Анализ временных рядов (time-series analysis)

time series analysis

А. в. р. наз. статист 555v2117f ический анализ данных, собранных в ходе наблюдений за единичным объектом (напр., отдельным человеком, семьей или городом), производимых последовательно во времени, либо через определенные интервалы, либо непрерывно. Как и традиционные параметрические методы анализа данных, методы А. в. р. используются для описания связей между переменными, предсказания будущего поведения и проверки эффектов проведенного лечения. Есть два математически эквивалентных подхода к разработке концептуальных моделей и вычислительных процедур А. в. р. Один подход, наз. анализом во временной области или анализом временных характерист 555v2117f ик (time domain analysis), связан с использованием понятий, сходных с теми, что применяются в традиционном корреляционном и регрессионном анализе. Др. подход получил название анализа частотных характерист 555v2117f ик (frequency domain analysis); он предполагает изучение частотных составляющих и основан на понятиях спектрального анализа. Далее рассматривается ряд осн. идей, связанных с анализом временных характерист 555v2117f ик.

Модель временного ряда представляет собой уравнение, к-рое связывает наблюдение, полученное в нек-рый конкретный момент времени, с наблюдениями, полученными ранее по той же и/или др. характерист 555v2117f икам изучаемой переменной. Напр., если дискретные данные о весе тела собираются через равные промежутки времени на одном объекте, интерес могут представлять два вопроса: а) в какой степени связаны смежные (или несмежные) наблюдения в данном временном ряду, и б) насколько успешно можно предсказать будущие показатели веса тела. Ответы на оба этих вопроса требуют вычисления выборочной автокорреляционной функции, идентификации модели временного ряда и оценивания соотв. параметров.

Совокупность коэффициентов автокорреляции, основанных на разной величине лага, есть не что иное, как расчетная автокорреляционная функция, график к-рой обычно наз. коррелограммой. Для проверки значимости этих коэффициентов применяют соотв. статист 555v2117f ические критерии.

k k

t

В психол. исслед. часто возникает необходимость оценить эффективность вмешательства. Если данные собирались через равные интервалы до и после воздействия на некий элемент выборки, напр. чел., группу или округ, нередко представляется полезным статист 555v2117f ически описать наблюдаемый эффект и проверить его статист 555v2117f ическую значимость. Есть две осн. стратегии анализа таких эффектов.

Первый подход дает легко интерпретируемый результат и потому весьма полезен. Он предполагает идентифицирование общепринятой модели временного ряда на полученных до вмешательства данных. Производится оценка параметров модели, а затем делаются предсказания относительно поведения, ожидаемого после вмешательства. Эти предсказания осн. на предположении, что характер процесса до вмешательства не изменится и после вмешательства. Когда после вмешательства обнаруживается несоответствие между предсказываемыми и наблюдаемыми значениями, различие можно статист 555v2117f ически оценить. Если различие статист 555v2117f ически значимо, это служит доказательством того, что наблюдаемое изменение связано с вмешательством. Поскольку статист 555v2117f ический критерий различия можно вычислить для каждой точки временного ряда после вмешательства, нетрудно определить тот момент, когда данное вмешательство начинает вызывать эффект.