Excel parancsfájlok felhasználása a statisztikai elemzésekben Írta ...
Excel parancsfájlok felhasználása a statisztikai elemzésekben Írta ...
Excel parancsfájlok felhasználása a statisztikai elemzésekben Írta ...
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
Mind az elméleti idősort alkotó valószínűségi változóknak, mind a tapasztalati idősor különböző időpontokhoz<br />
(időtartamokhoz) tartozó megfigyelt értékeinek a felsorolása kötött. Az idősori sztochasztikus modellezés<br />
ezt, az adatok sorrendiségében rejlő információt használja fel az idősor jövőbeni értékeinek becslésére.<br />
A megfigyelések sorrendjében rejlő információ leírásával, a tapasztalati idősorban lévő „szisztéma” megállapításával<br />
az elméleti idősor jellegzetességeire kívánunk következtetni, azaz arra a sztochasztikus folyamatra,<br />
amelyből a mintánk származik.<br />
Az egymást követő megfigyelések között fennálló összefüggések megállapítása az idősorok korrelációs<br />
struktúrájának leírását jelenti, mely az autokorrelációs és a parciális autokorrelációs együtthatók számításával<br />
történik.<br />
A mintából az autokorrelációs együtthatók becslése k késleltetéssel, a következőképpen történik:<br />
r<br />
k<br />
=<br />
n−k ∑ ( y −y)( y −y)<br />
t=<br />
1<br />
t t−k n<br />
∑ ( y − y)<br />
t=<br />
1<br />
t<br />
2<br />
k = 12 ,,..., K<br />
A k késleltetés különböző értékeihez (k= 1,2,3,…,K) rendelt autokorrelációs együtthatók, az<br />
autokorrelációs függvényt alkotják:<br />
k 1 2 3 … K<br />
r1 r2 r3 …. rK<br />
Az autokorrelációs együtthatók becsült értékei, az Y idősor k időegységgel késleltetett értékei közötti lineáris<br />
korrelációs kapcsolat szorosságát mérik. Az r1 az egymást követő, az r 2 , az egymástól két időegységre<br />
lévő értékek közötti kapcsolat intenzitását jelenti, stb. Az rk együtthatók a késleltetés függvényében<br />
(k = 1, 2, …, K), az autokorrelációs függvényt, rövidítve az ACF-et (Autocorrelation function) alkotják.<br />
Az autokorrelációs függvény értékeit mátrixba foglalhatjuk:<br />
R<br />
k<br />
⎡ 1 r1 r2 rk−1⎤<br />
⎢<br />
r 1 r r<br />
⎥<br />
⎢ 1 1 k−2⎥ ⎢ r2 r1 1 rk−3⎥<br />
=<br />
⎢ ⎥<br />
⎢ ⎥<br />
⎢r r r 1 ⎥<br />
⎣ k−1 k−2 k−3 ⎦<br />
Az autokorrelációs együtthatók esetében tesztelhetjük, hogy vajon van-e kapcsolat az yt és az yt-k között.<br />
Hipotézisrendszerünk:<br />
H 0: ryty = 0<br />
t-k<br />
H: r 1 yy ≠ 0<br />
t t-k<br />
A nullhipotézis értelmében az yt és az yt-k változók között nincs szignifikáns autokorreláció, ennek elvetése<br />
az autokorrelációs kapcsolat szignifikáns voltát igazolja.<br />
A becsült autokorrelációs együtthatóra épülő próbafüggvényünk:<br />
r yy n−2 t t-k t =<br />
2<br />
1−ryy t t-k<br />
A nullhipotézis teljesülése esetén (n-2) szabadságfokú kétoldalú t-eloszlást követ.<br />
A kapcsolat nem szignifikáns, 5%-os szignifikancia-szinten, tehát a H0-hipotézist elfogadjuk, ha:<br />
ryy n−2 t t-k t = < t<br />
2<br />
0,025(n−2) 1-ryy<br />
t t-k<br />
A kapcsolat szignifikáns, 5%-os szignifikancia-szinten, tehát a H1-alternatív hipotézist fogadjuk el, ha:<br />
117