تخمین مدل و استنتاج آماری بررسی ایستایی (ساکن بودن) سری های زمانی

تخمین مدل و استنتاج آماری

بررسی ایستایی (ساکن بودن) سری های زمانی

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 برای استنباطی در مورد جامعه آماری مورد استفاده قرار می دهیم، در تحلیل سریهای زمانی از مصداق برای استنباطی در مورد فرآیند تصادفی زیر ساختی استفاده می کنیم. نوعی از فرآیندهای تصادفی که مورد توجه بسیار زیاد تحلیل گران سریهای زمانی قرار گرفته است فرآیندهای تصادفی ایستا می باشد.

تغییرات ساختاری و آزمون ریشه واحد پرون

وجود ریشه واحد و ناپایایی که در اغلب متغیرهای سری زمانی اقتصد کلان ملاحظه می شود ممکن است ناشی از عدم توجه به شکست عمده ساختاری در روند این متغیرها می باشد. اگر سریهای زمانی، در طول زمان دچار تغییرات ساختاری و شکست شوند، آزمونهای استاندارد ریشه واحد نظیر آزمون دیکی- فولر مناسب ترین آزمون برای قبول یا رد فرضیه ریشه واحد نبوده و نمی توانند آن فرضیه را رد کنند.

پرون به منظور نشان دادن اثرات تغییرات ساختاری بر روی سریهای زمانی و بررسی وجود فرضیه ریشه واحد، متغیرهای مجازی را به الگوی ADF اضافه کرد. سه مدل پیشنهادی پرون، به صورت زیر است:

که در آن DU و DTB و DT متغیرهای مجازی هستند. Y_t متغیر مورد آزمون و TB سال شکستگی در روند زمانی متغیر مورد نظر است. Dut برای t >T_B برابر یک و برای بقیه سالها صفر است، DTB برای t=T_B+1 برابر با یک و برای بقیه سالها صفر است و DT برای سالهای بزرگتر از سال شکست ساختاری به صورت t-T_B(t >T_B) تعریف می شود و برای بقیه سالها صفر است، به عبارت دیگر (برای t>T_B) DT=t است. فرض صفر در الگوهای فوق مانند آزمون دیکی- فولر تعمیم یافته همچنان خواهد بود. یادآوری می شود که در الگوهای فوق، تنها امکان یک شکست ساختاری وجود دارد.

رگرسیون ساختگی

در رگرسیونهای مبتنی بر متغیرهای سری زمانی (رگرس یک متغیر سری زمانی بر سری زمانی دیگر) محققان غالباً R² بالایی را مشاهده می کنند، هرچند که رابطه معنی‌داری بین متغیرها وجود نداشته باشد. این وضعیت نشان دهنده رگرسیون ساختگی (کاذب) است.

این مشکل ناشی از آن است که هر دو متغیر سری زمانی (متغیر وابسته و متغیر توضیحی) تمایل شدیدی نسبت به زمان (حرکتهای نزولی و صعودی) از خود نشان می‌دهند و لذا R² بالایی که مشاهده می شود، نه به واسطه ارتباط حقیقی بین متغیرها بلکه بواسطه وجود متغیر زمان می باشد.

نتایج چنین رگرسیونهایی اغلب عالی به نظر می رسند، R² بالا و نسبتهای t معنی دار بالا (بصورت قابل توجه) برای متغیرهای توضیحی، در این بین تنها اشکال پایین بودن آماره d (دوربین- واتسون ) است.

گرنجر و نیوبلد یک روش تجربی برای شناسایی رگرسیون ساختگی پیشنهاد کردند. (R² خیلی بالا و D.W خیلی پایین بطوریکه R²>D.W باشد).

- آزمون هم انباشتگی (هم جمعی)

روشهای متعددی برای آزمون هم انباشتگی در مقاله های مختلف ارائه شده است. دو روش ساده آزمون هم انباشتگی عبارتست از: (1) آزمون DF یا ADF براساس U_t تخمینی از رگرسیون هم انباشتگی و (2) آزمون رگرسیون هم انباشتگی دوربین- واتسون (CRWD).

روش آزمون انگل- گرنجر (EG) و انگل- گرنجر تعمیم یافته (AEG) به این ترتیب است که ابتدا رگرسیونی نظیر رگرسیون (A) را به روش OLS برآورد می‌کنیم و جملات خطای آنرا به دست می آوریم. سپس به روش دیکی- فولر (DF) یا دیکی- فولر تعمیم یافته (ADF) ناپایائی جملات خطا را آزمون می کنیم. اگر جملات خطا پایا باشند آنگاه نتیجه گیری خواهیم کرد که متغیرهای مورد بحث هم جمع اند. اما نکته قابذ توجه در این مورد آن است که چون مقدار واقعی مشخص نیست و ما از برآورد آن در برآورد کمیت های U_t استفاده می کنیم و در حقیقت خود U_tها هم برآورد هستند، مقادیر بحرانی DF و ADF برای آزمون ناپایایی U_t مناسب نیست. دو دلیل عمده برای این امر وجود دارد. یکی اینکه ساختار روش OLS به گونه ای است که آنچنان برآوردی را برای ضرایب انتخاب می کند که جملات خطا کوچکترین واریانس نمونه را داشته باشند. بنابراین حتی اگر متغیرها هم جمع هم نباشند این امر موجب می شود جملات خطا بیشتر پایا به نظر برسند. در نتیجه استفاده از کمیت‌های

بحرانی معمول دیکی- فولر موجب می شود تا فرضیه صفر بیشتر رد شود. دومین دلیل آن است که توزیع آماره آزمون آن متاثر از تعداد متغیرهای توضیح دهنده ای است که در رگرسیون وارد می شوند. به این لحاظ، انگل و گرنجر مقادیر بحرانی DF و ADF را برای آزمون هم جمعی با توجه به نکات فوق محاسبه کرده اند. در این ارتباط آزمونهای دیکی- فولر و دیکی- فولر تعمیم یافته به آزمونهای انگل- گرنجر (EG) و انگل گرنجر تعمیم یافته (AEG) شهرت یافته اند.

خرید فایل

استنتاج اعتماد در شبکه های اجتماعی با استفاده از بهینه سازی الگوریتم ژنتیک

استنتاج اعتماد در شبکه های اجتماعی با استفاده از بهینه سازی الگوریتم ژنتیک

با رشد سریع شبکههای اجتماعی در وب و با توجه به این که امروزه بخش عمدهای از تعاملات، بین افراد ناشناس صورت میگیرد، اعتماد نقش مهمی در شکلگیری روابط بین کاربران ایفا میکند.استنتاج اعتماد رویکردی است که برای این منظور استفاده میشود. هدف از این مقاله، استنتاج اعتماد در شبکههای ...

دریافت فایل

طراحی یک سیستم استنتاج فازی برای تخمین و پیش بینی فرآیند تعقیب خودرو در جریان ترافیک

طراحی یک سیستم استنتاج فازی برای تخمین و پیش بینی فرآیند تعقیب خودرو در جریان ترافیک

فرآیند تعقیب خودرو، به عنوان رفتار غالب در بزرگراههای شهری، حرکت طولی یک راننده و خودرو را در زمانی که خودرو جلویی را دنبال مینماید را توصیف میکند. در سالهای اخیر روش-های محاسبات نرم به دلیل برخورد توانمند با عدم قطعیتها وطبیعت غیرخطی جریان ترافیک، کاربردهای فراوانی در ...

دریافت فایل

صنایع 4. سیستم استنتاج فازی تطبیقی (SAFIS) برای پیش بینی و شناسایی سیستم های غیرخطی

» :: صنایع 4. سیستم استنتاج فازی تطبیقی (SAFIS) برای پیش بینی و شناسایی سیستم های غیرخطی

سیستم استنتاج فازی تطبیقی (SAFIS) برای پیش بینی و شناسایی سیستم های غیرخطی

چکیده

در این مقاله سیستم SAFIS بر مبنای شباهت های عملکردی بین شبکه توابع و سیستم میانجی فازی (FIS) ایجاد می گردد. در سیستم SAFIS، مفاهیم مربوط به تاثیر قوانین فازی معرفی شده و با استفاده از این موارد، قوانین مربوط به فازی بر مبنای داده های ورودی که تا به حال دریافت شده اند، حذف یا اضافه می گردند. اگر داده های ورودی مانع اضافه شدن قوانین فازی شدند، به این ترتیب تنها پارامترهای مربوط به قوانین مشخص با استفاده از طرح فیلتر کالمن به روز می گردند. عملکرد SAFIS با چندین الگوریتم موجود در ارتباط با تعیین مشکلات دو سیستم غیر خطی و پیش بینی مشکلات در زمان آشفتگی مقایسه می گردد. نتیجه نشان می دهد که SAFIS که داراتی قوانین کمتری می باشد در مقایسه با الگوریتم های دیگر دارای صحت بیشتر . یا در سطح مشابه آن ها می باشد.

کلیدواژه: سیستم انطباق زنجیره فازی (SAFIS)؛ GAP-RBF؛ GGAP-RBF؛ تاثیر قوانین فازی؛ فبلتر بسط داده شده کالمن.

خرید و دانلود محصول

1394/09/28

---

سیستم انطباق زنجیره فازی , SAFIS , GAP-RBF , فبلتر بسط داده شده کالمن , تاثیر قوانین فازی , GGAP-RBF , Sequential Adaptive Fuzzy Inference System , nonlinear system identificatiom , prediction , مقاله انگلیسی مهندسی صنایع با ترجمه فارسی , مقاله انگلیسی مهندسی صنایع با ترجمه

---

لینک محصول

http://kavoshgar.zepo.ir/post/28848

Turbo Pascal طبقه بندی استنتاج

» :: Turbo Pascal طبقه بندی استنتاج

طبقه بندی طبقه بندی استنتاج بطور کلی استدلال وجود یک خاصیت منحصر به خود از نمونه برنامه عملی است . ما بحث می کنیم که چنین ساختاری ممکن است از فایده رساندن قابل توجهی برای هم چنین زبان دستوری استانداردی است . ما ارائه می دهیم که یک ابزار کاری ( قابل دسترس بوسیله www ) که این فواید را برای یک تفسیر کلی از Turbo Pascal پذیرفته خواهد می کند . آن ساختاری از یک پیش فرایند را دارد که برنامه ها را در آن نوع تفسیری که فقط جزیی و یا حتی غیر موجود است تجزیه و تحلیل می کند . نتیجه گرفته

می شود که برنامه همه نوع تفسیری رت دارد که بوسیله استاندارد مولف Turbo Pscal پذیرفته خواهد شد و...

---------------------------------------

فایل در فرمت Doc میباشد و برای استفاده از آن باید از نرم افزارهایی مانند Word و مشابه آن استفاده کنید .

فونت پیش فرض نوشتار B Yekan میباشد .

خرید و دانلود محصول

-

1394/06/09

---

Turbo Pascal طبقه بندی استنتاج , طبقه بندی استنتاج , Turbo Pascal

---

لینک محصول

http://kavoshgar.zepo.ir/post/5128