|
ИСТИНА |
Войти в систему Регистрация |
Интеллектуальная Система Тематического Исследования НАукометрических данных |
||
Вейвлет-анализ временных рядов в модели кочевников и землепашцевстатья
Дата последнего поиска статьи во внешних источниках: 16 января 2019 г.
- Автор: Белоусов Ф.А.
- Журнал: Вестник Воронежского государственного университета инженерных технологий (ВГУИТ)
- Том: 80
- Номер: 1
- Год издания: 2018
- Издательство: Воронежский государственный университет инженерных технологий
- Местоположение издательства: Воронеж
- Первая страница: 288
- Последняя страница: 297
- DOI: 10.20914/2310-1202-2018-1-288-297
- Аннотация: Статья посвящена изучению полученных в более ранних работах временных рядов с помощью эконометрического и вейвлет-анализа. На первом этапе данного исследования был проведен эконометрический анализ, была построена регрессия, с помощью которой изучалось влияние численности кочевников и количества ресурса на численность землепашцев. Коэффициент детерминации (R2) построенной регрессии получился равным 0,81, статистика Дарбина-Уотсона равна 0,94, что свидетельствует о наличии положительной атвокорреляции ошибок первого порядка. На следующем этапе осуществляется анализ на основе вейвлет-преобразований, с помощью которого удается избавиться от высокочастотных «шумов» и помехи в исследуемых временных рядах. В рамках данной работы были рассмотрены вейвлет Хаара и вейвлет Добеши порядка 2 (остальные вейвлеты дают похожие результаты). После того, как с помощью вейвлет-анализа временные ряды были очищены от помех, снова был применен регрессионный анализ. Коэффициент детерминации новых регрессий в зависимости от того какой вейвлет был применен и помехи какой частоты были убираны принял значения в диапазоне от 0,86 до 0,93. Однако статистика Дарбина-Уотсона уменьшила свои значения и стала принимать значения в пределах от 0,01 до 0,46, что по прежнему говорит о наличии положительной автокорреляции ошибок первого порядка. В итоге поучаем, что в данной ситуации применение вейвлет-анализа заметно увеличивает объясняющую способность регрессии, с другой стороны проблему автокорреляции ошибок разрешить таким способом не удаётся, в некотором смысле она только усугубилась.