نماذج اريما ARIMA وطريقة بوكس جيكينز: مقدمة: نماذج اريماARIMA السكون نماذج االنحدار الذاتي للسلسلة الزمنية نماذج المتوسط المتحركMA نماذج ارماARMA السل

النسخ

1 نماذج اريما ARIMA وطريقة بوكس جيكينز: مقدمة: نماذج اريماARIMA السكون نماذج االنحدار الذاتي للسلسلة الزمنية نماذج المتوسط المتحركMA نماذج ارماARMA السلسلة الزمنية المتكاملة ونماذجARIMA : Box-Jenkins اختيار النموذج باستخدام طريقة بوكس جينكينز مثال 1

2 مقدمة: في هذا الفصل سنناقش تقدير معادلة واحدة بطريقة مختلفة عن الفصول السابقة. في تلك الفصول تم مناقشة سلوك المتغير التابع باستخدام عدد من المتغيرات المفسرة. في تحليل السالسل الزمنية نبدأ تحليل المعلومات التي يمكن التحصيل عليها من المتغير نفسة. تحليل سلسلة زمنية واحدة يسمى سلسلة زمنية احادية المتغير univariae ime series في هذا الموضوع الهدف من تحليل السالسل الزمنية هو اسر واختبار ديناميكية البيانات في االقتصاد القياسي للسالسل الزمنية يمكن ان يكون هناك نماذج سلسلة زمنية متعددة المتغيرات سوف يتم مناقشتها في فصول قادمة. كما ذكر سابقا االقتصاد القياسي التقليدي ركز على استخدام النظرية االقتصادية ودراسة العالقات المعاصرة من اجل شرح العالقات بين المتغير التابع والمتغيرات المفسرة. من اآلن فصاعدا نستخدم مسمى االقتصاد القياسي التقليدي لتمييزه عن االقتصاد القياسي الحديث. المتغيرات المتباطئة يتم تعريفها بين آونة وأخرى ولكن ليس بمنهجية محددة او على األقل ليس بطريقة تحاول تحليل الديناميكية او الهيكل الزماني للبيانات. هناك عدة جوانب لتحليل لسلسلة الزمنية ولكن هناك موضوع مشترك لها وهو استخدام كامل للهيكل الديناميكي للبيانات المقصود هو استخراج كل ما يمكن من معلومات من المعلومات التاريخية للسلسلة الزمنية. المبدأين األساسين لتحليل السلسلة الزمنية هي التنبؤ والنموذجة الديناميكية. التنبؤ مختلف عن بناء نموذج هيكلي وتفهم االقتصاد او اختبار فرضية. هو مهتم ببناء نماذج تنبؤ فعالة. تعمل عادة باستغالل العالقات المتبادلة التي وجدت عبر الزمن لمتغير واحد. النمذجة الديناميكية في الجانب اآلخر مهتمة بالبناء الهيكلي لالقتصاد واختبار الفرضيات, وذلك لتفهم العملية يجب ان اسر عملية التكيف التي قد تكون طويلة ومعقدة. منذ بداية الثمانينات اساليب حديثة طورت في التنبؤ لذلك سوف نبدأ هذا الفصل بنماذج اريما.ARIMA نماذج اريما ARIMA (1976) Jenkins BOX and عرف نماذج اريما المصطلح يعني: AR=auoregressive انحدار ذاتي. I-inegraed متكاملة. 2

3 MA=moving average المتوسط المتحرك. االجزاء التالية ستعرض اصدارات مختلفة لنماذج اريماARIMA وستقدم مفهوم السكون سنبدأ بشرح ابسط نموذج نموذج االرتباط الذاتي من الدرجة 1 ثم نستمر لمسح نماذج اريماARIMA. واخيرا طريقة بوكس جيكينز الختيار النموذج ثم يليه عرض للتنبؤ. السكون: أي سلسلة زمنية يمكن ان تولد من عملية عشوائية و مجموعه من البيانات مثل الجدول التالي الجمالي الناتج المحلي للسعودية: البيانات في GROSS DOMESTIC PRODUCT (GDP) السنة السنة gdp gdp السنة gdp السنة gdp الجدول يعتبر خاص )عينة( كامنة وراء عملية عشوائية. الفرق بين عملية عشوائية وخاصتها هو مشابه للفرق بين المجتمع والعينة في دراسات مقطعية. كما نستخدم بيانات العينة لعمل استدالل عن المجتمع في السلسلة الزمنية يستخدم البيانات الخاصة لبناء استدالل عن العملية العشوائية الكامنة وراءها. نوع من العملية العشوائية القى اهتماما كبيرا في تحليل السالسل الزمنية هو ما يسمى العملية العشوائية الساكنة. عملية عشوائية تسمى ساكنة عندما يكون المتوسط والتباين ثابت عبر الزمن وقيمة التغاير بين فترتين زمنيتين يعتمد على المسافة او المتباطئة بين فترتين زمنيتين وليس الوقت الزمني الحقيقي التي حسب فيها التغايير. لشرح هذا اذا كانت Y سلسلة زمنية عشوائية لها الخصائص التالية: 3

4 المتوسط Mean: E(Y ) = μ Variance: var(y ) = E(Y π) 2 = σ 2 Covariance γ k = E[(Y μ)(y +k μ)] التباين التغاير للتغاير او التغاير الذاتي عن المتباطئة k التغاير بين القيمة Y و Y +k أي بين حيث ترمز γ نحصل على γ 0 والتي تعني التباين للقيمة Y اذا كانت 0=k قيمتين للفترة بينهما. نوع التغاير الذي تحدثنا عنة γ 1 هو التغاير بين قيمتين لY ويساوي= : σ 2 أذا كانت 1=k و في فصل االرتباط الذاتي. لنفرض اننا نقلنا اصل Y من Y الى. Y +m اآلن اذا كانت Y ساكنة فأن المتوسط التباين والتغاير الذاتي للقيمة Y +m يجب ان يكون هو نفسة للقيمة. Y باالختصار اذا كانت السلسلة الزمنية ساكنة فأن المتوسط التباين والتغاير الذاتي سيبقون ثابتين عند أي فترة زمنية. أذا كانت السلسلة الزمنية غير ساكنة كما عرفناها تسمى سلسلة زمنية غير ساكنة تكون أحيانا ناتجة لنقلة في المتوسط. الشكل 1..1 YT

5 الشكل...1 GDP 2,000 1,600 1, و الشكل...1 مثال لسلسلة زمنية ساكنة وسلسلة زمنية غير ساكنة. اختبار ات السكون باستخدام دالة االرتباط الذاتي مبني على correlogram اختبار بسيط للسكون مبني على ما يسمى دالة االرتباط الذاتي Auocorrelaion funcion (ACF) ρ k = γ k γ 0 دالة Covariance a lag k Variance = k التغاير عند المتباطئة التباين عندما k=0 فأن = 1 0 حيث ان كل من التغاير والتباين تقاس بنفس الوحدة فأن االرتباط الذاتي من غير وحدات وتتراوح قيمتة بين +1 و -1 كأي معامل ارتباط اذا تم رسم الشكل البياني لقيمة االرتباط الذاتي نحصل على مايعرف ب ارتباط الذاتي للمجتمع. حيث اننا في الواقع نحصل على عينة للعملية 5

6 العشوائية فأنة يمكن حساب دالة االرتباط الذاتي للعينة التغاير ومن ثم التباين ρ k لحساب دالة االرتباط الذاتي يحسب γ k = (Y Y )(Y +k Y) n γ 0 = (Y Y ) 2 n حيث تشيرn الى حجم العينة و Y متوسط العينة. رسم الدالة بيانيا مقابل المتباطئات يسمى Sample Correlogram إذا انحدرت قيمة ببطيء فهذا يدل على إن السلسلة الزمنية غير مستقره ويمكن فحص الرسم البياني ρk للتحقق من استقرار الدالة وكذلك يمكن استخدام اختبار إحصاء Q ماذا كان معامل االرتباط الذاتي ρk يساوي الصفر أي ال توجد عالقة بين المتباطئات اختبار إحصاء Q وبيرز Box and Pierce ل بوكس Q n m k 1 ˆ 2 k nحجم العينة و m طول dfإذا m= كانت اختبار تساوي الصفر. المتباطئات. يفوق القيمة يتوزع اختبار Q حسب توزيع كاي χ2 بدرجة حرية الجد وليه نرفض فرضية العدم أن معامالت التباطىء LJung-Box اختبار )(LB كانت ماذا الختبار آخر المعامالت إحصاء اختبار هو الصفر تساوي LB m ˆ k 2 n ( n 2 ) ~ m k 1 n k 2 6

7 الشكل 1..1 عند المستوى Sample: Included observaions: 40 Auocorrelaion Parial Correlaion AC PAC Q-Sa Prob. ******. ****** ***** ** ****. * ***.* **. * ** * * * * الفروق األولى 2009 Sample: 1970 Included observaions: 39 Auocorrelaion Parial Correlaion AC PAC Q-Sa Prob *..* * *..* *..* * *.. * *

8 الشكل 1..1 يوضح دالة االرتباط الذاتي ألجمالي الناتج المحلي للسعودية من عام تظهر قيمة االرتباط الذاتي الى 15 متباطئة. كيف يوضح شكل الدالة ان السلسلة الزمنية ساكنة من المالحظ انا يبدأ بقيمة مرتفعه... عند المتباطئة واحد. ثم يبدأ يتناقص تدريجيا. هذا النوع من االرتباط الذاتي عموما مؤشر ان السلسلة الزمنية غير ساكنة. بالمقارنة السلسلة الزمنية تكون غير ساكنة هو احتمال ان يكون االرتباط الذاتي عند أي متباطئة من صفر هو صفر. بينما السلسلة الزمنية احتمال ان يكون صفر اكبر من %5 -اختبار ديكي فيلرDickey-Fuller : اختبار جذر الوحدة: u تتبع الفروض الخاصة بالنموذج الكالسيكي وسط صفري وتباين ثابت والتغاير يساوي الصفر هذه الخواص تجعل الخطأ العشوائي أن يسمى Whie Noise u إذا كان معامل االنحدار بين Y و 1- Y يساوي الواحد وهذا يسمى بجذر الوحدة. أي تكون Y Y 1 u غير ساكنة إذا كانت تساوي الواحد فان السلسة الزمنية يقال أنها ذات جذر وحده أو ما يعرف بالمسار العشوائي random walk أي عندما تكون تتبع المسار العشوائي أي أن السلسلة الزمنية غير مستقره. ويعبر عن معادلة جذر الوحدة بالتالي Y ( Y Y ) ( 1 Y ) u Y Y 1 1 u ( 1) نقوم باختبار احتواء المتغير على جذر الوحدة آي نقوم بأجراء االختبار التالي: H : السلسلة الزمنية غير ساكنة 8

9 H A : 1 0 السلسلة الزمنية ساكنة إذا كانت 1 اقل من الصفر نرفض فرضية العدم بعدم استقرار الدالة ونستنتج أن الدالة ساكنة 1 0 Se ( ) االختبار اإلحصائي هو إال أن قيم ال تتبع جدول بل هناك جدول خاص يسمى بجدول ديكي فيلر. Dickey Fuller (1979) والتي طورت من قبل ما كنون (1991) MacKinnon نقارن القيمة المحسوبة والقيمة الجدلية حيث نرفض فرضيه العدم إذا كانت القيمة المحسوبة أعلى من القيمة الجد وليه. يجري اختبار ديكي فيلر بإجراء المعادالت الثالث التالية: Y Y 1 1 u اختبار ديكي فيلر DF Y Y u اختبار ديكي فيلرDF بوجود قاطع Y Y T u اختبار ديكي فيلر DF مع قاطع ومتجهة زمني T. إذا كان الخطأ العشوائي يتصف بوجود االرتباط الذاتي فانه يمكن استخدام ديكي فيلر الموسع حيث يتضمن االختبار متباطئات اافروق: Y Y T m i 1 Y 1 u اختبار ديكي فيلر الموسع ADF حيث تتضمن المعادلة قيم متباطئة يوجد ارتباط الذاتي (. للفروق بعدد يمكن الخطأ العشوائي بان يكون مستقل )ال Null Hypohesis: GDP has a uni roo Exogenous: Consan Lag Lengh: 0 (Auomaic - based on SIC, maxlag=9) -Saisic Prob.* Augmened Dickey-Fuller es saisic Tes criical values: 1% level % level % level *MacKinnon (1996) one-sided p-values. 9

10 Augmened Dickey-Fuller Tes Equaion Dependen Variable: D(GDP) Mehod: Leas Squares Sample (adjused): Included observaions: 39 afer adjusmens Variable Coefficien Sd. Error -Saisic Prob. GDP(-1) C R-squared Mean dependen var Adjused R-squared S.D. dependen var S.E. of regression Akaike info crierion Sum squared resid Schwarz crierion Log likelihood Hannan-Quinn crier F-saisic Durbin-Wason sa Prob(F-saisic) Null Hypohesis: D(GDP) has a uni roo Exogenous: Consan Lag Lengh: 0 (Auomaic - based on SIC, maxlag=9) -Saisic Prob.* Augmened Dickey-Fuller es saisic Tes criical values: 1% level % level % level *MacKinnon (1996) one-sided p-values. Augmened Dickey-Fuller Tes Equaion Dependen Variable: D(GDP,2) Mehod: Leas Squares Sample (adjused): Included observaions: 38 afer adjusmens Variable Coefficien Sd. Error -Saisic Prob. D(GDP(-1)) C

11 R-squared Mean dependen var Adjused R-squared S.D. dependen var S.E. of regression Akaike info crierion Sum squared resid Schwarz crierion Log likelihood Hannan-Quinn crier F-saisic Durbin-Wason sa Prob(F-saisic) درجة التكاملinegraion : Degree of درجة التكامل تختبر ماذا كانت السلسلة الزمنية مستقره في المستويات (0)I أو مستقره في االختالف األول (1)I أو في االختالف الثاني (2)I. ويتم معرفة درجة التكامل بأجراء اختبار ديكي فيلر على االختالف األول -1 Y = Y -Y و االختالف الثاني -1 Y = Y - Y فإذا كان االختالف األول مستقر والدالة غير مستقره في المستويات يقال أنها متكاملة من الدرجة األولى.. (1)I واغلب السالسل الزمنية االقتصادية الغير مستقره تكون متكاملة من الدرجة األولى اجمالي هل اإلنتاج المحلي للمملكة العربية السعودية مستقر الفروق األولى المستوى قاطع قاطع قاطع ومتجة قاطع القيم الحرجية GDP عند المستوى قيمة اختبار ديكي قيلر اقل من القيمة الحرجة أي ان السلسلة الزمنية غير مستقرة عند الفروق األولى قيمة االختبار االحصائي اعلى من القيمة الحرجة نرفض فرضية العدم ان السلسلة الزمنية غير مستقرة ونستنتج انها مستقرة عند الفروق األولى. ومتجة نماذج االنحدار الذاتي للسالسل الزمنية من الدرجة األولى. ابسط نموذج للسلسلة الزمنية هو االنحدار الذاتي من الدرجة األولى AR(1) Y = θy 1 + u 11

12 للتبسيط التتضمن قاطع و تمثل < 1 θ والعشوائي يمثل ضجيج ابيض( Noise (Whie االفتراض خلف نموذج االنحدار الذاتي من الدجة األولى ان سلوك السلسلة الزمنية Y يحدد غالبا من قبل قيمها للفترة الزمنية السابقة. أي ان ماسوف يحدث في الفترة T يعتمد على مايحدث في الفترة 1-. وكذلك ماسوف يحدث في الفترة 1+T سوف يتحدد بسلوك السلسلة الزمنية في الفترة الحالية. نماذج االنحدار الذاتي من الدرجة اعلى من الواحد:( AR(P لتعميم نموذج االنحدار من الدرجة األولى( AR(1 نستخدم( AR(p الرقم داخل القوس يمثل درجة عملية االنحدار الذاتي. على سبيل المثال AR(2) سيكون من الدرجة الثانية Y = θ 1 Y 1 + θ 2 Y 2 + u وكذلك AR(p) سيكون انحدار ذاتي من الدرجة P كما يلي: Y = θ 1 Y 1 + θ 2 Y θ p Y p + u أو باستخدام رمز الجمع: والذي يمتلك الخاصية يمك L n Y = Y n p Y = θ i Y i i=1 + u واخيرا باستخدام متباطئة المشغلOperaor Lag يمكن كتابة نموذج االنحدار الذاتي من الدرجة p كما يلي L 0 Y = θ 1 L 1 Y + θ 2 L 2 Y + + θ p L p Y + u Y (1 θ 1 L θ 2 L 2 θ p L p ) = u (L)Y = u السكون في نموذج االنحدار الذاتي: 12

13 شرط كون AR(p) ساكنة هو اذا كان جذر P للمعادلة كثيرة الحدود (z) = 0 يكون اكبر من الواحد في القيمة المطلقة حيث تشير Z للمتغير الحقيقي. من الممكن التعبير عنها بالمصطلحات التالية حل معادلة كثيرة الحدود يجب ان يكون خارج دائرة جذر الوحدة. الثبات ذلك باستخدام AR(1) (1 θz) = 0 حيث ان الجذر أعلى من الواحد اذا γ = 1 θ > 1 اذا < 1 θ نماذج المتوسط المتحرك( MA ) :Moving Average نموذج المتوسط المتحرك في ابسط أشكاله هو من الدرجة األولى وهو بالشكل التالي: Y = u + θu 1 MA(1) نموذج المتوسط المتحرك من الدرجة األولى يتضمن أن Yتعتمد على قيمة المتغير العشوائي الحالي ويعتبر u ضجيج ابيض< نموذج المتوسط المتحرك من درجة (q) Y = u + θ 1 u 1 + θ 2 u θ q u q q Y = u + θ i u j j=1 وباستخدام متباطئة المشغل Y = (1 θ 1 L θ 2 L 2 θ p L p )u Y = φ(l)u 13

14 ألن MA(q) تعرف انها متوسط متحرك ثابت ومن ذلك يتبع ان المتوسط المتحرك ساكن مادامت q محدودة. نماذج :ARMA جمع نماذج االنحدار الذاتي ونماذج المتوسط المتحرك نتحصل على سلسلة زمنية جديدة تسمى ARMA(p,q) Y = θ 1 Y 1 + θ 2 Y θ p Y p + u + θ 1 u 1 + θ 2 u 2 + وتكتب باستخدام صيغة الجمع + θ q u q p Y = θ i Y i i=1 q + u + θ i u j j=1 او باستخدام متباطئة المشغل Y (1 θ 1 L θ 2 L 2 θ p L p ) = (1 θ 1 L θ 2 L 2 θ p L p )u شرط السكون يتعامل مع جزء AR(p). بناء على ذلك على كون (z) = 0 تكامل السلسلة الزمنية ونماذج :ARIMA نماذج ARMA تكون فقط مع سالسل زمنية Y ساكنة. هذا يعني ان يكون المتوسط والتباين والتغاير ثابت عبر الزمن. ولكن معظم السالسل الزمنية والمالية تمتلك متجه عبر الزمن وكذلك المتوسط لY خالل سنة واحدة سيختلف عن المتوسط في سنة أخرى. هكذا المتوسط لمعظم السالسل الزمنية االقتصادية والمالية غير ثابت عبر الزمن. مما يشير ان السالسل الزمنية غير ساكنة لتجنب هذه المشكلة وللحصول على سالسل زمنية ساكنة نحتاج إلزالة المتجه من البيانات األصلية ويتم ذلك من خالل استخدام الفروق Y = Y Y 1 14

15 معظم السالسل الزمنية عند الفروق األولى. فاذا كانت ساكنة في الفروق األولى تسمى متكاملة من الدرجة األولى (1)I وهذا يكمل المصطلح ARIMA اذا كانت السلسلة الزمنية غير ساكنة في الفروق األولى يجب أخذ الفروق الثانية. 2 Y = Y = Y Y 1 اذا كانت السلسلة الزمنية ساكنة في الفروق الثانية تسمى متكاملة من الدرجة الثانية (2)I لتكون ساكنة فنه يقال وبصفة عامة اذا كانت السلسلة الزمينة اخذت لها الفروق من الدرجة d حيث تشير p الى انها متكاملة من الدرجة d أي I(d) لذا يسمى نموذج ARIMA(p,d,q) عدد المرات التي تؤخذ فيها الفروق للحصول على عدد متباطئات المتغير التابع (AR) وd q عدد متباطئات حد الخطأ. سكون السلسلة الزمنية و مثال لنموذج ARIMA : اختيار النموذج باستخدام طريقة بوكس جينكينز Box-Jenkins بكوكس جبنكينز (1976) اقترحوا طريقة الثالث مراحل لنموذجة مراحل تتضمن التمييز )التعريف( التقدير فحص النموذج. السلسلة الزمنية. الثالث مرحلة التمييز اختبار :correlogram يتم باستخدام الرسم البياني لدالة االرتباط الذاتي ACF ودالة االرتباط الذاتي الجزئي PACF باستخدام الرسم البياني لتسلسل Y مع الزمن T يقدم معلومات مفيدة بخصوص القيم المتطرفة والقيم المفقودة والتغيرات الهيكلية للبيانات. كما ذكر سابقا معظم السالسل االقتصادية والمالية غير ساكنة وفي الغالب المتغيرات تمتلك متجه قد يكون متزايدا او متناقصا يتسكع بدون قيمة متوسط او تباين ثابت. يمكن تصحيح القيم المتطرفة او المفقودة في هذه المرحلة متعارف علية ان يتم استخدام الفروق األولى. مقارنة لدالة االرتباط الذاتي ACF ودالة االرتباط الذاتي الجزئيPACF قد يؤدي الى اقتراح نماذج ممكنة. نظريا اذا كانت السلسلة الزمنية غير ساكنة لن تتناقص بقوة او اظهار عالمات االضمحالل )التناقص(. لتحويلها الى دالة ساكنة كما ذكر سابقا باستخدام الفروقات األولى. 15

16 عند الحصول على سلسلة زمنية مستقرة الخطوة الثانية هي تعريف p,q لنموذج ARIMA لعملية MA(q) فان دالة االرتباط الذاتي ACF ستظهر مقدرات مختلفة معنويا عن الصفر الى متباطئة q ثم تنخفض فجأة. اما دالة االرتباط الذاتي الجزئيPACF لسلسلة MA(q) سوف تنخفض بسرعة اما بطريقة اسي او بطريقه الظل. بالمقارنة AR(P) لدالة االرتباط الذاتي ACF سوف تتناقص بسرعة اما بتناقص اسي او بجيب. بينما االرتباط الذاتي الجزئيPACF ستظهر تموج ( ارتباط ذاتي معنوي( للمتباطئات حتى قيمة p ثم تتناقص فجأة. اذا كالهما ACF وPACF لم يحددون نقطه ينقطع فيها سيكون هناك سلسلة مختلطة في هذه الحالة سيكون من الصعب او المستحيل تحديد درجة AR وMA ستكون ACF وPACF متراكبة.(superimposed) مثاال اذا اظهرت كالACF وPACF عالمات تناقص اسي متباطئ فان ARMA(1,1) قد نعرف. اذا اظهرت ACF ثالث موجات معنوية عند المتباطئة 1. و 1 اذا تناقص اسي AMA(3,1) الجدول 1..1 يقدم مجموعات من ACF وPACF تسمح بتحري درجة.ARMA بصفة عامة من الصعب تحري عملية مخلوطة او اكثر من 1 لذا فانة من المهم تقدير وفحص النموذج. جدول 1..1 ACF وPACF الممكنة ل( ARMA(p,q ACF موجة عند المتباطئة واحد تناقص سواء جيب او اسي موجة عند المتباطئة واحد يتبعها تناقص سواء ظل او اسي موجة عند المتباطئتين واحد واثنين يتبعها تناقص سواء ظل او اسي موجة عند المتباطئة واحد يتبعها تناقص سواء ظل او اسي موجة عند المتباطئتين واحد واثنين يتبعها تناقص سواء ظل او اسي PACF تناقص سواء ظل او اسي موجة عند المتباطئة واحد موجة عند المتباطئة واحد يتبعها تناقص سواء ظل او اسي موجة عند المتباطئة واحد يتبعها تناقص سواء ظل او اسي موجة عند المتباطئتين واحد واثنين يتبعها تناقص سواء ظل او اسي موجة عند المتباطئتين واحد واثنين يتبعها تناقص سواء ظل او اسي MA(1) AR(1) ARMA(1,1) ARMA(1,2) )ARMA(2,1) ARMA(2,2) 16

17 التقدير: عند هذه المرحلة يتم تقدير معامالت النموذج ويتم اختبارها. ثم يتم مقارنة النماذج باستخدام Schwarz Bayesian وكذلك Akaika Informaion Creeria(AIC) crierion(sbc) في هذه المرحلة يجب التأكد ان النموذج ساكن. حيث ان السلسلة الزمنية متكاملة من الدرجة األولى (1)I سنحاول ان نعرف )نميز( السلسة الزمنية يجب النظر الى قيم ACF و PACF اذا كانت تختلف عن الصفر باستخدام فترة الثقة 0 2 se(ρ ) k الخطأ المعياري لدالة االرتباط الذاتي ACF هو k 1 se(ρ k ) = 1 n (1 + 2 ρ i 2 ) i=1 تحت فرضية العدم ان = 0 i ρ سيكون الخطأ المعياري for i k se(ρ k ) = 1 n for all k 1... ±2 1 n النقاط في الشكل حول معامل االرتباط هو فترة الثقة والتي تشير الى الشكل للفروق االولى يشير الى ARIMA(3,1,2) فحص النموذج: اختبار جودة النموذج مثال لطريقة بوكس جينكينز: 17

18 Dae: 03/17/12 Time: 18:36 Sample: Included observaions: 35 Auocorrelaion Parial Correlaion AC PAC Q-Sa Prob **. ** *. ** **. * * *.. * Correlgrom الشكل...1 دالة للفروق األولى. وبعد حساب ACF وPACF واالطالع على الشكل نجد ACF تنقطع عند المتباطئة. مما يقترح ان السلسلة ساكنة عند الفروق األولى كما أن االحتمالية prop. اكبر من %5 مما يشير الى قبول فرضية العدم ان معامل االرتباط الذاتي يساوي الصفر. 1 ACF موجات عند المتباطئه يتبعها اضمحالل 3 و. PACF موجات عند المتباطئه يتبعها اضمحالل ARMA(3,3) تقدير النموذج ARMA(2,1) Dependen Variable: DLGDPF Mehod: Leas Squares Dae: 03/17/12 Time: 21:59 18

19 Sample (adjused): Included observaions: 34 afer adjusmens Convergence achieved afer 17 ieraions MA Backcas: 1975 Variable Coefficien Sd. Error -Saisic Prob. C AR(1) AR(2) MA(1) R-squared Mean dependen var Adjused R-squared S.D. dependen var S.E. of regression Akaike info crierion Sum squared resid Schwarz crierion Log likelihood Hannan-Quinn crier F-saisic Durbin-Wason sa Prob(F-saisic) Invered AR Roos i i Invered MA Roos تقدير النموذجARMA(1,1 ( Dependen Variable: DLGDPF Mehod: Leas Squares Dae: 03/17/12 Time: 21:58 Sample (adjused): Included observaions: 35 afer adjusmens Convergence achieved afer 11 ieraions MA Backcas: 1974 Variable Coefficien Sd. Error -Saisic Prob. C AR(1) MA(1) R-squared Mean dependen var Adjused R-squared S.D. dependen var S.E. of regression Akaike info crierion Sum squared resid Schwarz crierion Log likelihood Hannan-Quinn crier F-saisic Durbin-Wason sa Prob(F-saisic) Invered AR Roos.18 Invered MA Roos

20 نماذج ARIMA هي نماذج احصائية لها عالقة بالنماذج االقتصادية ولكنهم ليسوا نماذج اقتصادية هذا يجعلة من الصعب االختيار بين نماذج مختلفة خصوصا اذا كان التحديد متقارب والمقدرات متقاربة من االدوات المساعدة في اختيار النموذج معيار اكيكا Akika Schwarz informaion crierion سشوارز informaionومعيار crierion (AIC) 2 (SIC) كال المعيارين مبنية على تباين البواقي u. σ يفضل الحصول على نموذج يتضمن اصغر تباين للبواقي. ولكن من المعروف ان تباين البواقي يتناقص بزيادة عدد المتغيرات المفسرة. لنموذجين مبنين على نفس السلسلة الزمنية يتم اختيار النموذج الذي يمتلك اقل قيمة من. AIC, SIC قيم المعيار ممكن شرحها نسبيا. ألن السلسة الزمنية تستخدم باطوال مختلفة يتم تطبيع المعيار بقسمتة على عدد المشاهدات المستخدمة بتقدير النموذج. معيار AIC, SIC يعرف كالتالي: AIC = ln (σ 2k 2 u ) + n SIC = ln (σ k. ln (n) 2 u ) + n معيارSIC يعتبر خيار بدال من AIC لها نفس المعنى ولكن و لكن تعطي ثقل لعدد المعامالتk لهذا السببSIC سوف تعطي نموذج ابسط من AIC وهذه ميزة هذه المعايير ال تستخدم لمقارنة نماذج التي تستخدم مستوى مختلف من الفروقات. المثال استخدم نموذجين ARIMA(2,1) ARIMA(1,1) مبدئيا تم تحديد p,q باالطالع على دالة ACF,PACF ثانيا يتم اختيار p,q على ضوء نتائج تقدير النموذج من االطالع على تقدير النموذجين نجد ا كال المعيارينSIC AIC, ذا قيمة اصغر في النموذجARIMA(1,1 كما أن invered roos الجذر المقلوب يجب ان يكون ضمن دائرة الوحدة. فحص النموذج يتضمن اختبار Q-saisic األبيض المعادلة كالتالي: يت اختبار ماذا كانت البواقي تتبع عملية الضجيج 20

21 حيث تمثل k Q = n(n + 2) k=1 ρ 2 k n k ρ 2 مربع بواقي معامل االرتباط الذاتي عند المتباطئة. k عند فرضية عدم الضجيج األبيض للبواقي للنموذج( ARMA(p,q فأن اختبار Q يتبع توزيع كايK-p-q)χ ) χ باالطالع على نتائج اختبار Q ابيض ال يمكن رفضها. في الشكل نجد انم فرضية العدم للبواقي بانها ذات ضجيج 21