Page 47 - Gričar, Sergej, in Štefan Bojnec, 2016. Aplikacija metodologije časovnih serij na primeru turističnih cen. Koper: Založba Univerze na Primorskem.
P. 47
Metodologija ekonometrične raziskave
Avtoregresijska analiza
Regresijska analiza se v glavnem uporablja na presečnih podatkih. Druga
vrsta podatkov v ekonomiji so podatki časovnih vrst, kjer si vrednosti ene
spremenljivke, kot je na primer cena, sledijo skozi čas. Za dolgo obdobje ve-
lja dominanta, da je cena danes blizu ceni včeraj. Osnovno orodje za mo-
deliranje odvisnih opazovanj je avtoregresija (Hendry in Nielsen 2007). Za
serijo cen je značilno, da je cena v času t povezana s ceno v prejšnjem obdob-
ju. Ta časovna odvisnosti krši pravilo neodvisnosti, ki je predpostavljeno v
regresijskih modelih in smo jih proučevali do sedaj. Dva glavna koncepta,
ki analizirata časovno odvisnost, sta avtokorelacija in delna avtokorelacija.
Najenostavnejši način opisovanja časovne odvisnosti je vzorec poveza-
ve med današnjo vrednostjo časovne vrste in vrednosti iz predhodnega ob-
dobja, kar imenujemo vzorčna avtokorelacija . Če opazovane spre-
menljivke indeksiramo in jih označimo s časovno vrsto , nam to 47
prinaša (Enders 2004):
kjer oznake pomenijo:
– varianca neodvisna od časa. Varianca je odvisna od dolžine v
času,
– varianca neodvisna od časa,
– vzorčna avtokorelacija,
– sprememba pozicije stacionarnih časovnih spremenljivk
za vsako celo število v času,
in – povprečje dolžine časovne vrste oziroma pov-
prečja predhodnih slučajnih spremenljivk ,
T – dolžina časovne vrste,
t – čas.
Pri izrisu grafikona dobimo grafični prikaz koeficientov korelaci-
je (ACF) v pravokotnem koordinatnem sistemu, kjer je abscisna os opre-
deljena s časovnim zamikom, ordinatna os pa s koeficientom korelacije z
zamikom in ga imenujemo korelogram. Čeprav so korelogrami enostavni
za izračun, pa ekonometrične programske opreme pogosto izračunajo po-
manjšano avtokovarianco (Enders 2004):
Avtoregresijska analiza
Regresijska analiza se v glavnem uporablja na presečnih podatkih. Druga
vrsta podatkov v ekonomiji so podatki časovnih vrst, kjer si vrednosti ene
spremenljivke, kot je na primer cena, sledijo skozi čas. Za dolgo obdobje ve-
lja dominanta, da je cena danes blizu ceni včeraj. Osnovno orodje za mo-
deliranje odvisnih opazovanj je avtoregresija (Hendry in Nielsen 2007). Za
serijo cen je značilno, da je cena v času t povezana s ceno v prejšnjem obdob-
ju. Ta časovna odvisnosti krši pravilo neodvisnosti, ki je predpostavljeno v
regresijskih modelih in smo jih proučevali do sedaj. Dva glavna koncepta,
ki analizirata časovno odvisnost, sta avtokorelacija in delna avtokorelacija.
Najenostavnejši način opisovanja časovne odvisnosti je vzorec poveza-
ve med današnjo vrednostjo časovne vrste in vrednosti iz predhodnega ob-
dobja, kar imenujemo vzorčna avtokorelacija . Če opazovane spre-
menljivke indeksiramo in jih označimo s časovno vrsto , nam to 47
prinaša (Enders 2004):
kjer oznake pomenijo:
– varianca neodvisna od časa. Varianca je odvisna od dolžine v
času,
– varianca neodvisna od časa,
– vzorčna avtokorelacija,
– sprememba pozicije stacionarnih časovnih spremenljivk
za vsako celo število v času,
in – povprečje dolžine časovne vrste oziroma pov-
prečja predhodnih slučajnih spremenljivk ,
T – dolžina časovne vrste,
t – čas.
Pri izrisu grafikona dobimo grafični prikaz koeficientov korelaci-
je (ACF) v pravokotnem koordinatnem sistemu, kjer je abscisna os opre-
deljena s časovnim zamikom, ordinatna os pa s koeficientom korelacije z
zamikom in ga imenujemo korelogram. Čeprav so korelogrami enostavni
za izračun, pa ekonometrične programske opreme pogosto izračunajo po-
manjšano avtokovarianco (Enders 2004):
