|
تخمین مدل و استنتاج آماری
قبل از تخمین مدل، به بررسی ایستایی می پردازیم می توان چنین تلقی نمود که هر سری زمانی توسط یک فرآیند تصادفی تولید شده است داده های مربوط به این سری زمانی در واقع یک مصداق از فرآیند تصادفی زیر ساختی است وجه تمایز بین (فرآیند تصادفی) و یک (مصداق) از آن، همانند تمایز بین جامعه و نمونه در داده های مقطعی است درست همانطوری که اطلاعات مربوط به نمونه را بر
|
|
| دسته بندی | اقتصاد |
| فرمت فایل | doc |
| حجم فایل | 53 کیلو بایت |
| تعداد صفحات فایل | 23 |
فایل بدون منابع می باشد
برای تاکید بیشتر تعریف ایستایی، فرض کنید Yt یک سری زمانی تصادفی با ویژگیهای زیر است:
(۱) میانگین:
(۲) واریانس :
(۳) کوواریانس :
(۴) ضریب همبستگی :
که در آن میانگین ، واریانس کوواریانس (کوواریانس بین دو مقدار Y که K دوره با یکدیگر فاصله دارند، یعنی کوواریانس بین Yt و Yt-k) و ضریب همبستگی مقادیر ثابتی هستند که به زمان t بستگی ندارند.
اکنون تصور کنید مقاطع زمانی را عوض کنیم به این ترتیب که Y از Yt به Yt-k تغییر یابد. حال اگر میانگین، واریانس، کوواریانس و ضریب همبستگی Y تغییری نکرد، می توان گفت که متغیر سری زمانی ایستا است. بنابراین بطور خلاصه می توان چنین گفت که یک سری زمانی وقتی ساکن است که میانگین، واریانس، کوواریانس و در نتیجه ضریب همبستگی آن در طول زمان ثابت باقی بماند و مهم نباشد که در چه مقطعی از زمان این شاخص ها را محاسبه می کنیم. این شرایط تضمین می کند که رفتار یک سری زمانی، در هر مقطع متفاوتی از زمان، همانند می باشد .
