Analiza harmoniczna

Prognozowanie i symulacje

Strona główna | Ekonometria | Statystyka | Prognozowanie i symulacje | Formularz kontaktowy

 

 

 

 

Analiza harmoniczna, polega na budowie modelu w postaci sumy tzw. harmonik, tj. funkcji sinusoidalnych lub cosinusoidalnych o danym okresie. Pierwsza harmonika ma okres równy długości okresu badanego, druga - połowie tego okresu, trzecia - jednej trzeciej okresu itd. Ogólnie, w przypadku n obserwacji liczba wszystkich możliwych harmonik jest równa   Zapis modelu składowej periodycznej szeregu jest następujący:

,

 

gdzie i to numer harmoniki; , ,  -parametry.

Wielkości parametrów, ,   szacuje się za pomocą metody najmniejszych kwadratów, wykorzystując następujące wzory:

;

 

,      

 

 

,

 

 

gdzie , ,  - oceny parametrów , ,  .

Dla ostatniej harmoniki, tzn. o numerze , parametr  jest zawsze równy zeru, parametr  wyznacza się zaś według wzoru:

.

 

Wielkości amplitud dla poszczególnych harmonik wyznacza się ze

wzoru:

.

 

Dla ich zlokalizowania na osi czasu, tj. określenia chwili ich wystąpienia, wyznacza się wartości przesunięcia  fazowego , gdzie , zaś  wyznacza się ze wzoru:

Przy przeprowadzaniu analizy harmonicznej należy pamiętać o tym, że opiera się ona na badaniu wahań wokół poziomu średniego [reprezentowanego przez parametr  w modelu pierwszym], nie zaś tendencji rozwojowej. W celu uwzględnienia trendu można zastosować model:

,

 

gdzie f(t) jest funkcją trendu.

Liczba harmonik, które należy określić, jest tym większa, im dłuższy jest szereg czasowy, na którego podstawie budujemy model. W modelu ujmuje się harmoniki, których udział w wyjaśnieniu wariancji rozpatrywanej zmiennej jest najwyższy. Udział części wariancji zmiennej Y, która jest uwzględniana przez pierwszych   harmonik w ogólnej wariancji, można przedstawić w postaci ilorazu: 

 

    dla  ,

 

a przez ostatnią harmonikę:

 

     dla  ,

 

gdzie:

 

   dla 

 

*-oznacza ocenę wariancji zmiennej Y.

 Ponieważ żadne dwie harmoniki nie są ze sobą skorelowane, nie mogą uwzględniać jednej i tej samej części ogólnej wariancji. Oznacza to, ze części ogólnej zmienności Y, które są uwzględniane przez różne harmoniki, można sumować.

 
Inne modele

 

Jedną z metod pozwalających na konstrukcje modelu uwzględniającego tendencję rozwojową oraz wahania okresowe jest metoda Kleina. Postać rozpatrywanego przez Kleina modelu jest następująca:

 

 

gdzie:

 - funkcja trendu,

  --ta zmienna zero-jedynkowa przyjmująca wartość jeden dla fazy o numerze  oraz zero dla pozostałych faz cyklu,

r - liczba faz cyklu.

Parametry modelu szacuje się metodą najmniej szych kwadratów, metoda prognozowania zjawisk okresowych jest oparta na modelu:

 

                 

 

gdzie r jest liczbą faz cyklu.

 

Parametry modelu  są szacowane metodą najmniej szych kwadratów. Parametr  jest estymowany na podstawie całego szeregu czasowego zmiennej prognozowanej, w scentrowanym układzie współrzędnych. Parametr a jest różny dla każdej fazy cyklu. Jego estymatorem jest

gdzie:

 - ocena parametru ,

b - ocena parametru ,

 -średnia wartość zmiennej prognozowanej w -tej fazie cyklu,

- średnia wartość zmiennej czasowej  w -tej fazie cyklu .

 

Zbliżona do poprzedniej jest tzw. metoda trendów jednoimiennych. Polega ona na budowie modeli tendencji rozwojowych oddzielnie dla poszczególnych faz cyklu. Jeżeli symbolem r oznaczymy liczbę faz w cyklu, to postać budowanego modelu może być następująca:

 

 

gdzie:

 -wartość zmiennej prognozowanej w momencie lub okresie t w i-tej fazie cyklu,

 - funkcja trendu dla -tej fazy cyklu.

 

W przypadku przyjęcia liniowej postaci funkcji trendu zapis modelu jest następujący:

 

Szacunku parametrów tego modelu dokonuje się klasyczną metodą najmniejszych kwadratów.

 


 

Mapa strony ekonometria.4me.pl

 

Ekonometria
Model ekonometryczny teoria
Jednorównaniowy model ekonometryczny
Metoda Hellwiga
MNK
Podstawy weryfikacji
Hipoteza o istotności parametrów strukturalnych
Funkcja produkcji
Ekonometria  korelacja i regresja  wzory
Założenia i własności predykcji ekonometrycznej
Jak to robią profesjonaliści ?
Analiza przepływów międzygałęziowych
Programowanie liniowe
Analiza popytu
Analiza kosztów
Współczynniki Pearsona  dwie zmienne objaśniające
Współczynniki Pearsona trzy zmienne objaśniające
Zadania obowiązujące na SGH cz.1

 

Statystyka

Statystyka  pojęcia podstawowe

Parametry statystyczne

Opracowanie materiału statystycznego

Tablica korelacyjna

Podstawowe prawdy statystyki

Kilka rozkładów

Statystyka  wzory

Dystrybuanta rozkładu normalnego N

Rozkład Durbina Watsona

Rozkład t Studenta

Rozkład wartości krytycznej współczynnika korelacji dla 0,05

Rozkład F dla 0,05

Rozkład F dla 0,01

Rozkład liczby serii

Rozkład Poissona

Rozkład G.Cochrana

Rozkład chi kwadrat

Prognozowanie i symulacje

Prognozowanie sprzedaży

Prognozowanie popytu
Prognozowanie -metody heurystyczne
Składowe szeregów czasowych
Modele szeregów czasowych
Metody naiwne
Metoda średniej ruchomej

Wygładzanie wykładnicze
Prognozowanie ekonometryczne
Modele tendencji rozwojowej
Modele analityczne
Trend pełzający
Modele składowej periodycznej
Metoda wskaźników
Analiza harmoniczna
Modele autoregresyjne
Modele ARMA i ARIMA
Model nieliniowy
Model tendencji rozwojowej
Metoda prognozowania Hellwiga
Metoda trendu pełazającego
Prognozowanie ekonometryczne


Copyright © ekonometria.4me.pl 2005-2013. Wszelkie prawa zastrzeżone. Zabrania się kopiowania, redystrybucji, publikacji lub modyfikacji jakichkolwiek materiałów zawartych na stronie internetowej , bez wcześniejszej pisemnej zgody autorów.


 

Analiza harmoniczna