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.
juk a reziduumokat, hogy az ARIMA modell eleget tesz-e a lineáris regressziós modell szokásos feltételeinek.<br />
A feltételek a véletlen változóra vonatkoznak, így a modell ellenőrzése az et reziduumok véletlen<br />
jellegének a vizsgálatát jelenti. A kiválasztott ARIMA modell esetében ez azt jelenti, hogy az et véletlen<br />
változó független véletlen folyamatot, fehér zaj folyamatot követ, normális eloszlással, nulla várható értékkel<br />
és konstans szórással. Ezeket a teszteket közli az ARIMA.xlsm parancsfájl, viszont a fehér zaj<br />
tesztelésére (pl. az autokorrelációs együtthatók nem szignifikánsak) ismét az ACF-PACF-<br />
Qszámítása.xlsm parancsfájlt kell használnunk.<br />
Stacionaritás-biztosítása.xlsm <strong>Excel</strong> parancsfájl működése.<br />
Éves illetve egyéb (pl. napi adatok) esetében (nincs szezonalítás) Eredeti adatok és d=1, d=2 és d=3<br />
számítása és grafikus ábrázolása. A másik lehetőség Box-Cox transzformáció és ebből d=1 és d=2 számí-<br />
tása és grafikus ábrázolása. A differencia képzés az ismert képletekkel történik:<br />
d = 1=∆ Y = Y -Y<br />
t ( t t-1)<br />
( ) ( )<br />
2<br />
d= 2=∆ Y= t Y-Y t t-1 - Yt-1 -Y t-2 =Y-2Y t t-1 +Yt-2<br />
3<br />
d= 3=∆ Y t =Yt -2Y t-1+Yt-3 Box-Cox transzformáció. A λ-t meg kell adni és a célszerű intervallum:<br />
λ<br />
⎧(Y -1) λ ,<br />
Y(λ)= ⎨<br />
⎩ln(Y),<br />
−2≤λ≤2 λ ≠ 0<br />
λ =0<br />
Y>0<br />
A Box-Cox transzformáció után az adatok visszatranszformálása:<br />
( ) 1/<br />
Y= Y(λ)λ +1 λ<br />
Havi adatok esetében: szezonális és nem szezonális differencia képzés.<br />
Szezonális differencia képzés:<br />
D=1 (yt-yt-12), az idősor 12 adattal rövidül.<br />
12<br />
D= 1=∆ Yt= Yt− 2Yt−1+ Yt−12<br />
Ezután nem szezonális differencia képzés:<br />
d=1 és d=2 számítása, az idősor további 1 illetve 2 adattal rövidül.<br />
A másik lehetőség itt is a Box-Cox transzformáció elvégzése és utána a szezonális és nem szezonális<br />
differencia képzés.<br />
ACF-PACF-Qszámítása.xlsm <strong>Excel</strong> parancsfájl működése. 141<br />
Tetszőleges méretű adatállományt fel tud dolgozni, amit az <strong>Excel</strong> megenged. (Maximum: 1048576)<br />
Tetszőleges max k késleltetés, a gyakorlatban ez max=60<br />
Az új adatbevitel előtt a régi adatokat törölni kell, az „Adatok törlése” ikonra kattintva. A PACF –<br />
értékeket a Yule-Walker egyenletek módszerével becsüli.<br />
ACF,PACF ikonra kattintva számol (ACF, PACF, Q*-statisztika, p-érték) és korrelogramokat készít.<br />
(ACF és PACF munkalap). Ha pl. 0,05-nél kisebb a p-érték akkor 5 %-os szignifikancia szinten elutasítjuk<br />
a nullhipotézist, miszerint a reziduumok fehér zajok. Ha nagyobb 0,05-nél a p-érték, akkor akkor 5<br />
%-os szignifikancia szinten elfogadjuk a nullhipotézist, miszerint a reziduumok fehér zajok.<br />
Az alkalmazott képletek:<br />
Az autokorrelációs együtthatók becslése k késleltetéssel:<br />
141 Forrás: Kidolgozta Lu Wang PHD 2007. UCDAVIS University of California, Department of Statistics<br />
anson.ucdavis.edu/~luwang1/acf_pacf.xls Módositotta és kiegészitette Kehl Dániel és Sipos Béla.<br />
128