При условии, что отклонения уровней от тенденции (так называемые остатки) случайны, значения D, лежащие в интервале 0 - 4, всегда будут находиться ближе к 2. Если автокорреляция положительная, то D < 2; отрицательная - 2< = D < = 4. Следовательно, оценки, получаемые по критерию, являются не точечными, а интервальными. Их значения для трех уровней значимости (α = 0,01, α= 0,025 и α = 0,05) с учетом числа наблюдений даны в специальных таблицах.
Существует ряд способов исключения или уменьшения автокорреляции (авторегрессии) в рядах динамики:
а) метод включения времени в качестве дополнительного фактора;
б) метод последовательных разностей;
в) метод авторегрессионных преобразований.
Рассмотрим эти способы исключения автокорреляции (авторегрессии).
В соответствии с теоремой, доказанной Фришем и Boy, время вводится в систему связных динамических рядов в явной форме в качестве дополнительного фактора. Уровни исходных динамических рядов могут быть представлены показателями в любой форме, в том числе логарифмической, а время всегда вводится в линейной форме. Считается, что введение фактора времени исключает основную тенденцию развития всех явлений, представленных исследуемыми рядами динамики. Доказано, что введение времени аналогично использованию отклонения фактических данных от трендов.
Применение метода наименьших квадратов к обработке многомерных временных рядов не отличается от методологии применения его к обычным статистическим рядам. В рассматриваемом случае минимизируется следующее выражение:
S =
min.При исключении автокорреляции методом последовательных разностей
обработке методом наименьших квадратов подвергаются не сами уровни исходных рядов уt, yt+1, ..., Уt+n, и хt, хt+1, ..., xt+n, а последовательные разности между ними:
Δy1=yt-yt-1; Δxt=xt-xt-1;
Δy2=yt-1-yt-2;Δx2=xt-1-xt-2;
…………… …………….
…………… …………….
Δyk=yt-k-yt-k-1; Δxk=xt-k-xt-k-1.
При использовании этого метода исходят из того , что все разности между уровнями динамических рядов, начиная с первой, будут содержать только случайную компоненту. Причем первые разности содержат случайную компоненту в линейной форме, вторые - описываемую параболой второго порядка, третьи - показательной функцией.
Метод авторегрессионных преобразований заключается в том, что определяют уравнение связи между отклонениями от тенденций двух связных рядов динамики:
…………. ………….
………… ………….
В этом случае также получают уравнения регрессии, не искаженные влиянием автокорреляции.
Введение времени в качестве дополнительной переменной является наиболее действенным способом обработки связных рядов динамики. При линейной связи между исследуемыми рядами этот способ более точен, чем использование последовательных разностей или отклонений от трендов.
При обработке методом наименьших квадратов последовательных разностей или отклонений от трендов обрабатываются чисто случайные величины.
КОРРЕЛЯЦИЯ РЯДОВ ДИНАМИКИ
При изучении развития явления во времени возникает необходимость оценить степень взаимосвязи в изменениях уровней двух или более рядов динамики различного содержания, но связанных между собой. Эта задача решается методами коррелирования:
1) уровней ряда динамики;
2) отклонений фактических уровней от тренда;
3) последовательных разностей, т. е. путем исчисления парного коэффициента корреляции.
Коррелирование уровней ряда динамики правильно показывает тесноту связи между рядами динамики лишь в том случае, если в каждом из них отсутствует автокорреляция.
В этом случае величину коэффициента корреляции находят по формуле
где хi - уровни факторного ряда динамики;
уi - уровни результативного ряда динамики.
Следовательно, прежде чем коррелировать ряды динамики (по уровням), необходимо проверить каждый из рядов на наличие или отсутствие в них автокорреляции (при помощи коэффициента автокорреляции). В случае наличия автокорреляции между уровнями ряда последняя должна быть устранена.
Рассмотрим способы ее исключения в рядах динамики. Коррелирование отклонений от выравненных уровней (тренда). Этот способ состоит в том, что коррелируют не сами уровни, а отклонения фактических уровней от выравненных, отражающих тренд, т. е. коррелируют остаточные величины. Для этого каждый ряд динамики выравнивают по определенной, характерной для него аналитической формуле, затем из эмпирических уровней вычитают выравненные (т. е. находят dx = хt -
;dy = уt - ;) и определяют тесноту связи между рассчитанными отклонениями (dx и dy ) по формулеКоррелирование последовательных разностей. Исключить влияние автокорреляции можно путем вычитания из каждого уровня предшествующего ему, т. е. находя разности уровней (уi –уi-1).При переходе от уровней к их разностям исключается влияние общей тенденции на колеблемость. При этом при изменении уровней по прямой можно коррелировать первые разности, при изменении по параболе n-го порядка - n-е разности. Формула коэффициента разностей, используемая для измерения тесноты связи между исследуемыми рядами, имеет вид:
Коэффициент корреляции, рассчитанный для измерения тесноты зависимости изменения уровней двух рядов, является средним, обобщающим показателем. Однако для длительного периода эта зависимость может меняться во времени. Поэтому чтобы судить о том, в какие периоды зависимость между изменениями уровней двух рядов слабая или сильная, надо рассчитывать серию скользящих коэффициентов корреляции для определенного интервала времени.