Pievienot darbus Atzīmētie0
Darbs ir veiksmīgi atzīmēts!

Atzīmētie darbi

Skatītie0

Skatītie darbi

Grozs0
Darbs ir sekmīgi pievienots grozam!

Grozs

Reģistrēties

interneta bibliotēka
Atlants.lv bibliotēka

Izdevīgi: šodien akcijas cena!

Parastā cena:
3,99
Ietaupījums:
0,72 (18%)
Cena ar atlaidi*:
3,27
Pirkt
Identifikators:279567
Autors:
Vērtējums:
Publicēts: 21.06.2010.
Valoda: Latviešu
Līmenis: Augstskolas
Literatūras saraksts: 2 vienības
Atsauces: Ir
SatursAizvērt
Nr. Sadaļas nosaukums  Lpp.
  Ievads   
1.  Laika rindas ekonometrijā   
2.  Gadījumprocesi   
2.1.  Stacionārs gadījumprocess   
2.2.  Nestacionārs gadījumprocess   
3.  Ekonomiskās prognozēšanas veidi   
3.1.  AR, MA un ARIMA modelis laika rindā   
3.1.1.  Autoregressijas (AR) process   
3.1.2.  Slīdošā vidējā (MA) process   
3.1.3.  Autoregresijas un slīdošā vidējā (ARMA) process   
3.1.4.  Integrētā slīdošā vidējā autoregresijas (ARIMA) process   
3.2.  ARIMA modeļa apstiprināšana   
4.  Box – Jenkins (BJ) metodoloģija   
Darba fragmentsAizvērt

Ievads
Ekonomikas cikliskums, kuru izraisa dažādi faktori ir dabisks process, bet, lai cilvēki, pirms ekonomikas augšupejas vai lejupslīdes, spētu adekvātāk rīkoties un „sagatavoties” tai, nepieciešams izdarīt pēc iespējas precīzākas prognozes. Ekonomikas svārstības parāda dažādi makroekonomiskie rādītāji – IKP, bezdarbs, cenu līmenis un citi rādītāj. Izdarot prognozes, ir jābalstās uz ekonomikas teoriju, kas palīdz izvēlēties pareizo modeļa formu. Piemēram, zinot sakarību starp inflācijas un bezdarba līmeņu izmaiņām, ko atspoguļo Filipa līkne, matemātiskais modelis nebūs lineārs, jo Filipa līkne ir līkne. Viena no priekšrocībām, ko sniedz prognozēšanas modelis – paredzot, ka nākotnē ir gaidāma kāda negatīva ekonomikas procesa iestāšanās, var ieviest dažādus pasākumus, kas novērstu vai mazinātu ietekmējošo faktoru darbību, tā novēršot vai mazinot gaidāmo negatīvo ekonomikas procesu.

1. Laika rindas ekonometrijā
Laika rindu analīze atklāj statistiskas sakarības iepriekšējos procesos, datos, pamatojas uz kurām veido prognozēšanas modeļus, prognozes. Šīs grupas metodes labi darbojas, ja sakarības ir pastāvīgas laikā un ir vienkāršas kā trends, cikls, sezonalitāte. Ja sakarības maiņas metodes atklāj izmaiņas tikai nākamajā laika posmā un nokavē reaģējot. Metodes reakcijai uz sakarības izmaiņām ir raksturīgs: prognozēšanas rezultāts nākamajā periodā sedz nokavēšanu iepriekšējā periodā (vidējais prognozējamais un vidējais reālais līmenis divos vai vairāk laika posmos ir vienāds), kas uzskatīts par metodes trūkumu. Metodes priekšrocība ir pieejamais ticamības līmenis, kas ir lielāks nekā kvalitatīvām metodēm, neliels novērojumu skaits, metodes vienkāršība.

Autora komentārsAtvērt
Darbu komplekts:
IZDEVĪGI pirkt komplektā ietaupīsi −5,42 €
Materiālu komplekts Nr. 1343430
Parādīt vairāk līdzīgos ...

Nosūtīt darbu e-pastā

Tavs vārds:

E-pasta adrese, uz kuru nosūtīt darba saiti:

Sveiks!
{Tavs vārds} iesaka Tev apskatīties interneta bibliotēkas Atlants.lv darbu par tēmu „Stacionārs, nestacionārs process, arima un Boksa Dženkinsa metode”.

Saite uz darbu:
https://www.atlants.lv/w/279567

Sūtīt

E-pasts ir nosūtīts.

Izvēlies autorizēšanās veidu

E-pasts + parole

E-pasts + parole

Norādīta nepareiza e-pasta adrese vai parole!
Ienākt

Aizmirsi paroli?

Draugiem.pase
Facebook
Twitter

Neesi reģistrējies?

Reģistrējies un saņem bez maksas!

Lai saņemtu bezmaksas darbus no Atlants.lv, ir nepieciešams reģistrēties. Tas ir vienkārši un aizņems vien dažas sekundes.

Ja Tu jau esi reģistrējies, vari vienkārši un varēsi saņemt bezmaksas darbus.

Atcelt Reģistrēties