Au fost inregistrate valorile ratei inflatiei din Romania in perioada ianuarie 2000 -
decembrie 2007. Pentru acestea se doreste elaborarea unui model dinamic (pentru seriile de timp).
In acest scop a fost studiata stationaritatea seriei, cu ajutorul testului ADF. Seria ratei inflatiei nu
este stationara (a se vedea seminarul anterior), si din acest motiv ea a fost diferentiata de ordinul
unu. In continuare se doreste identificarea catorva forme plauzibile ale modelului ce explica
evolutia seriei diferentiate a ratei inflatiei. Aceasta identificare se va face plecand de la
reprezentarea grafica a functiilor de autocorelatie si autocorelatie partiala pentru seria de date
referitoare la rata inflatiei diferentiata de ordinul 1. Aceasta reprezentare se prezinta astfel:
Sa se identifice cateva forme posibile ale modelului ce explica evolutia seriei diferentiate a
ratei inflatiei.
Solutie:
Forma grafica a functiilor de corelatie - ACF si autocorelatie partiala - Partial ACF permite
identificarea modelelor potrivite pentru a explica evolutia in timp a unor variabile economice.
Prezentam in continuare aceste doua functii.
Functia de autocorelatie ACF
- functia de autocorelatie a variabilei Yt, notata cu - k reprezinta acea functie care indica
legatura temporala existenta intre termenii seriei care se gasesc la un interval k de timp. Astfel,
intensitatea legaturii dintre valorile variabilei Y aflate la distanta de o perioada unele de altele
(intensitatea legaturii dintre valoarea ratei inflatiei din luna t fata de luna t-1) se masoara cu ajutorul
functiei de autocorelatie - 1. Analog, se determina - 2, - 3, etc.
- cu cat k creste este normal ca - k sa scada.
- functia ia valori in intervalul [-1, +1], iar semnificatia acesteia este similara cu cea a
raportului de corelatie: cu cat valoarea este mai apropiata de 1 sau -1, cu atat legatura este una mai
intensa, directa daca are valori pozitive, sau inversa, daca ia valori negative.
Functia de autocorelatie partiala PACF
- functia de autocorelatie partiala masoara relatia intre variabila explicata, dependenta Yt-k si
variabila explicativa sau independenta Yt stiind ca sunt luate in calcul si efectele generate de
celelalte variabile adica Yt-1, Yt-2, Yt-k-1.
- ia valori in intervalul [-1, +1], iar semnificatia acesteia este similara cu cea a raportului de
corelatie: cu cat valoarea este mai apropiata de 1 sau -1, cu atat legatura este una mai intensa,
directa daca are valori pozitive, sau inversa, daca ia valori negative.
Aspectul reprezentarii grafice a acestor doua functii permite identificarea tipului de model
potrivit pentru variabila studiata.
Astfel, modelele pot fi :
- de tip AR (p)
- de tip MA (q)
- de tip ARMA (p,q)
- unde p, si q sunt doi parametri, valori numerice, pozitive, intregi, ce trebuie identificate.
Aspectul graficelor celor doua functii pentru un model AR:
ACF si PACF pentru un model AR(1)
t 0 1 t-1 2 t-2 p t-p t y = a +a y + a y + + a y + -
t 0 1 t-1 q t-q t y = b + b - + + b - + -
t 0 1 t-1 2 t-2 p t-p 1 t-1 q t-q t
AR(p) MA(q)
y =a + a y + a y + + a y + b - + + b - + -
1444442444443 144424443
ACF si PACF pentru un model AR(2)
Observatie:
Pentru un model de tip AR(p), valoarea constantei p este data de numarul de valori
semnificativ diferite de zero ale functiei de autocorelatie partiala PACF.
Documentul este oferit gratuit,
trebuie doar să te autentifici in contul tău.