يک سري زماني دنبالهاي از مشاهدات براي يک متغير معين است که يک ترتيب غير قابل تغيير را در طول زمان دارد. استفاده از الگوهاي سريهاي زماني براي پيشبيني به دليل نياز به متغيرهاي کمتر نسبت به الگوهاي اقتصادسنجي بسيار مفيدتر است.
چنين الگوهايي به سادگي ساخته شده و در استفاده از آنها نيازي به اطلاعات قبلي در خصوص روابط علي ميان متغيرها نيست. به علاوه در بسياري موارد، توضيح يا پيشبيني رفتار يک سري زماني با استفاده از الگوی ساختاري غيرممکن يا دشوار است. به طورکلي، الگوهاي سري زماني در پيشبينيهاي کوتاه مدت نسبت به الگوهاي اقتصادسنجي (خصوصاً در شرايط همخطي شديد، پايين بودن درجه آزادي، معني دار نبودن ضرايب و نظاير آن) نتايج بهتري ارائه کردهاند. بايد توجه داشت که دسترسي به دادههاي کافي يکي از شرايط اساسي استفاده از الگوهاي سري زماني است.
کتاب حاضر دريچه ای جهت تحليل سریهای زمانی و داده های تابلويي در محيط نرم افزاری اييويوز است که در هفت فصل پس از طرح چگونگی تشکيل فايل در محيط اييويوز، به تحليل و چگونگی برآورد الگوهای خود توضيح ميانگين متحرک انباشته (اريما)، الگوهای خود توضيح برداری (ور) و الگوهای خود توضيح واريانس ناهمسان شرطی (آرچ و گارچ) در قالب سریهای زمانی پرداخته است. آنگاه در چارچوب ساختار داده‌های ترکيبی و تابلويي تحليل های جامع و کاملی ارائه شده است. به همين لحاظ مطالعه اين کتاب به دانشجويان رشتههای آمار، رياضی، اقتصاد و حسابداری به ويژه دانشجويان مقاطع تحصيلات تکميلی توصيه اکيد میشود.
فصل ۱: مبانی تشکیل فایل در محیط اییویوز
فصل ۲: رگرسیون سری زمانی
فصل ۳: روش خود توضیح‌برداری (VAR)
فصل ۴: برآورد الگوهای آرچ و گارچ
فصل ۵: داده‌های ترکیبی سری زمانی- مقطعی
فصل ۶: کار با داده‌های تابلویی
فصل ۷: برآوردهای تابلویی
دیدگاهها
هیچ دیدگاهی برای این محصول نوشته نشده است.