|
ИСТИНА |
Войти в систему Регистрация |
Интеллектуальная Система Тематического Исследования НАукометрических данных |
||
Сезонная корректировка недельных оценок индекса потребительских цен (принята к публикации)статья
Статья опубликована в журнале из списка RSCI Web of Science
Статья опубликована в журнале из перечня ВАК- Автор: Латыпов Р.
- Журнал: Вопросы статистики
- Том: 32
- Номер: 3
- Год издания: 2025
- Аннотация: Наиболее распространенные методы устранения сезонности во временных рядах, например, X-13ARIMA-SEATS, подходят для месячных и квартальных данных, но не для недельных. Сезонность нередко присутствует и в недельных данных, к которым относятся оценки индекса потребительских цен (ИПЦ) Росстата. В данной работе выявлено, что сезонность в недельном ИПЦ идентифицируется статистическими тестами. Наличие сезонности в недельном ИПЦ и многих его компонентах усложняет анализ индекса, что оправдывает поиск и разработку подходов к устранению сезонности в его динамике. Проблема сезонной корректировки временных рядов с недельной частотой в российской экономической литературе прежде не рассматривалась. В данной работе впервые обсуждается проблема устранения сезонности в недельных оценках ИПЦ Росстата. Целью работы является исследование прямого (применительно ко всему индексу) и непрямого (покомпонентного) подходов к сезонному сглаживанию недельных оценок ИПЦ. Задачами исследования является коррекция на сезонность динамики недельного ИПЦ и отдельно его компонентов и выбор наиболее предпочтительной из трех моделей: Prophet, MoveReg и STL (Seasonal-Trend decomposition using locally estimated scatterplot smoothing). Сопутствующей задачей является разработка подхода к выявлению сезонного фактора в недельных рядах ИПЦ на основе статистических тестов Льюнга-Бокса и его модификации QS-теста. По результатам экспериментов определяется наиболее подходящий метод для устранения сезонности в недельных оценках ИПЦ Росстата. Установлено, что предпочтителен прямой подход к устранению сезонности, т.е. в применении ко всему индексу, а не отдельно ко всем его компонентам. Также установлено, что наиболее предпочтительной является модель STL, так как, в отличие от двух других моделей, она менее склонна к переобучению, т.е. «избыточному» устранению сезонности.
- Добавил в систему: Латыпов Родион Ринатович