Explorați Cărți electronice
Categorii
Explorați Cărți audio
Categorii
Explorați Reviste
Categorii
Explorați Documente
Categorii
de timp
1 2 3 ………t ………T
Y1 Y2 Y3…… Yt ……… YT
unde:
t = momentul sau intervalul de timp ( t = 1, T );
yt = nivelul (exprimat prin date absolute sau relative) atins de fenomenul Y la
momentul t.
Seriile dinamice se împart în:
- serii de stoc sau sau serii de momente (integrale), care
caracterizează nivelul de dezvoltare a fenomenelor la anumite momente de
timp. Caracteristica acestor serii este faptul că indicatorii prezentaţi nu pot fi
însumaţi întrucât nivelul de la un moment dat cumulează nivelurile tuturor
momentelor anterioare. Prin însumare, aceeaşi mărime ar fi luată în calcul
Analiza econometrică a seriilor de timp
de mai multe ori, ceea ce este lipsit de sens. Din această cauză, termenii
acestor serii se mai numesc şi mărimi de stoc.
- serii de intervale (diferenţiale), care reflectă evoluţia unui proces
sau fenomen pe anumite perioade de timp. Nivelurile indicatorilor se pot
evidenţia pe ani, luni sau alte fracţiuni de timp. Caracteristica seriilor de
intervale o reprezintă posibilitatea de însumare a mărimilor succesive ale
indicatorilor. Această caracteristică are o deosebită importanţă atât în
formarea seriilor, în iteraţiile de optimizare a mărimii intervalelor de
grupare, cât şi în analiza economică în vederea stabilirii rezultatelor pe
intervale mari de timp. În literatura de specialitate aceste serii sunt numite
de unii autori cumulative.
Modelarea statistică a seriilor de timp se fundamentează pe
acceptarea unor ipoteze privind evoluţia acestor serii, şi anume:
- mişcarea în timp a unui fenomen social-economic este rezultatul
acţiunii unui nunăr mare de factori care, chiar dacă în viitor unii dintre
aceştia îşi vor modifica acţiunea pe o anumită perioadă de timp, influenţa lor
nu va provoca perturbaţii bruşte şi semnificative asupra legităţii de evoluţie
a fenomenului, acesta continuându-şi mişcarea sub impulsul efectului
inerţial;
- legea de mişcare a fenomenului în timp, tendinţa, nu poate fi
cunoscută decât prin cercetarea trecutului şi prezentului fenomenelor socio-
economice, evoluţia lor fiind privită ca efect al unui sistem caracterizat
printr-un ansamblu de relaţii care au o relativă stabilitate în timp.
Ca atare, descrierea statistică a seriilor de timp porneşte de la analiza
factorilor ce provoacă mişcarea acestora. În general, evoluţia unui fenomen
este generată de acţiunea unor grupe de factori:
- factorii esenţiali, cu acţiune de lungă durată, ce imprimă
fenomenelor tendinţa de evoluţie a acestora; acţiunea acestor factori
studiindu-se în funcţie de unităţile de timp pentru care a fost măsurat
fenomenul analizat;
- factorii sezonieri, cu acţiune pe perioade mai mici de un an, care
determină abateri de la tendinţa fenomenului imprimată de factorii esenţiali;
Modele econometrice
2. Modele multiplicative
yt = f(t)⋅s(t)⋅c(t)⋅u(t) (8.1.2)
unde:
f(t) = componenta trend, efect al acţiunii factorilor esenţiali;
s(t) = componenta sezonieră, efect al acţiunii factorilor sezonieri;
c(t) = componenta ciclică, generată de acţiunea factorilor ciclici;
u(t) = componenta reziduală, care exprimă influenţa factorilor întâmplători
asupra evoluţiei fenomenului.
Utilizarea unui anumit tip de model, aditiv sau multiplicativ, se face
pe baza reprezentării grafice a fenomenului.
Modelele aditive se utilizează în cazul în care cronograma seriei este
de forma graficului din figura 8.1.1, adică seria prezintă oscilaţii de
amplitudine constantă şi regulată faţă de tendinţă.
Analiza econometrică a seriilor de timp
yt
f(t
0 t
Figura 8.1.1
yt yt
f(t f(t
0 t 0 t
a) b)
Figura 8.1.2
y t = y + u t ⇒u t = y t − y (8.1.11)
Analiza econometrică a seriilor de timp
{ [
P y t ∈ y ± t α ⋅s y ]} = 1 - α (8.1.12)
În cazul în care numărul de observaţii este mai mic decât 30, atunci
valoarea lui t va fi preluată din tabela distribuţiei Student, iar, în caz contrar
(n > 30), din tabela distribuţiei normale.
Un astfel de model poate fi acceptat fie pe baza reprezentării grafice
(cronograma – vezi figura 8.1.3), respectiv dacă distribuţia punctelor
empirice poate fi aproximată cu o dreaptă paralelă cu axa Ox, atunci
modelul este staţionar, fie utilizând diverse teste.
yt
0 t
Figura 8.1.3
- t = 1, n 1 ⇒ y 1 =
1
n1
2
∑ y t ; σy 1 =
1 n1
∑ y −y1
n 1 t =1 t
( )2 (8.1.13)
∑ (y )
1 1
t = n 1 + 1, n ⇒ y 2 =
n2 ∑ yt; σ 2
y 2
=
n2 t = n1 + 1
t − y 2
2
(8.1.14)
n 2 = n − n1
Modele econometrice
După care se aplică testul diferenţelor între două medii care constă în
verificarea următoarei inegalităţi:
y 1 −y 2
- dacă t c = ≤t α; v 1 ; v 2 (8.1.15) se acceptă ipoteza
σ 2
y1 σ 2y
+ 2
n1 −1 n 2 −1
staţionarităţii, în caz contrar, se respinge.
σ 2y
- dacă F c = 1
≥F α; v 1 ; v (8.1.16) atunci cele două dispersii diferă
σ 2y 2
2
Tabel 8.1.1
t yt = a + b ⋅ t ∆1t t −1
= y t − y t −1
Analiza econometrică a seriilor de timp
1 a+b -
2 a+2b b
3 a+3b b
4 a+4b b
5 a+5b b
6 a+6b b
7 a+7b b
8 a+8b b
9 a+9b b
10 a + 10 b b
Tabel 8.1.2
t yt = a + b ⋅ t + c ⋅ t 2 ∆1t t −1
= y t − y t −1 ∆2t t −1 = ∆1t t −1
− y t −1
1 a + b +c - -
2 a+2b+4c b+3c -
3 a+3b+9c b+5c 2c
4 a + 4 b + 16 c b+7c 2c
5 a + 5 b +25 c b+9c 2c
6 a + 6 b + 36 c b + 11 c 2c
7 a + 7 b + 49 c b + 13 c 2c
8 a + 8 b + 64 c b + 15 c 2c
9 a + 9 b + 81 c b + 17 c 2c
10 a + 10 b + 100 c b + 19 c 2c
a
- f (t ) = funcţie logistică.
1+ e b−ct
Funcţiile de ajustare neliniare pot fi liniarizate prin logaritmare şi,
din acest motiv, se va trata numai cazul liniar.
b) Estimarea parametrilor modelului de ajustare
Odată identificată ecuaţia componentei trend, f(t), urmează operaţia
de determinare a parametrilor acesteia. Pot fi utilizate mai multe procedee,
dar cele mai frecvent folosite sunt:
- metoda punctelor empirice;
- metoda celor mai mici pătrate.
Estimarea parametrilor prin intermediul primului procedeu
presupune alegerea arbitrară a unui număr de puncte de pe cronogramă, egal
cu numărul parametrilor modelului. Prin introducerea valorilor
coordonatelor acestor puncte în funcţia de ajustare se obţine un sistem de k
ecuaţii cu k necunoscute (k = numărul parametrilor respectivi).
Fie y fenomenul cercetat a cărui tendinţă este o parabolă de forma:
y t = a + bt + ct 2
⎪
( )
⎧ ∂F â , b̂
= 0 ⇒ T â + b̂ ∑ t = ∑ y t
⎪ ∂â
⎨
( )
⎪ ∂F â , b̂ = 0 ⇒ â ∑ t + b̂ ∑ t 2 = ∑ y ⋅ t
t
(8.2.2)
⎪⎩ ∂b̂
aˆ = y − bˆt (8.2.3) şi bˆ =
∑ (t − t )( y − y )
t
(8.2.4)
∑ (t − t ) 2
sau
∑ y t ⋅t ′
aˆ = y (8.2.5) şi b̂ = (8.2.6)
2
∑t ′
dacă în sistemul de ecuaţii (8.2.2) variabila t (anii) se înlocuieşte cu valorile
sale centrate: t ' = t − t .
Analiza econometrică a seriilor de timp
Tabel 8.3.1
Ani Subperioade j = 1, m
Total y i⋅
i = 1, n 1 … j … m
m
1 y11 … y1j … y1m ∑ y 1j y1⋅
j =1
M M M M M M
m
i yi1 … yij … yim ∑ y ij y i⋅
j =1
M M M M M M
m
n yn1 … ynj … ynm ∑ y nj y n⋅
j =1
n n n n m
Total ∑ yi1
i =1
… ∑ yij
i =1
… ∑y
i =1
im ∑ ∑ y ij
i =1 j =1
–
y ⋅j y ⋅1 … y⋅ j … y ⋅m –– y0
unde:
Modele econometrice
n
∑ y ij
i =1
-y ⋅j = (8.3.1) valorile medii ale subperioadei j;
n
m
∑ y ij
j =1
-y i⋅ = (8.3.2) valorile medii anuale ale seriei;
m
n m n m
∑ ∑ y ij ∑y i⋅ ∑ y⋅j
i =1 j = 1 i =1 j =1
-y0 = = = (8.3.3) media generală a seriei.
nm n m
y ij
0 1 2 m j
Figura 8.3.1
(
∆2y = ∑ ∑ y ij − y 0 )2 - variaţia totală a fenomenului y (8.3.4)
i j
(
∆2y / u = ∑ ∑ y ij − y i ⋅ − y ⋅ j + y 0 )2 - variaţia lui y generată de
i j
acţiunea factorilor întâmplători (componenta reziduală)1 (8.3.7)
1
Se porneşte de la relaţia de egalitate:
(
y ij − y 0 = (y i ⋅ − y 0 ) + y ⋅ j − y 0 + y ij − y i ⋅ − y ⋅ j + y 0 ) ( )
Prin ridicare la pătrat şi însumarea acestor relaţii se ajunge la:
n m n m n m n m
∑∑ ( y
i =1 j =1
ij − y0 )2 = ∑∑( yi⋅ − y0 )2 + ∑∑(y⋅ j − y0 )2 + ∑∑(yij − yi⋅ − y⋅ j + y0 )2 +
i =1 j =1 i =1 j =1 i =1 j =1
n m n m n m
+2 ∑∑( y i⋅ (
− y0 ) y⋅ j − y0 + 2) ∑∑(y⋅ j − y0 ) (yij − yi⋅ − y⋅ j + y0 ) + 2∑∑( yi⋅ − y0 ) (yij − yi⋅ − y⋅ j + y0 )
i =1 j =1 i =1 j =1 i =1 j =1
n m n m ⎛ n ⎞⎛ n ⎞
2 ∑∑ ( y i⋅ ( ) ∑ ( yi⋅ − y0 )∑ (y⋅ j − y0 ) = 2 ⎜⎜ ∑ ( yi⋅ − ny0 )⎟⎟⎜⎜ ∑ (y j − my0 )⎟⎟
− y 0 ) y⋅ j − y 0 = 2
i =1 j =1 i =1 j =1 ⎝ i =1 ⎠⎝ i =1 ⎠
n m
n ⋅ y0 = ∑y =∑y
i =1
i⋅
j =1
⋅j
Analiza econometrică a seriilor de timp
∆2y / t ∆2y / u
F 1
calc = : (8.3.9) urmează o distribuţie Fisher-
n − 1 (n − 1)(m − 1)
Snedecor de n-1 şi (n-1)(m-1) grade de libertate;
∆2y / s ∆2y / u
F 2
calc = : (8.3.10) urmează, de asemenea, o
m − 1 (n − 1)(m − 1)
distribuţie Fisher-Snedecor de m-1 şi (n-1)(m-1) grade de libertate.
( )
n n n
∑ y ij − y i ⋅ ∑ y ij ∑ y i⋅
i =1
sj = = i =1 − i =1 = y ⋅j − y 0 (8.3.12)
n n n
m m m
De reţinut că: ∑ s j = ∑ y ⋅ j − ∑ y 0 = m * y o − m * y 0 = 0
j =1 j =1 j =1
precum şi condiţia ∑u t = 0.
Sezonalitatea în valoare relativă, k j , respectiv coeficienţii de
sezonalitate, se calculează ca medii aritmetice simple, pe subperioadele j,
din rapoartele valorilor empirice y ij faţă de mediile anuale y i ⋅ :
n y ij
∑
i =1 y i ⋅ 1 n y ij
k j = = * ∑ (8.3.14)
n n i =1 y i ⋅
Analiza econometrică a seriilor de timp
m n m n m n m
1 yij 1 1 1 1 m
∑ kj = * ∑∑ y
n i =1
= *∑
n i =1 yi⋅
* ∑ yij = *∑
n i =1 m
* ∑y ij =
n
* n = m (8.3.15)
∑y
j =1 j =1 i⋅ j =1 j =1
ij
j =1
m
Deci, în cazul modelului multiplicativ - yt = f (t ) ⋅ k t + u t , pentru
care:
∑ u = 0 ⇒ ∑ y = ∑ f (t )
t t
∑ f (t ) = ∑ f (t ) ⋅ k ⇒ ∑ f (t )(k t t − 1) = 0
m m
∑ k j −1 = 0 ⇒ ∑ k j = m
j =1 j =1
m m
m
∑k j = a ≠ m
j =1
k *j = k j *
a
⇒ ∑ k *j = m
j =1
(8.3.17)
y ij
k ij = (8.3.18)
y i⋅
1 n
k j = * ∑k (8.3.19)
n i =1 ij
f (t ) = f [ j + m * (i − 1)] = y i ⋅ , ∀j = 1, m (8.3.20)
m m
∑ y ij ∑ y ij
j =1 j =1
Ex. y 1 = ⇒yi =
m m
y
36
34
32
30
28
26 y3
24
22
20
18
16
14
y1 y2
12
10
8
6
4
2
0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 t
Figura 8.3.2
Analiza econometrică a seriilor de timp
acestor valori: Y3 =
1
(Y2,5 + Y3,5 ),..., Y10 = 1 (Y9,5 + Y10,5 ) .
2 2
Tabel 8.3.2
Per.(i) yt 1
t = j + m(i − 1) yt yt k ij = k j k *j y t* = yt
Subper. (j) yt k *j
0 1 2 3 4 5 6 7
1 1 1 y11 - - -
2 2 y12 - - -
3 3 y13 y 13 k13 k3
4 4 y14 y 14 k14 k4
2 1 5 y21 y 21 k21 k1
2 6 y22 y 22 k22 k2
3 7 y23 y 23 k23 k3
4 8 y24 y 24 k24 k4
3 1 9 y31 y 31 k31 k1
2 10 y32 y 32 k32 k2
3 11 y33 - - -
4 12 y34 - - -
Notă:
i = 1,2,3 − ani − n = 3 ⎫
⎬ ⇒ t = j + m(i − 1)
j = 1,2,3,4 − trim − m == 4 ⎭
Y3.1 = Y3 + 4(1 − 1) = Y3
m m
Dacă ∑ k j = a ≠ m se corectează aceşti coeficienţi: k ∗j = k j ⋅ .
j =1 a
Calculul seriei corectate de variaţii sezoniere se face prin raportarea
valorilor empirice ale fenomenului y t la coeficienţii de sezonalitate k ∗j
(vezi tabelul 8.3.2, coloana 7).
yt
1 2 3 t
Figura 8.3.3
mai sus reprezintă valorile tendinţei seriei yt (vezi figura 8.3.3). Şi în acest
caz se completează acelaşi tabel ca la metoda mediilor eşalonate.
În comparaţie cu alte metode de estimare a componentei sezoniere,
metoda mediilor eşalonate şi metoda mediilor ciclice oferă o informaţie
suplimentară, respectiv permit specificarea pe cale grafică a funcţiilor
analitice cu care se poate descrie tendinţa seriei cronologice respective.
Tabel 8.3.3
Subper. 1
Per.(i) y t = y ij y ij y ij k ij k j k *j yt* = yij
(j) k *j
0 1 2 3 4 5 6 7 8
I y11
II y12
y 2,5
1
III y13 y3
y 3, 5
IV y14 y4
I y21
II y22
2
III y23
IV y24
I y31
II y32
3
III y33
IV y34
Modele econometrice
y1 + y 2 + y 3 + y4
y 2 ,5 = y 1.2 ,5 =
4
y2 + y3 + y4 + y5
y 3 ,5 = y 1.3 ,5 =
4
y 1.2 ,5 + y 1.3,5
y 3 = y 1.3 =
2
y1.3,5 + y1.4,5
y 4 = y 1.4 =
2
y ij
k ij =
y ij
Analiza econometrică a seriilor de timp
∑k
j =1
ij
kj =
m
1 1
y t∗ = y ij = yt (8.3.21)
∗
k j k ∗j
n ⋅m n ⋅m
*
∑ y t = ∑ y t (principiul echivalenţei ariilor) (8.3.22)
t =1 t =1
( ) T
(
F â , b̂ = min ∑ y t − Yˆ t )2 = min T∑ (y t − â − b̂t )2
t =1 t =1
( ) = 0 ⇒ Ta$ + b$
∂F a$ , b$
∂a$
∑t = ∑y t
( ) = 0 ⇒ â ∑ t + b̂ ∑ t 2 = ∑ y t ⋅ t
∂F â , b̂
∂b̂
Yˆt = aˆ + bˆ ⋅ t
y ij y t
k ij = =
Yˆ ij Yˆ t
n
∑ k ij
k j = i =1
n
Analiza econometrică a seriilor de timp
( )
n
∑ y ij −y i
i =1
s j =
n
m
Dacă: ∑ s j = 0 , se păstrează aceste valori.
j =1
m
Dacă ∑ s j = a ≠ 0 se corectează sj astfel:
j =1
a m
s *j = s j − ⇒ ∑ s *j = 0
m j =1
y *ij = y ij − s *j
y t + h = s j + Yˆ t + h + u t + h (8.3.23)
Yˆt + h = aˆ + bˆ ⋅ (t + h) (8.3.24)
(
P y t + h ∈ ( s j + Yˆ t + h ± t α sYˆ
t +h
)
) =1− α (8.3.25)
sau
(
P yt+ h ∈ k [ ⋅ (Yˆ
j t+h ± t α ⋅ s Yˆ
t+ h
)] ) = 1 − α (8.3.26)
adică valoarea reală a fenomenului este estimată printr-un interval de
încredere, având pragul de semnificaţie egal cu α.
dy ⎛ B − yt ⎞
= K ⋅ yt ⋅ ⎜⎜ 0 ⎟⎟ (8.4.1)
dt ⎝ B0 ⎠
Ecuaţia arată că, pentru valori mici ale variabilei yt, creşterea
fenomenului este aproximativ liniară, iar pentru valori mari, y t → B0 ,
dy
creşterea tinde la zero → 0.
dt
Relaţia (8.4.1) se mai poate scrie:
dy k
= Ky t (B0 − y t ) dacă =k
dt B0
dy t 1 yt
∫ = ∫ Kdt ⇒ ln = K ⋅t + C 0 ⇒
y t (B 0 − y t ) B0 B0 − y t
Modele econometrice
yt
ln = B 0 ⋅ K ⋅ t + B 0 ⋅ C 0 , B0 > 0 , B0 − y t > 0 ,
B0 − y t
C 0 = const .
yt
= e B 0 ⋅K ⋅t + B 0 ⋅C 0 = e B 0 ⋅K ⋅t ⋅ e B 0 ⋅ C 0
B0 − y t
yt
Se înlocuieşte e B 0 ⋅C 0 = C 1 ⇒ = C 1e B 0 ⋅K ⋅t ⇒
B0 − y t
B0
yt = (8.4.2)
1
1+ ⋅ e − B 0 ⋅K ⋅t
C1
1 B0
B1 = , B2 = B0 K ⇒ y t = (8.4.4)
C1 1 + B 1 ⋅ e − B 2 ⋅t
d B0
[K ⋅ y t ⋅ (B 0 − y t )] = K ⋅ (B 0 − y t ) = K ⋅ (B 0 − 2 y t ) = 0 ⇒ y t =
dy t 2
B0
Ritmul maxim de creştere va fi atins pentru y = , care reprezintă
2
punctul de inflexiune al funcţiei.
Analiza econometrică a seriilor de timp
B0 B0 ln B 1
= ⇒t =
2 1 + B 1e − B 2t B2
yt
B0
B0
2
ln B1 t
B2
Figura 8.4.1
fiecare dintre acestea calculându-se valorile medii (mediane) ale celor două
variabile.
Se obţin astfel trei puncte medii: M 1 (t1 , y1 ) , M 2 (t 2 , y 2 ) şi M 3 (t 3 , y3 ) .
Aceste valori se introduc în ecuaţia (8.4.4), obţinându-se cele trei
ecuaţii din care se vor calcula estimatorii: B̂0 , B̂1 , B̂2 .
Un alt procedeu de estimare a parametrilor se foloseşte atunci când
se precizează nivelul de saturaţie a fenomenului yt, respectiv valoarea lui B0.
În acest caz, se efectuează următoarele calcule:
- relaţia (8.4.5) se mai poate scrie:
B0
− 1 = B 1e − B 2 ⋅t (8.4.7)
yt
B
- se notează cu: x t = 0 − 1 ⇒ x t = B 1e − B 2 ⋅t (8.4.8)
yt
ln x t = − B 2t + ln B 1 (8.4.9)
T
min ∑ (ln x t − ln B 1 + B 2t )2 (8.4.10)
t =1
y ij = y t = bt + a + s j + u t (8.4.11)
sau
y ij = y t = bt + a j + u t (8.4.12)
unde: a j = a + s j (8.4.13)
m m m
Ştiind că: ∑ a j = ∑ (a + s j ) = m ⋅ a
j =1 j =1
şi, deoarece ∑s
j =1
j =0
1 m
a= ∑aj
m j =1
(8.4.14)
1 m
sj = aj − a = aj − ∑aj (8.4.15)
m j =1
Modele econometrice
n n ⋅ (n + 1) ⋅ y 0
∑i ⋅ y i⋅ −
2
b̂ = i =1
(
n ⋅ n2 −1 ) (8.4.16)
m ⋅n +1
â = y 0 − b̂ (8.4.17)
2
⎛ m + 1⎞
ŝ j = y ⋅ j − y 0 − ⎜ j − ⎟ ⋅ b̂ (8.4.18)
⎝ 2 ⎠
y t = a1 y t −1 + a 2 y t − 2 + ... + a h y t − h + u t (8.4.20)
yt = ayt −1 + u t (8.4.21)
Analiza econometrică a seriilor de timp
M ( y t ) 2 = M ( y t −1 ) 2 = ... = M ( y t − h ) 2
y t + y t −1 + ... + y t −( m −1) 1 m −1
Y t1+1 = = ∑y (8.4.22)
m m k =0 t − k
unde:
m = numărul de termeni din care se calculează mediile mobile;
n = numărul periodelor observate.
Modele econometrice
y t = β0 + ut (8.4.23)
M (u t ) = 0
M ( u t ) 2 = s u2 = ct .
cov( y t , y t −1 ) = cov( y t , y t − k )∀t = 1, n, k = 1, m
⎛ 1 m−1 ⎞ ⎡ 1 m−1 ⎤
( )
M Yt1+1 = M⎜
⎜m ∑ yt −k ⎟ = M ⎢
⎟ ∑ (β0 + ut −k )⎥ =
⎝ k =0 ⎠ ⎣⎢ m k =0 ⎦⎥ (8.4.24)
1 m
= [β0 + M(ut ) + β0 + M(ut −1) + ... + β0 + M(ut −m−1)] = β0 = β0
m m
⎛ 1 m −1 ⎞ ⎧ 1 m −1 ⎫
M ( Y t1+1 ) = M ⎜ ∑ y t −k ⎟ = M ⎨ ∑ [β 0 + β1 (t − k ) + u t ]⎬
⎝ m k =0 ⎠ ⎩ m k =0 ⎭
1
= [m β 0 + m β1 t − β1 (1 + 2 + ... + m − 1)] =
m (8.4.25
1
= β 0 + β1t − β1
(m − 1)m
m 2
m −1
= β 0 + β1t − β1
2
Analiza econometrică a seriilor de timp
m −1
Y t1+1 = β 0 + β1t − β1 (8.4.26)
2
1 m −1 1 1 m −1 1 m −1
Y t 2+1 = ∑ Y t −k = ∑ ∑y (8.4.27)
m k =0 m k =0 m l =0 t − k −l
⎛ 1 m =1m −1 ⎞
M (Y t 2+ 1 ) = M ⎜⎜ ∑ ∑ y t − k − l ⎟⎟ =
⎝m 2 k =0 l =0 ⎠
⎛ 1 m =1m −1 ⎞
= M ⎜⎜ ∑ ∑ ( β + β 1 (t − k − l ) + u t − k − l ) ⎟⎟ =
2 k =0 l =0 0
⎝m ⎠
1 ⎡ 2 ⎛ m − 1 m − 1
⎞⎤
= ⎢ m β 0 + m 2 β 1t − m β 1 ⎜ ∑ k + ∑ l ⎟⎥ =
m2 ⎣ ⎝k =0 l = 0 ⎠⎦
1 ⎛ ( m − 1) m ( m − 1) m ⎞
= β 0 + β 1t − β 1 ⎜⎜ + ⎟⎟
m ⎝ 2 2 ⎠
Deci:
M (Y t 2+1 ) = β 0 + β 1t − β 1 ( m − 1) (8.4.28)
β1 =
2
m −1
(
M (Y t 1+1 ) − M (Y t 2+1 ) ) (8.4.30)
2
β 1t +1 = (Y 1 − Y t 2+1 ) (8.4.34)
m − 1 t +1
( )
Y t +1 = β ot +1 + β 11t +1 ⋅ t = 2Y t 1+1 − Y t 2+1 +
2
m −1
( )
Y t 1+1 − Y t 2+1 ⋅ t (8.4.35)
Y t + h = β 0t + h + β 1t + h ⋅ h (8.4.36)
Y ( t ,t +1 ) = αy t + (1 − α )Y t = Y t + α(y t − Y t ) (8.4.37)
Modele econometrice
unde:
Y(t,t+1) = valoarea previzionată a fenomenului y efectuată în momentul
“t” pentru momentul “t+1”;
yt = valoarea reală (empirică) a fenomenului y în momentul “t”;
yt-Yt = eroarea de previziune din momentul “t”;
α = constanta de nivelare (lisaj): 0< α <1.
t −1
Y ( t ,t +1 ) = α ∑ (1 − α )k y t − k + (1 − α )t Y ( t ,t −1) (8.4.38)
k =0
Y t 2+ h = at + bt ⋅ h (8.4.40)
unde:
h = orizontul de prognoză, h = 1,2,…
⎧at = 2Y t1 − Y t 2
⎪
⎨ α (8.4.41)
1 2
⎪bt = ( Y t − Y t ) ⋅
⎩ 1− α
α
Y t 2+ h = 2 (Y t 1 − Y t 2 ) + (Y t 1 − Y t 2 ) ⋅ ⋅h (8.4.42)
1−α
⎛1 − α ⎞
Y ( t ,t + h ) = S ( t ,t +1) + ⎜ + h ⎟b̂( t +1) (8.4.43)
⎝ α ⎠
unde:
S ( t ,t +1 ) = αy t + (1 − α )S ( t −1,t ) = prognoza pentru momentul “t+1”
efectuată cu metoda nivelării exponenţiale simple;
Modele econometrice
⎛1 − α ⎞
⎜ + h ⎟b̂( t +1) = termenul de corectare a erorii sistematice a
⎝ α ⎠
metodei nivelării exponenţiale simple atunci când seria cronologică prezintă
o tendinţă liniară.
Precizia prognozei efectuate cu metoda nivelării exponenţiale
depinde atât de respectarea restricţiilor impuse de cele două forme de
aplicare ale ei, cât şi de mărimea constantei de nivelare - α. În funcţie de
mărimea acestei constante se calculează ponderea medie a observaţiilor
trecute - k luate în calculul prognozei, Y(t,t+1). Aceasta va rezulta ca o
medie aritmetică a momentelor de prognoză ponderate cu coeficienţii
valorilor empirice aşa cum apar în formula (8.4.38)
- pentru k = 0 → ponderea este α;
- pentru k = 1 → ponderea este (1-α);
- pentru k = 2 → ponderea este (1-α)2.
.. . . … . . .. . . . . . . . . …. . . . . . . .. . . . .
unde:
∞
∑ k ⋅ α ⋅ (1 − α )
k =0
k
1−α
k= = (8.4.44)
∞
α
∑ α ⋅ (1 − α )
k =0
k