Методы прогнозирования социально-экономических процессов. Антохонова И.В. - 56 стр.

      4. Установление причин мультиколлинеарности.                                   2) построение нескольких статических моделей
      5. Определение мер по устранению мультиколли-                            (для каждого года предпрогнозного периода), параметры
неарности.                                                                     которых определяются в виде функций времени, после чего
      Существует несколько методов выявления мульти-                           рассчитываются наиболее вероятные значения признаков в
коллинеарности, основанных на следующих процедурах :                           перспективе.
      а) анализ парных коэффициентов корреляции между                                Расчет параметров уравнений по отклонениям.
независимыми переменными rxi x j ;                                             Осуществляется отбор факторных признаков x1 , x2 ,...x p ,
              б) анализ множественных коэффициентов корреля-                   оказывающих влияние на y.Исходные данные представле-
ции каждой из независимых переменных со всеми осталь-                          ны временными рядами
ными ;                                                                                               x1t , x2 y ,..., x pt ; yt .
              в) сравнение парных коэффициентов корреляции                            Определяются тенденции изменения временных
между независимыми переменными с парными коэффици-                             рядов, т.е. тренды
ентами между зависимой и независимыми переменными                                                    y€t = f (t ); x€it = f i (t ); i = 1,2,...n .
rxi x j , ryxi ;                                                                      Рассчитываются отклонения выравненных значений
          г)сравнение множественненных коэффициентов                           переменных от исходных величин
корреляции между независимыми переменными с коэффи-                                               γ t = yt − f (t ); ε it = xit − f i (t ) .
циентом множественной корреляции между зависимой пе-                                  Выявляется наличие мультиколлинеарности, для че-
ременной со всеми остальными.                                                  го вычисляются коэффициенты парной корреляции. Уста-
          Наряду с линейными моделями используются нели-                       навливаются периоды запаздывания (временные лаги) во
нейные зависимости, например, степенная зависмость                             взаимодействии признаков. Анализ временных рядов с ла-
                              a
 y€t = a0 x1at1 x2at2 ⋅ ⋅ ⋅ x ptp , которую путем простейших преобра-          гом рассмотрен в предыдущем параграфе.
зований можно привести к линейному виду:                                              После корректировки состава независимых пере-
           ln yt = ln a0 + a1 ln x1t + a2 ln x2t + ... + a p ln x pt .         менных приступают к оцениванию параметров уравнения
                                                                               множественной линейной регрессии
       Анализ временных рядов с учетом предпосылок                                                 γ t = α1ε1t + α 2ε 2t + ... + α pε pt . (4.32 )
регрессионного анализа позволяет определить общую на-
правленность в процессе прогнозирования изменения ве-                                При наличии временного лага L по переменной хi в
личины исследуемого показателя. Для исключения атокор-                         уравнение вместо ε it вводится ε it − L .
реляции при необходимости используются расссмотренные                                Коэффициенты α i рекомендуется определять по ме-
выше процедуры для случая парной зависимости. Могут                            тоду наименьших квадратов, используя так называемые
использоваться две вычислительные схемы прогнозирова-                          стандартизованные β i коэффициенты. Необходимость ис-
ния на основе уравнений множественной регрессии:
       1) анализ отклонений абсолютных уровней от                              пользования коэффициентов в стандартизованном виде
трендов;                                                                       объясняется тем, что в уравнении (4.32) каждое отклоне-
                                                                               ние является абсолютной величиной, такой же, как и ис-

                                                                         113   114