Большинство тестов на наличие корреляции по времени в ошибках системы (6.5) используют следующую идею если корреляция -есть у ошибок , то она присутствует и в остатках е, получаемых после применения к (6.5) обычного метода наименьших квадратов. Здесь мы рассмотрим только одну реализацию этого подхода. Пусть нулевая гипотеза состоит в отсутствии корреляции, т. е. HQ [c.188]
Проблема прогнозирования имеет много различных аспектов. Можно различать точечное и интервальное прогнозирование. В первом случае оценка — это конкретное число, во втором — интервал, в котором истинное значение переменной находится с заданным уровнем доверия. Выделяют также безусловное и условное прогнозирование в зависимости от того, известны ли интересующие нас объясняющие переменные точно или приближенно. Кроме того, для временных рядов при нахождении прогноза существенно наличие или отсутствие корреляции по времени между ошибками. [c.204]
Определите коэффициенты корреляции по уровням временных рядов, по первым разностям временных рядов и по вторым разностям временных рядов. Охарактеризуйте тесноту связи между временными рядами рентабельности продукции и численности занятых ручным трудом. Обоснуйте ваш выбор одной из мер тесноты связи. [c.174]
Устранение сезонной компоненты из уровней временных рядов можно проводить в соответствии с методикой построения аддитивной и мультипликативной моделей, рассмотренной в п. 5.4. При дальнейшем изложении методов анализа взаимосвязей в этой главе мы примем предположение, что изучаемые временные ряды не содержат периодических колебаний. Предположим, изучается зависимость между рядами х и у. Для количественной характеристики этой зависимости используется линейный коэффициент корреляции. Если рассматриваемые временные ряды имеют тенденцию, коэффициент корреляции по абсолютной величине будет высоким (положительным в случае совпадения и отрицательным в случае противоположной направленности тенденций рядов х и у). Однако из этого еще нельзя делать вывод о том, что х причина у или наоборот. Высокий коэффициент корреляции в данном случае есть результат того, что х и у зависят от времени, или содержат тенденцию. При этом одинаковую или противоположную тенденцию могут иметь ряды, совершенно не связанные друг с другом причинно-следственной зависимостью. Например, коэффициент корреляции между численностью выпускников вузов и числом домов отдыха в РФ в период с 1970 по 1990 г. составил 0,8. Это, естественно, не означает, что увеличение количества домов отдыха способствует росту числа выпускников вузов или увеличение числа последних стимулирует спрос на дома отдыха. [c.264]
В этот момент также сказалась значительная вовлеченность в российский рынок ценных бумаг южнокорейских инвесторов (по некоторым данным, до 30% вложений нерезидентов в ГКО), которые были вынуждены спешно изымать средства для поддержания собственной ликвидности. Вместе с тем возникла корреляция российского рынка ценных бумаг с японским, которая совпала по времени с появлением информации об ослаблении японского фондового бизнеса и перегруженностью местных банков невозвратными кредитами. [c.491]
Не станем останавливаться на экономическом обосновании параметрического ряда. Для многих машин типоразмеры определены стандартом. В нем указывается главный и некоторые из основных параметров. Так, для автогрейдера стандарт определяет три типа машин по главному параметру — массе. Кроме того, для каждого типа установлены удельный показатель мощности, высота и длина отвала, скорость движения, дорожный просвет в транспортном положении, угол резания, боковой вынос отвала в обе стороны, заглубление отвала, колесная схема. Для выбора параметров, не определенных стандартом, можно воспользоваться обработкой статистических данных по однотипным машинам, учитывая изменение по времени. Для восстановления взаимосвязи параметров в условиях действия большого числа факторов удобен метод корреляционного анализа. Параметр объекта рассматривается как случайная величина, а степень тесноты линейной зависимости между парами случайных величин определяет коэффициент корреляции [c.208]
Чем ближе значение коэффициента корреляции к единице, тем меньше разрыв между значениями положительных и отрицательных денежных потоков, из чего следует, что потоки синхронизированы по временным интервалам. В такой ситуации меньше риск возникновения дефицита денежных средств (в периоды превышения отрицательного денежного потока над положительным) или избыточности денежной массы (в периоды превышения положительного денежного потока над отрицательным). И та и другая ситуация невыгодна для предприятия дефицитный денежный поток приводит к неплатежеспособности, избыточный денежный поток обуславливает обесценение денежных средств в условиях инфляции, в результате чего уменьшается реальная величина собственного капитала. В нашем примере г- 0,88, на основании чего можно сделать вывод, что на данном предприятии положительный и отрицательный денежные потоки достаточно хорошо сбалансированы по временным интервалам, хотя в июле — сентябре предприятие будет испытывать дефицит денежных средств. [c.497]
Корреляционный анализ помогает определить степень взаимосвязи двух различных переменных. При использовании для принятия решений он также помогает определить, являются ли связи статистически значимыми или просто случайными. С помощью таких методов можно определить доверительные интервалы границ реальной корреляции, т.е. корреляции по выборке данных за некоторый период времени. Корреляционная статистика важна при поиске переменных, которых можно использовать как прогностические показатели, например, в нейронной сети или в системе уравнений регрессии. [c.70]
Для оценки уравнений использованы данные о производстве по отраслям промышленности, инвестициях. Показатели очищены от инфляции и выражены в постоянных ценах 1990 г., с помощью отраслевых индексов и индексов потребительских цен. Кроме того, использованы индексы изменения транспортных тарифов. Это позволяет избежать ложной корреляции во временных рядах. Пространственная корреляция показателей может быть обусловлена влиянием масштабов экономики регионов. Чтобы устранить влияние масштаба использовались данные либо как относительные величины коэффициенты, индексы, либо как величина, приходящаяся на одного жителя региона. [c.69]
В ходе маркетингового исследования проверялась гипотеза о том, что внутреннее удовлетворение от работы, получаемое продавцами, имеет положительную корреляцию со временем, в течение которого они работают в компании, удовлетворение от работы измерялось по стандартной шкале Лайкерта [9]. Рассмотрим один из пунктов измерения этого удовлетворения. [c.343]
На третьем году своего существования шоу работало с еще более конкретными планами продаж и помогало каждому клиенту решить его личные задачи. Желая привести шоу в еще большее соответствие со стратегией, сотрудники SAP дорабатывают систему измерений и пытаются выяснить корреляцию между временем проведения шоу и ростом продаж в регионе (например, по заключению сделок). В результате было пересмотрено финансирование шоу как эффективного маркетингового инструмента SAP, [c.56]
В числе сложных задач, справляться с которыми помогает интеллектуальный анализ данных, — прогнозирование вероятности покупки клиентом определенного товара на основании его возраста, пола, демографических характеристик и других признаков выделение групп клиентов, характеризующихся сходным поведением при просмотре информации в сети выявление предпочтений конкретного клиента с целью предоставления ему индивидуализированного обслуживания определение времени суток и дней недели, когда наиболее часто посещаются те или иные страницы или наиболее часто поступают обращения по телефону идентификация товаров, которые часто приобретаются вместе. Последнее очень ценно для выявления закономерностей покупательского поведения, однако известен случай, когда найденная корреляция между двумя кодами счетов за одну и ту же лечебную процедуру позволила австралийской компании, специализирующейся на медицинских услугах, вскрыть мошенничество с двойным выставлением счетов на общую сумму более 10 млн долларов. [c.235]
Тест Дарбина—Уотсона на наличие или отсутствие корреляции по времени [c.188]
При построении многофакторных моделей по временным рядам часто возникает проблема мультиколлинеарности. Под мультикол-линеарностью понимается наличие сильной корреляции между факторами — аргументами, входящими в уравнение регрессии. Это явление часто представляет собой серьезную угрозу для правильного определения и оценки взаимосвязей. [c.71]
Анализ риска. При уменьшении риска компании относительно ожидаемого дохода международная диверсификация часто оказывается болбе эффективной, чем диверсификация внутри страны. Вы должны помнить из нашего обсуждения риска портфельных инвестиций в гл.5, что ключевым моментом является корреляция между проектами в активе портфеля. Комбинируя проекты с низкой степенью корреляции, фирма может уменьшить риск по отношению к ожидаемому доходу. В связи с тем, что отечественные инвестиционные проекты имеют тенденцию к взаимосвязанности, причем большая часть из них сильно зависит от состояния экономики, зарубежные инвестиции имеют преимущество. Экономические циклы различных стран обычно не полностью синхронизированы по времени, поэтому существует возможность уменьшить риск относительно предполагаемого дохода, производя инвестиции в другие страны. [c.726]
Большое внимание в эконометрике уделяется проблеме данных — специальным методам работы при наличии данных с пропусками, влиянию агрегирования данных на эконометрические измерения. Информация может отсутствовать по единицам совокупности и быть только на уровне более крупных единиц (агрегатов) — например, не по отдельным организациям, а по организациям в пределах административного района, т.е. по районам, и т. д. При агрегировании данных во времени опасность искажения результатов измерений (скажем, корреляции между временными рядами), гораздо больше, чем при агрегировании пространственных данных. С одной стороны, добавляется эффект автокорреляции, а с другой — происходит погашение случайной компоненты. Результаты могут различаться весьма сильно. Например, при измерении связи между удельным расходом кокса и величиной суточного проплава по суточным данным коэффициент корреляции составил 0,582, а по четырехсуточным данным — 0,894. [c.22]
На рис- 7.4 показана аналогичная кривая для Н = 0.72 — значения, часто наблюдаемого в природных процессах. Эти данныр (пни также представлены па риг. 7.1) были получены аппроксимацией обобщенного броуновского движения, более Детально описанной в Приложении 3. Такой ряд получен, как было сказано, с учетом памяти о 200 наблюдениях. В имитато-Ре Херста, использующем смещенную колоду из 27 карт, эффект памяти моделировался джокером. Он мог появляться, 8 среднем, после 27 снятий колоды, в продолжение большого количества имитаций. Имитатор Херста располагал памятью 0 27 наблюдениях. Долгосрочные корреляции после 27- наблюдений падают до нуля, и при шаге по времени 27 наблюдений ли более система начинает следовать случайным блуждани-Чм Таким образом, мы могли бы принять эти 27 наблюде-Ии как цикл, или период, системы. Данные, которые были Яты для построения кривых на рис. 7.1 и 7.2, имитируют [c.97]
Далее аудитор использует указанные исчисленные результаты ранговой корреляции (по отклонениям и по инверсиям), чтобы свернуть их на одну числовую ось. Поскольку значения подсчитанных коэффициентов (по обычным свойствам) могут быть положительными и отрицательными, оба результата ранговой корреляции переносят в выбранную аудитором новую экономет-рическую шкалу (например, от нуля до единицы, с положительным диапазоном от 0,25 до 1,00 и отрицательным - от 0,00 до 0,25). Соответственно исчисляется итоговая скалярная оценка развития во времени хозяйственной системы (экономического субъекта) [c.121]
Проблема оценки достоверности прогнозов. Важным моментом получения прогноза с помощью МНК является оценка достоверности полученного результата. Для этой цели используется целый ряд статистических характеристик 1. Оценка стандартной ошибки 2. Средняя относительная ошибка оценки 3. Среднее линейное отклонение 4. Корреляционное отношение для оценки надежности модели 5. Оценка достоверности выбранной модели через значимость индекса корреляции по Z-критерию Фишера 6. Оценка достоверности модели по F-критерий Фишера 7. Наличие автокорреляций (критерий Дарбина - Уотсона). Недостатки, обусловленные жесткой фиксацией тренда. Жесткие статистические предложения о свойствах временных рядов ограничивают возможности методов математической статистики, теории распознавания образов, теории случайных процессов и т.п., так как многие реальные процессы не могут адекватно быть описаны с помощью традиционных статистических моделей, поскольку по сути являются существенно нелинейными и имеют либо хаотическую, либо квазипериодическую, либо смешанную основу. [c.69]
На пятом году хозяйство, увеличив озимый посев до 1,3 дес. (2,6 дес. в двух полях), прочно устанавливается на рубеже однолошадного. Очевидно, одно-двухлошадные хозяйства восстанавливались в полном объеме за 5—6 лет, после чего оставались на достигнутом уровне. Но трех-четырехлошадные дворы требовали больше времени для реставрации. Так, коэффициенты корреляции по линии овцы— время и свиньи— время для хозяйства с Зи более лошадьми близки к значимым. Это дает основания полагать, что состоятельные дворы интенсивно наращивали поголовье продуктивного скота (овцы, свиньи) в первые 5 лет беглой жизни. [c.96]
Если входная выборка характеризуется значительным уровнем помех, на матрице спектра скоростей следует выполнить некоторое сглаживание. Это достигается путем осреднения в окне скоростей или во временном окне (или путем сочетания того и другого). Другой способ подавления низкоамплитудных пиков корреляции, которые могут быть связаны с уровнем внешних помех в данных - это применение к величинам корреляции некоторого смещения (в процентах). Смещение сводится к вычитанию константы из величин корреляции по всему спектру скоростей. На практике также используются различные сочетания осреднения и смещения. Наконец, чтобы повысить производительность вычислительного процесса, величины корреляции следует рассчитывать в определенном коридоре скоростей (см. рис.3.45). Коридор нужно выбирать так, чтобы он охватывал изменения скорости в вертикальном и в горизонтальном направлении на участке съемки. [c.34]