответствующее Р-значение меньше 0.05. [c.37]
Построенная по этой реализации выборочная коррелограмма имеет вид [c.40]
Коррелограмма, построенная по этим данным, имеет вид [c.45]
Для только что рассмотренных моделей AR(1) и МА(1) коррелограммы рядов остатков имеют следующий вид. [c.50]
Обратимся теперь к приведенной в разд. 3.1 реализации процесса авторегрессии второго порядка Xt= 1.2 Xt- - 0.36 Xt-2 + t. Используя выборочную коррелограмму, построенную по этой реализации, мы (правильно) идентифицировали порядок этого процесса. Среди AR моделей порядков 4, 3, 2 и 1 оба критерия AI и SI также выбрали модель второго порядка. Оценивание модели с ненулевым математическим ожиданием нелинейным методом наименьших квадратов приводит к следующим результатам. [c.54]
Коррелограмма ряда остатков имеет вид [c.54]
По этой коррелограмме ряд xt идентифицируется как AR(1). [c.65]
Для ряда yt коррелограмма имеет вид [c.65]
Коррелограмма ряда остатков соответствует процессу белого шума. [c.77]
Коррелограммы рядов первых разностей имеют следующий вид. [c.110]
Вторая коррелограмма соответствует процессу белого шума. Что касается первой коррелограммы, то наличие единственного значимого пика у автокорреляционной функции говорит в пользу идентификации наблюдаемого ряда [c.110]
Типичные примеры коррелограмм временных рядов, идентифицируемых с помощью модели ARMA, изображены на рис. 7.7 (AR(1)) и 7.8 (М4(1)). [c.179]
Определим коэффициент автокорреляции первого порядка (добавим у, в табл. 5.3 и воспользуемся формулой расчета линейного коэффициента корреляции). Он составит гх = 0,165. Отметим, что расчет этого коэффициента производился по 15, а не по 16 парам наблюдений. Это значение свидетельствует о слабой зависимости текущих уровней ряда от непосредственно им предшествующих уровней. Однако, как следует из графика, структура этого ряда такова, что каждый следующий уровень у, зависит от уровня у, 4 и у, 2 в гораздо большей степени, чем от уровня у, . Построим ряд у, 2 (см. табл. 5.3). Рассчитав коэффициент автокорреляции второго порядка г2, получим количественную характеристику корреляционной связи рядову у, 2 г2=0,567. Продолжив расчеты аналогичным образом, получим автокорреляционную функцию этого ряда. Ее значения и коррелограмма приведены в табл. 5.4. [c.233]
Коинтеграция временных рядов 282-285, 334-335 Коллинеарность факторов 92 Конфлюэнтный анализ 17 Коррелограмма 23 3 Корреляционная матрица 112 Корреляция 10, 12, 14, 20 Коэффициент [c.338]
Второе — построить график выборочной автокорреляционной функции (A F) (ср. (11.42)), или коррелограммы ( orrelogram) [c.290]
Коррелограмма стационарного временного ряда быстро убывает с ростом k после нескольких первых значений. Если же график убывает достаточно медленно, то есть основания предположить нестационарность ряда. Кроме A F, можно также построить график частной автокорреляционной функции, PA F, которая также должна быстро убывать для стационарного процесса. [c.290]
График зависимости р(т) от т часто называют коррелограммой. Он может использоваться для характеризации некоторых свойств механизма, порождающего временной ряд. Для дальнейшего заметим, что если xt - стационарный временной ряд и [c.14]
При 0 < а < 1 коррелограмма (график функцииp(k) для k = О, 1,2,. .. ) отражает показательное убывание корреляций с возрастанием интервала между наблюдениями при -1 < а < О коррелограмма имеет характер затухающей косинусоиды. [c.22]
Для построения коррелограммы воспользуемся уравнениями Юла - Уокера. У нас [c.23]
Специфику формы коррелограммы процесса ARMA(/ , q) в общем случае указать труднее, чем для моделей AR(p) и МА(д). Отметим только, что для значений k > q коррелограмма процесса a(L) Xt = b(L) st выглядит так же, как и коррелограмма процесса авторегрессии a(L) Xt = et. Так, для процесса ARMA(1, 1) [c.27]
В пакете EVIEWS в распечатке результатов оценивания моделей ARMA рядом с коррелограммой ряда остатков приводятся Р-значения для наблюдаемых значений Q— статистики Люнга - Бокса. [c.50]
Но оцененная коррелограмма для этой модели была уже приведена выше, в самом начале рассмотрения данного примера, и именно она дала повод рассматривать в качестве возможных кандидатур модели AR(1) и МА(1). При этом, решая вопрос о статистической значимости р( ) и ррап( ), мы опирались на асимптотические результаты, хотя имели в распоряжении лишь небольшое количество наблюдений, и это может быть причиной несогласованности полученных выводов. [c.53]
Здесь обнаруживается явная автокоррелированность ряда остатков, которая подтверждается построенной для него коррелограммой [c.64]
Смотреть страницы где упоминается термин Коррелограмма
: [c.176] [c.253] [c.253] [c.233] [c.102] [c.567] [c.571] [c.131] [c.15] [c.24] [c.26] [c.65] [c.93] [c.96] [c.97] [c.112] [c.113]Эконометрика начальный курс (2004) -- [ c.290 ]
Эконометрика (2002) -- [ c.16 , c.55 ]