Modele tendencji rozwojowej

Prognozowanie i symulacje

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

 

 

 

W modelach szeregów czasowych, występują  tendencja rozwojowa oraz wahania przypadkowe, zaś rolę zmiennej objaśniającej odgrywa zmienna czasowa. Zmienna ta nie jest bezpośrednią przyczyną zmian zachodzących w wartościach zmiennej prognozowanej, ale syntetyzuje wpływ bliżej nie  znanych czynników stwarza możliwość opisu tych zmian w sposób ilościowy. Zmienna czasowa występuje w postaci ciągu liczb całkowitych (na ogól naturalnych) reprezentujących kolejne momenty lub okresy, którym odpowiadają wyrazy szeregu czasowego zmiennej prognozowanej.

Zapis modelu jest następujący:

   

 

lub

gdzie:

 - funkcja czasu, charakteryzująca tendencję rozwojową szeregu, nazywana funkcją trendu;

x-zmienna losowa, która charakteryzuje efekty oddziaływania wahań przypadkowych na tendencję rozwojową szeregu; posiada ona  wartość oczekiwaną równą zero dla modelu pierwszego lub jeden dla modelu drugiego oraz  skończoną wariancję.

 

Model zapisany równaniem pierwszym odpowiada sytuacji, gdy efekty działania składnika losowego nakładają się addytywnie na tendencję rozwojową szeregu (model addytywny), a model drugi -sytuacji, gdy efekty działania  składnika losowego nakładają się multyplikatywnie na tendencję rozwojową szeregu - wtedy mówimy o modelu multyplikatywnym.  Zadanie wyznaczania funkcji  jest nazywane wygładzaniem (wyrównywaniem) szeregu czasowego. Można tego dokonać określając postać funkcji charakteryzującej tendencję rozwojową szeregu i wyznaczając jej parametry, tj. stosując tzw. modele analityczne, lub wykorzystując modele adaptacyjne, w których nie zakłada się z góry postaci analitycznej modelu, lecz wypływa ona z zastosowania pewnych schematów wygładzających szereg czasowy zmiennej prognozowanej. Pierwszy sposób postępowania jest nazywany  klasycznym.

 

 


 

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.


 

Metoda Wintersa addytywna