Page 49 - Gričar, Sergej, in Štefan Bojnec, 2016. Aplikacija metodologije časovnih serij na primeru turističnih cen. Koper: Založba Univerze na Primorskem.

Metodologija ekonometrične raziskave

– opazovana vrednost ali slučajna spremenljivka,
– opazovana vrednost ali slučajna spremenljivka za eno obdobje
nazaj (en mesec) in

– slučajni odkloni ali napaka – stohastična spremenljivka, ki gre
proti 0.

V okviru napake časovne vrste slučajne odklone pogosto imenuje-
mo stohastična spremenljivka in tako lahko časovno vrsto zapišemo kot
, ob predpostavki normalne porazdelitve , ...,
, podane z ( ). Delni (parcialni) korelogram nam poda
možnost sklepanja iz grafikona. Vendar na osnovi normalne porazdelitve ne
moremo sklepati o porazdelitvi , kjer je odvisna spremenljivka poraz-
deljena z neodvisno spremenljivko
mo model oceniti in test se lahko izvaja . Da bi lahko izvedli takšen test, mora- 49
nadaljevanju. do ostankov ( ), o čemer govorimo v

Verjetnost univariatnega avtoregresijskega modela AR (1)
Za analizo avtoregresijskega modela moramo uporabiti vse vrednos-
ti v model vključene spremenljivke, ki je pogojen z začetno
vrednostjo spremenljivke Yje0.teTsonovopdoivevzpanogaozjnroegvreersijjestkniomstmgoleddeelonma zače-
tno opazovanje. Izpeljava dveh
spremenljivk. Novost pri izpeljavi verjetnosti je odvisnost med podat-
ki. Za ta namen se iz skupne vrednosti spremenljivk , pogoje-
nih s spr.emOednvlijsinvkaospre,mpreenmljiavkknaemojev samostojno opazovanje spremen-
ljivke sedaj pogojena s spremenljivkami
. Te neodvisne spremenljivke so spremenljivke preteklosti.
Tako dobimo enačbo (funkcijo) verjetnosti, ki je pogojena z verjetnostjo
spremenljivke :

.

Interpretacija stacionarnih avtoregresijskih koeficientov
Za razumevanje rezultatov avtoregresijskega modela poglejmo najprej na-
jenostavnejši avtoregresijski model prestrezanja, kjer izhajamo iz modela
trenda:

;

če upoštevamo časovno vrsto , je enačba:

, za t = 1,…, T; ,