Статистическое моделирование по временным рядам. Безручко Б.П - 18 стр.

UptoLike

Составители:

Рубрика:

Рис.3.

Наблюдаемый график зависимости количества перевозок авиапассажиров от време-

ни (а) и график после преобразований временного ряда: ln(

), разность со сдвигом 1 и раз-

ность со сдвигом

= 12 (б).

144, с января 1949 по декабрь 1962 года). С помощью кнопки Variables выбе-

рите переменную для анализа. В данном случае имеется только одна перемен-

ная. На стартовой панели модуля инициируйте кнопку ARIMA &

autocorrelation functions. На экране появится стартовая панель Single Series

ARIMA.

2) Прежде всего, просмотрите данные графически. Для этого инициируй-

те кнопку Plot. На экране появится график временного ряда из открытого файла

данных (рис.3а). В данном графике имеются отчетливые годовые периоды,

присутствуют резко выраженные пики, амплитуда колебаний возрастает. В ря-

де имеется отчетливый тренд: средние значения перевозок постепенно увели-

чиваются. Имеется также и сезонность: как и следовало ожидать, из года в год

пик перевозок приходится на одни и те же месяцы — июль либо август. Харак-

тер перевозок также очень похож со сдвигом на год. Просмотрев ряд на графи-

ке, вернитесь в стартовое окно ARIMA, нажав на кнопку Continue.

3) Прежде, чем подогнать к временному ряду авторегрессионную модель,

его следует «сделать стационарным». Мы будем последовательно преобразовы-

вать ряд, делая его раз за разом все более похожим на стационарный. Иниции-

руйте кнопку Other transformations & plots. Откроется окно Преобразования

переменных. Выберите опцию Plot variables (series) after each transformation.

Теперь система будет автоматически показывать графики преобразованных

данных после каждого преобразования ряда. Инициируйте кнопку