Novēlots izplatītais autoregresīvais modelis (ADR) (I) 2021. gads

Lagged Distributed Autoregressive (ADR) modelis no angļu valodasAutoregresīvs izplatīts lag modelis(ADL) ir regresija, kas papildus atpalikušajam atkarīgajam mainīgajam ietver arī jaunu atpalikušu mainīgo.

Citiem vārdiem sakot, ADR modelis ir p-pakāpes autoregresīvā modeļa AR (p) paplašinājums, kas laika posmā pirms atkarīgā mainīgā perioda ietver vēl vienu neatkarīgu mainīgo.

ADR modeli izsaka kā ADR (p, q), kur:

p = ir atkarīgā mainīgā (Y) atpalikušie periodi.

q = ir papildu neatkarīgā mainīgā (X) atpalikušie periodi.

Matemātiski

AR modelis (p):

Jauns papildu neatkarīgais mainīgais (X):

ADR modelis (p, q):

Tiek saukts ADR modelisautoregresīvs jo regresija ietver novēlotas vērtības laikālpp atkarīgā mainīgā periodi kā regresori.Izplatīts atpalicība jo regresija ietver arī citas vērtības, kas atpalika laikākas papildu neatkarīgā mainīgā periodi.

Mēs definējam kļūdas terminu (u_t) un mēs pieņemam:

Šis pieņēmums nozīmē, ka citas atpalikušās Y un X vērtības nepieder ADR modelim. Tas ir, visas atpalikušās vērtības ir starp Y_t-pun X_t-q.

Mēs iesakām izlasīt rakstu: dabiskie logaritmi, AR (1).

Praktisks piemērs

Mēs pieņemam, ka mēs vēlamies izpētīt cenu slēpošanas caurlaides šai sezonai 2019. gadam (t) atkarībā no caurlaides cenām un no iepriekšējās sezonas atvērto melno nogāžu skaita (t-1). Tātad, tā vietā, lai izmantotu AR (p) modeli, mēs varam piemērot ADR (p, q) modeli, jo tajā ir iekļauti abi neatkarīgi mainīgie:slēpošanas caurlaides_t-1Jādziesmas_t-1.

Modelis būtu:

Mums ir cenas slēpošanas caurlaidesno 1995. līdz 2018. gadam:

Pēc tam mēs atgriezīsimies tikai vienā periodā:

p = ir atkarīgā mainīgā atliktie periodi (slēpošanas caurlaides_t) = 1

q = ir papildu neatkarīgā mainīgā atliktie periodi (dziesmas_t)= 1

ADR (p, q) = ADR (1,1)

Mēs varētu iekļaut vairāk mainīgo, kas attiecas uz modeli, un palielināt aizkavēšanās periodus katrā mainīgajā līdz ADR (p, q).