книги / Статистический анализ временных рядов
..pdf3 .3 . СГЛАЖИВАНИЕ 63
Слагаемое, представляющее усредненную ошибку, |
имеет диспер |
||||
сию а2/(2т + 1) как среднее 2т + |
1 некоррелированных перемен |
||||
ных. Ковариации (последовательных) значений и* суть |
|||||
|
( 2m + |
1— h о |
h — 0 , 1, . . . , |
2т, |
|
(8) |
ЫЩ+н - { (2т |
+ 1)* |
|||
f |
|
||||
|
к |
|
h = 2 т + 1, . . . . |
Общая основа для большинства формул сглаживания состоит фактически в подборе сглаживающего полинома по (2 т + 1) по следовательным наблюдениям и в использовании этого полинома для оценки тренда в средней точке. Поскольку оценки коэффициен тов полинома зависят от наблюдаемых значений линейно, то ли нейной является и оценка тренда. Вследствие этого она имеет вид
(2). Предположим теперь, что тренд f (t + s) в точках t + s =
— t — m, ..., t + m можно приблизить полиномом
(9) |
ft (s) = |
<x0 + a xs + |
••• |
+ aqs4, s = — m, . . . , m. |
(Коэффициенты as зависят от t , |
но мы не будем отмечать этого в обо |
|||
значениях.) В |
частности, |
f (t) |
приближенно равно /, (0) = а 0. Ко |
эффициенты этого полинома можно оценить на основании наблюде
ний yt-m, •••, |
yt+m, |
используя метод |
наименьших квадратов. Нор |
|
мальные уравнения для оценок а0, аи ..., aq имеют вид |
||||
т |
|
т |
|
т |
(10) а0 ^ |
s' + |
а, 2 s/+l + ••• |
+ |
ая 2 |
s= — т |
|
SJ= — т |
|
^==— т |
|
|
= |
т |
siyt+s, / = 0 , 1, . . . , q. |
|
|
2 |
s==— т
В силу симметрии для любых нечетных степеней k сумма величин sk по всем значениям s от —т до + т равна нулю. Поэтому в соотно шении (10) для четных / равны нулю коэффициенты при аи а3, ... , а для нечетных / равны нулю коэффициенты при а0, <ц, ... . Посколь ку оценка для f (t) должна быть и оценкой для ft (0 ) = a 0, то до статочно решить (10) относительно a„. С этой целью воспользуемся уравнениями с четными /, т. е.
т т т
(11) а0 2 |
s2' + a2 |
2 s2l+2+ |
••• |
+ a 2(#/2| |
2 |
^ + 2[<?/2] = |
s= — т |
s=~/77 |
|
s= — m |
|
||
|
|
= |
,n |
s2ly,+„ |
<= |
0 , 1, . . . . [q/2\, |
|
|
2 |
||||
где |
|
|
|
|
|
|
(12) |
|<?/2 ] = |
{ ql<2' когда |
q |
четное- |
|
|
|
|
\ (q— l)/2 , |
когда q нечетное. |
|
64 |
ТРЕНДЫ И СГЛАЖИВАНИЕ |
Гл. 3. |
Заметим, что уравнения, которые необходимо решить для опреде ления а0 при нечетном значении q, в точности совпадают с уравне ниями, которые надо решить для определения а0 при меньшем на единицу (четном) значении q. (Нам необходимо исследовать только степени 0 , 2, 4 и т. д.) Пусть [q/2] = k. Тогда (11) можно записать в виде
т т т
( l o ) |
(2 /п + |
1) я0 + 2 2 |
52а2 + |
••• |
+ |
2 ^ s2ka2k = |
2 |
Ut+s, |
m |
S—1 |
|
|
m |
S—1 |
s = —m |
|
|
m |
|
|
|
m |
|
|
||
2 2 |
s2‘a0 + |
2 2 s2,'+2aa + |
• • * + |
2 |
2 |
s2i+2kaik = 2 |
s2‘(£/<—s + */<+s), |
|
S=1 |
|
S=1 |
|
|
S=1 |
S—1 |
|
|
|
|
|
|
|
|
|
t = |
1, . . . , k. |
Коэффициенты в левых частях этих нормальных уравнений зависят только от т. Коэффициенты при и yt+s в правых частях совпа дают, s = 1, ..., т. Решением (13) относительно а0 является
|
т |
(14) |
а0 = 2 csyt+s |
|
s— — m |
с c_s = cs. Заметим, что коэффициенты cs зависят от т и k и явля
ются полиномами от s. Из (14) вытекает, что у] = а0. Используя (14) и замечая, что если yt+s = a, s = —т, ..., т, то ft (s) == а — наи лучший выравнивающий полином, можно получить соотношение
т |
|
|
|
|
|
|
|
2 |
cs = 1- |
|
|
|
|
|
|
Ssa—m |
|
2 и q — 2, т. е. используем для оцен |
|||||
Положим для примера т = |
|||||||
ки |
%yt значения yt~2, yt~\, yt, yt+1, |
г*+2, предполагая, что |
некото |
||||
рая |
парабола хорошо |
приближает значения f |
(t — 2 ), |
f |
(t — 1), |
||
I (0. M* + 1). / (t + 2). Нормальные уравнения для a0 |
и a2 имеют |
||||||
в этом случае вид |
|
2 |
|
|
|
|
|
|
|
|
yt+s, |
|
|
|
|
|
5а0 + |
10а2 = |
2 |
|
|
|
|
(15) |
|
|
s = — 2 |
|
|
|
|
10ао + |
34а2 = 2 |
s2 (yt-$ + yt+s)- |
|
|
|||
|
|
|
|||||
Отсюда |
|
S=1 |
|
|
|
|
|
|
|
|
|
|
|
||
|
2 |
2 |
|
|
|
|
|
(16) |
Yi Ун*— fSr 2 1 s2 (yt-s + yt+s) = |
|
|
||||
|
s——2 |
s—1 |
|
|
|
|
|
|
= (— % < —2 + 12^_i + |
17//, + 12г/<+1— 3;/,+2)/35. |
|
||||
Если k = 0 (q = 0 или 1), то в (13) имеется всего одно уравнение |
|||||||
|
|
|
|
|
т |
|
|
относительно неизвестного а0. Его |
решение а0 = |
2 ^ +s/(2m + l), |
|||||
|
|
|
|
|
s= — т |
|
|
3 .3 . |
СГЛАЖИВАНИЕ |
65 |
т. е. cs = 1/(2т + 1), s = —m, ..., m. Другими словами, сколь зящее среднее с равными весами есть частный случай полино миального сглаживания. Он имеет место, когда степень полинома равна 0 или 1 .
Таблица 3.3
m
2
3
4
К
u
о
о
л
4
г
О
КОЭФФИЦИЕНТЫ СГЛАЖИВАЮЩИХ ФОРМУЛ ДЛЯ к= 1, 2
|
|
II |
с |
= с. |
2 = |
= |
Cj |
*0 |
|
|
* |
—з |
* |
|
|
||
k — |
1 |
|
|
|
|
|
|
|
|
|
|
|
|
3 |
12 |
|
17 |
|
|
|
|
|
35 |
35 |
|
35 |
|
|
|
|
2 |
3 |
6 |
|
7 |
|
|
|
|
21 |
21 |
21 |
|
' 21 |
|
|
21 |
14 |
39 |
54 |
|
59 |
|
|
|
231 |
231 |
231 |
231 |
|
231 |
|
36 |
9 |
44 |
69 |
84 |
|
89 |
||
429 |
429 |
429 |
429 |
429 |
|
429 |
||
k = |
2 |
|
|
|
|
|
|
|
|
|
|
|
5 |
30 |
75 |
|
131 |
|
|
|
231 |
231 |
231 |
|
231 |
|
|
|
15 |
|
55 |
30 |
135 |
|
179 |
|
|
429 |
|
429 |
429 |
429 |
|
429 |
18 |
|
45 |
|
10 |
60 |
120 |
|
143 |
429 |
|
429 |
|
429 |
429 |
429 |
|
429 |
Если k — 1 (q = 2 или 3), то нормальные уравнения принимают вид (см. упр. 7)
|
Р » + 1,в . + |
g?,+ " ? (,n + ') |
я, = |
2 |
й +„ |
|
|
|
|
s— — m |
|
|
|
пт \ |
( 2 m + l ) m ( m + l ) |
„ , (2m + 1) т (т + 1) (Зт2 + |
Зт — 1) |
_ |
||
|
-----------з------------ |
“o i |
— ------------------- |
|
А* = |
|
|
|
|
|
m |
|
|
|
|
|
= |
2 1 |
S2 ( # _ s + |
t/<+s) . |
Их решением является |
|
|
|
|
|
|
|
m |
|
|
|
|
|
|
2 |
[3 (3m2 + 3m — 1) — 15s2] yl+s |
|
|
||
(18) |
s = — m ____________________ |
|
|
|
|
|
|
(2m — 1) (2m + 1) (2m + 3) |
|
' |
|
||
|
|
|
|
66 |
ТРЕНДЫ И СГЛАЖИВАНИЕ |
Гл. |
3. |
В табл. |
3.3 приведены значения коэффициентов cs для |
k = 1 |
и |
k = 2 и нескольких значений т. Случай k = 1 (д = 2 или 3) иссле дован выше, а случай k = 2 (q = 4 или 5) вынесен в упр. 22. Кен далл и Стьюарт (1966, разд. 46.5) приводят коэффициенты для дру гих случаев и обсуждают связанные с ними формулы сглаживания.
Необходимо отметить, что при m < £ коэффициент а0 остается неопределенным. При т = k производится подбор полинома степени
2k + 1 по 2т + 1 = |
2k + 1 точкам. Такой подбор выполняется |
точно и поэтому а„ = |
уг Если т > k, то скользящее среднее не |
тривиально, т. е. в него входит несколько значений yt |_s. В простей шем из таких случаев U, т = k + 1 ,
09) |
|
|
|
,2k + 2\ |
|
||
|
|
|
|
|
|
|
|
(20) |
с_. = |
с. - < - I T С ( f ++ ,2+ |
s) . |
* = |
1.......... « . |
||
где |
|
l2k + 2\ |
(2 6 + 2 )! |
|
|
|
|
|
|
|
|
|
|||
ton |
г |
' * + 1 / |
_ (fe+1)!2 |
_ |
(26 |
+ 2)13 |
|
'■ 4 |
|
/4Аг -f- 4 v |
(46 + |
4)! |
|
(6 + l)!2 (46 + 4)! ‘ |
|
|
|
(26 + 2) |
(26 + |
2)!2 |
|
|
|
Мы убедимся в этом в § 3.4, после того как получим ряд результа тов, связанных с последовательностями разностей.
3.3.2.Свойства процедур сглаживания
Перейдем теперь к рассмотрению некоторых свойств указанных методов сглаживания. Одна из основных задач сглаживания со стоит в том, чтобы уменьшить случайную ошибку, т. е. сделать дис персию сглаженной последовательности малой по сравнению с дис персией исходной последовательности.
Теорема 3.3.1. Дисперсия величины у] = а0 равна
(2 2 ) о2Ь<>0= а2с0,
где Ь00 — верхний левый угловой элемент матрицы В-1, обратной к матрице В коэффициентов уравнений (13), элементы которой суть
Ь0о= 2 m + 1,
(23)«
|
btj = 2 Ц |
s2<‘+/>, |
t + / > 0 , t, |
/ = |
0 , 1, , .. , k, |
|
|
s== 1 |
|
|
|
|
|
i) |
fh\ - |
hl |
|
§ -- 0» 1» **•» |
h; |
0! = L |
|
|
|||||
|
{g}" gHh-g)! * |
|
|
|
3 .3 . |
|
|
|
|
СГЛАЖИВАНИЕ |
|
67 |
||
Д о к а з а т е л ь с т в о . |
Е с л и |
обозначить |
правые |
части уравнений (13) |
|||||
через Yi9 |
i = |
0 , 1, |
k9 то эти уравнения можно записать в виде |
||||||
|
|
к |
ьча2/ - |
у ь |
i = |
|
|
|
|
(24) |
|
2 |
0, 1, . . . . |
6, |
|||||
|
|
/==0 |
|
|
|
|
|
|
|
а их решения относительно а0 в виде |
|
|
|
||||||
|
|
|
к |
|
|
т |
|
к |
|
(25) |
|
а0 = |
2 т |
, |
= Ь°° |
2 |
yt+i + |
2 |
bW h |
|
|
|
/=0 |
|
|
>=—m |
|
/=1 |
|
Здесь (blf) |
= |
В-1. Поскольку У/ не содержат значения yt для / > 0, |
то Ь00 является коэффициентом при yt. Общая теория |
метода наи |
|||
меньших |
квадратов |
утверждает, однако, |
что дисперсия а0 равна |
|
а2Ь00. |
|
|
|
|
|
|
Таблица 3.4 |
|
|
|
ДИСПЕРСИИ СГЛАЖ ЕННЫ Х ЗНАЧЕНИЙ (о* = 1) |
|
||
2т Н- |
k= о |
к = 1 |
/г = 2 |
/г == 3 |
<7 |
<7 |
q = 6,7 |
||
|
q — 0,1 |
и 2,3 |
=я 4,5 |
3 ■J- = 0.333
54 - = 0.200
ОЖ - 0486
7 |
|
= |
0.143 |
- J - |
= |
0.333 |
| f |
- |
о д а |
9 |
Т |
- |
0 4 1 |
я |
- |
0 -255 |
® |
- |
М 1 7 |
|
|||||||||
11 |
Т Г ” |
11091 |
® |
- |
0'207 |
- i - |
= |
0.333 |
|
|
|
|
|
Если 6 |
= |
0 , то дисперсия величины г* |
есть |
а2/(2т + 1). Для |
6 = 1 она |
равна |
|
|
|
(26) |
|
3 (Зт2 + 3m — 1) |
|
|
|
(2т — 1) (2т + 1) (2т + 3) |
|
|
|
|
|
|
|
|
а для т = |
6 |
+ 1 |
|
|
|
|
(2й + |
2)!4 |
|
|
|
(4* + |
4)! (k + I)!4 |
В табл. 3.4 приведены дисперсии некоторых сглаженных значений. Для фиксированного 6 дисперсия уменьшается с ростом исполь зуемого числа точек. При фиксированном числе точек (т. е. при фик сированном т) дисперсия увеличивается с возрастанием 6 . Факти
68 ТРЕНДЫ И СГЛАЖИВАНИЕ Гл. 3.
чески для фиксированного значения т — k, которое вдвое меньше разности числа точек и числа неявно подбираемых констант, диспер сия увеличивается с ростом k.
Отметим также, что разность наблюдаемого и сглаженного зна
чений (yf — y*t) не коррелирована с у), поскольку оценки коэф фициентов регрессии не коррелированы с остатками. (См упр. 7 гл. 2.) Поэтому
(28)Var (yt — y't) = а2 — Var у] = <т2(1 — с0).
Как было указано выше, последовательные сглаженные величи
ны |
являются |
коррелированными. |
Например, корреляции у) с |
||||
yt-1, y't-2, y’t-ъ |
и y t’- 4 для |
случая |
k |
= |
1 и т — 2 равны соответст |
||
венно |
|
|
|
|
|
|
|
(29) |
Ц - |
0.565; |
0.071; |
— Ц |
г » -0 .1 2 1 ; |
- 0.015. |
Мы изучим еще это явление в'гл. 7, после того как разовьем более мощный математический аппарат.
Если yt — f (f) + ut и используется сглаживающая формула с коэффициентами cs, то систематическая ошибка сглаженной вели чины имеет вид
|
|
|
т |
(30) |
№ |
= |
2 c j(t + S). |
|
|
|
s=—m |
Если сглаживающая формула основывается на полиноме степени q и тренд является полиномом той же (или меньшей) степени, то систематическая ошибка будет равна 0. В противном случае она отлична от нуля. Предположим, что k = 0 (q = 0 или 1) и коэффи циенты те же. Тогда систематическая ошибка выражается соот ношением
|
|
т |
(31) |
m - y ' i ) = f V) - |
sJ L w +*). |
т. e. разностью между f (f) и средним арифметическим соседних зна
чений. Предположим, |
что f (t + s), s = —m....... m, |
записывается |
||||
с помощью ортогональных полиномов |
степени, |
не |
превышающей |
|||
2т + |
1 (ортогональных на множестве —т, ..., т), в виде |
|||||
(32) |
/ {t + s) = у0+ |
Т1ф1,2т+1 (s) + |
• • • |
+ Т2т+1ф2т+1.2т+1 (s), |
||
|
|
|
|
|
s = |
— т, . .. , т. |
Тогда |
использование |
сглаживающей |
формулы, |
основывающейся |
||
на полиноме степени 2k или 26 + |
1 , приводит к систематической |
3.3. |
СГЛАЖИВАНИЕ |
69 |
ошибке
(33)%(yt - y < ) =
= Y2ft+2<P2ft+2,2m+l (°) + <'’2* + 4<*?2/!+4.2m +l ( ° ) + |
* " + Ь п (Р2m,2m-fl (0 ), |
поскольку выравнивающий полином состоит из элементов соотно шения (32) степени до 2k или 2k + 1 включительно и ф*,2т-и (0) =
=0 для нечетных i. (См. упр. 30.)
Вгл. 4 мы будем изучать случай, когда среднее значение явля
ется функцией / (i) = cos |
(Xt — 0), т. |
е. косинусом с периодом |
2я/Я. Если при этом коэффициенты cs = |
1/(2т + 1), то ожидаемое |
|
значение сглаженной переменной запишется в виде |
||
1 |
Ш |
|
(34) |
|
|
/ (/), 0 < X< 2я.
(См. упр. 31.) Таким образом, операция сглаживания здесь про сто уменьшает амплитуду функции f (/). Если X мало (т. е. период велик), то и это уменьшение мало (упр. 32). При фиксированном X большим значениям т (удовлетворяющим неравенству (2т + + 1) X < 2л) соответствует меньший коэффициент пропорциональ ности (упр. 33). Если 2m + 1 = 2л/Х (длина скользящего усредне ния равна периоду), то сглаженное значение равно нулю.
Основная цель сглаживания состоит в оценивании тренда, или ожидаемого значения yt с наименьшей ошибкой. Ошибка склады
вается здесь из смещения (30) и случайной составляющей и] —
—2 csut+s- Первую составляющую можно измерить ее квадратом,
авторую — ее дисперсией а2Ь°° = ст2с0. При фиксированном k смещение с увеличением т в большинстве случаев возрастает, а дисперсия убывает. В то же время при фиксированном m смещение с увеличением k убывает, а дисперсия возрастает. Статистик, кото рому приходится использовать сглаживающую формулу, должен выбрать значения k и т. Он мог бы использовать в качестве меры ошибки среднеквадратичную ошибку, которая является суммой указанной дисперсии и среднего квадрата смещения. Если бы дис персия а2случайных ошибок щ была известна и если бы были извест ны средние квадраты смещений для каждой комбинации k и т, то статистик смог бы выбрать комбинацию k и т, минимизирующую эту меру ошибки. Однако здесь трудно дать какую-либо рекоменда цию, поскольку дисперсия и среднеквадратичное смещение ведут
70 ТРЕНДЫ И СГЛАЖИВАНИЕ Гл. 3.
себя в отношении k и т противоположным образом. Если а2 мало, то можно удовлетвориться относительно малым т.Чем более гладкой является f (f), тем меньшим может быть выбрано k при фиксирован ном т (или тем большим выбрано т при фиксированном k). В дейст вительности, конечно, эти характеристики не известны, а должны быть оценены по имеющимся данным. Поэтому выбор k n m является статистической задачей со многими решениями, которую трудно даже сформулировать, не говоря уже о ее строгом статистическом решении. Поэтому практик должен действовать здесь исходя из своей интуиции и накопленного опыта.
Другой подход состоит в том, чтобы выяснить, каково наимень
шее к, такое, что средний квадрат смещения |
близок или равен |
||
нулю, когда т фиксировано или |
когда т — заданная |
функция |
|
переменной k> например т = k + |
1. Мы рассмотрим этот подход |
||
в следующем параграфе. |
для оценки |
тренда |
является |
Преимуществом сглаживания |
его гибкость в том смысле, что предположения, при которых его можно использовать, не очень обременительны. Однако, поскольку этот метод не основывается на явной вероятностной модели, свойст ва его не вполне определены и статистические выводы ограничены. Например, тренд здесь не определяется малым числом параметров, для которых можно было бы указать доверительные области. Не возможно проверять гипотезы относительно тренда. Нельзя непо средственно связать функцию, оценивающую тренд, с теорией или с моделью образования наблюдаемого ряда. При сглаживании оце нивающая тренд функция годится скорее для целей описания, не жели для целей анализа ряда и его интерпретации. Из-за того, что этот метод не базируется на явной вероятностной модели, он не может быть изложен полностью и строго в терминах математической статистики (по крайней мере кратко).
Имеется и серьезная практическая трудность в применении сгла
живания. Для того чтобы получить величину у), |
оценивающую |
|
тренд в точке /, необходимо использовать значения |
yt~m, |
Уь+т* |
Поскольку эта процедура основывается на наблюдениях уъ ..., ут,
то первым сглаженным значением будет Ут+\> а последним у*т-т- Тем самым, мы не имеем оценок тренда в начале периода наблюде ний и в его конце. Для оценки тренда в этих точках необходимо при влекать какие-то другие соображения.
Сглаживание само по себе, конечно, не дает средних прогнози рования. Экстраполяция оцененного тренда весьма ненадежна от части из-за того, что тренд не оценивается для последних т мо ментов времени.
Мы основывали сглаживание на нечетном числе членов с сим метричными весами. Если используется четное число членов с сим метричными весами, то сглаженное значение интерпретируется как
3.3. СГЛАЖИВАНИЕ 71
оценка тренда в точке, лежащей посередине между двумя средни ми точками. Это может оказаться неудобным.
Скользящее |
усреднение с равными весами (k = 0) можно легко |
|
осуществить |
на |
клавишной вычислительной машине, поскольку |
т |
|
|
сумма 2 |
l/t+s |
измеряется при каждом t путем вычитания одного |
s=—т |
|
|
члена и добавления |
другого. Эти суммы запоминаются и затем каж |
|
дая делится на 2т + |
1 (или умножается на 1/(2т + 1)). Представляет |
|
значительный интерес аппроксимация процедуры |
сглаживания |
|
с неравными весами последовательностью процедур |
сглаживания, |
использующих равные веса. Конечно, при наличии быстродействую щей вычислительной машины нет никакой нужды упрощать коэф фициенты.
Сглаживание с использованием скользящего среднего имеет длинную историю, причем к нему пришли первоначально с точки зрения, отличной от статистической. [См. Уиттекер и Робинсон (1926).] Иногда бывает необходимо интерполировать между точками, в которых наблюдения производились. В интерполяционных форму лах используются последовательные разности. Для того чтобы эти разности вели себя гладким образом, перед интерполированием можно применить формулы сглаживания. С этой точки зрения две сглаживающие процедуры эквивалентны с точностью до некоторого порядка, если разности этого порядка согласуются для каждой пары сглаженных рядов, полученных в результате применения этих двух процедур. (См. § 3.4.) Говорят, что процедура является точ ной до разностей некоторого порядка, если она не нарушает разно стей этого порядка для полиномов. Одной из часто используемых процедур, точных до разностей третьего порядка, является 15-то чечная формула Спенсера. Эта процедура выполняется таким обра зом. Сначала вычисляются величины
(35)у\ = (— 3t//_2 + 3yt—\ + 4yt -f- 3yt+] —3 r/*_j-2)/4,
затем усредняются (с равными весами) 5 последовательных у), да лее — 4 последовательных члена полученного ряда и, наконец, усредняются 4 последовательных члена последнего ряда. Другой процедурой, сохраняющей разности третьего порядка, является 21-точечная формула Спенсера, соответствующая вычислению ве личин
(36) |
у* = (— yt—з + yt—i + 2у1+ yt+\ — yt+з)/2 |
и поочередному усреднению 7, затем 5 и 5 членов получающихся рядов. Обе эти процедуры сравнительно легко реализуются,
72 |
ТРЕНДЫ И СГЛАЖИВАНИЕ |
Гл. 3. |
3.3.3. Сезонные изменения
Если на временной ряд накладываются регулярные периоди ческие изменения, то полезным оказывается иной подход. Во многих ежемесячных временных рядах проявляется, например, сезонный фак тор. Изучаемую функцию времени можно записать при этом в виде
(37) |
&/, = т = £ ( о + м о , |
|||
где функция g (t) имеет период п (12 для |
ежемесячных данных, 4 |
|||
для ежеквартальных и т. д.), т. е. |
|
|
||
(38) |
g(t + n) = g(t), |
t = |
1, . . . |
, Г — п. |
Мы можем нормировать g (t) таким образом, чтобы |
||||
(39) |
2 g ( 0 = |
0. |
|
|
|
t=1 |
|
|
|
Из периодичности g (t) следует при этом, что и |
||||
(40) |
2 ig ( t + s) = 0, |
5 = |
0.......... Т — п. |
|
|
t=1 |
|
|
|
Обычно Т выбирается таким, чтобы оно делилось нацело на п9Т = = Нп. (Например, при ежемесячных данных за h лет Т = 12А.) При произвольном выборе f(t) данное выше описание не позволяет однозначно определить g (t) до тех пор, пока не будут наложены определенные условия на функцию h (t). Обычно предполагается, что она или является медленно меняющимся трендом, или цикли ческая.
Скользящее среднее с п членами и равными коэффициентами бу
дет устранять сезонное колебание g |
(t) в том смысле, что |
||
(41) |
8 -jr 2 |
tJt+s = - ~ 2 h(t + s). |
|
|
п s= 1 |
п |
s=l |
Если п четное, п = 2т, что обычно имеет место в экономических данных, то используем
(42)t f — sk
Тогда
<43) « * « - £ -
_ L
2m
|
Ut-\-s "1“ |
o |
Ut—п"1“ 9 yt^ftn » |
|
|
|
|
|
t= z m + l, |
... |
, T ~ m . |
m—\ |
f (t + |
s) + |
-9“ f (t — тп) + -«г / |
+ |
m) |
2 |
|||||
=—(m-1) |
|
|
|
|
m—1
2(m-1) h(t + s) + ~ - h (t~ m ) + ^ - h (i + tn)