diff --git a/10_Data_Fluctuation.html b/10_Data_Fluctuation.html index 03a3fe9c..cbc7a4f4 100644 --- a/10_Data_Fluctuation.html +++ b/10_Data_Fluctuation.html @@ -447,12 +447,12 @@

Contents

  • 変動の自己相関
  • -
  • 変動の大きさ
  • +
  • 変動の大きさ
  • @@ -2034,8 +2034,8 @@

    復習#<
  • \(\rho_{\varepsilon}(s)<0,\;s=1,2,3,\cdots\):今期とs期前の値は負の相関があるということを示す。\(\varepsilon_{t-s}\)の値が大きければ(小さければ),\(\varepsilon_{t}\)は小さい(大きい)傾向にあるという意味であり,s期前の影響が強ければ,自己相関係数の絶対値は大きくなる。

  • -
    -

    GDPの場合#

    +
    +

    .cov.corr().autocorr():GDPの場合#

    まずGDPの変動を考えるために,dfからgdp_cycleDataFrameとして抽出し,変数gに割り当てよう。

    -
    -

    GDPの構成要素#

    +
    +

    GDPの構成要素#

    まずGDPの構成要素のトレンドからの乖離率の持続性を考察するが,gdp_cycleを含めて次の変数を考えよう。

    @@ -2288,8 +2288,8 @@

    GDPの構成要素 -

    インフレ率と失業率#

    +
    +

    インフレ率と失業率#

    次に、失業率とインフレ率の持続性を確認する。

    各変数の乖離を計算するが、注意する点がある。GDPなどの変数と違い、インフレ率と失業率は長期的なトレンドはない。従って、式(101)を使い、対数化せずに計算する必要がる。

    @@ -2337,8 +2337,8 @@

    インフレ率と失業率 -

    変動の大きさ#

    +
    +

    変動の大きさ#

    次に変動の大きさを考えるために,GDPの標準偏差に対するそれぞれの構成要素の標準偏差の比率を計算しよう。

    diff --git a/11_Macro_Variables.html b/11_Macro_Variables.html index 02c99fa4..1e422227 100644 --- a/11_Macro_Variables.html +++ b/11_Macro_Variables.html @@ -732,7 +732,7 @@

    回帰分析# Model: OLS Adj. R-squared: 0.387 Method: Least Squares F-statistic: 111.5 Date: Sat, 17 Aug 2024 Prob (F-statistic): 1.84e-20 -Time: 01:23:12 Log-Likelihood: -275.03 +Time: 01:39:52 Log-Likelihood: -275.03 No. Observations: 176 AIC: 554.1 Df Residuals: 174 BIC: 560.4 Df Model: 1 @@ -1317,122 +1317,122 @@

    resample() 2019-01-01 10 - 4.960362 + 6.398947 2019-02-01 20 - 5.211487 + 4.601473 2019-03-01 30 - 6.066279 + 4.155280 2019-04-01 40 - 6.307194 + 4.043636 2019-05-01 50 - 6.421642 + 4.871667 2019-06-01 60 - 6.324687 + 5.474436 2019-07-01 70 - 5.219173 + 5.469829 2019-08-01 80 - 3.876284 + 5.683622 2019-09-01 90 - 3.997646 + 5.425678 2019-10-01 100 - 5.987195 + 4.573360 2019-11-01 110 - 4.783851 + 6.808362 2019-12-01 120 - 4.686246 + 3.761755 2020-01-01 10 - 4.811122 + 4.959200 2020-02-01 20 - 4.960091 + 3.975104 2020-03-01 30 - 4.712852 + 5.494370 2020-04-01 40 - 4.745662 + 5.606324 2020-05-01 50 - 5.217352 + 5.247615 2020-06-01 60 - 3.446441 + 5.696802 2020-07-01 70 - 4.974370 + 5.252175 2020-08-01 80 - 3.999436 + 5.706897 2020-09-01 90 - 5.855918 + 5.429330 2020-10-01 100 - 6.453502 + 3.853960 2020-11-01 110 - 5.557520 + 5.387163 2020-12-01 120 - 3.946524 + 4.893141 @@ -1460,7 +1460,7 @@

    resample()

    -

    概ね0を中心に左右対象に動いている。即ち,平均0を反映している。また,0から離れている観測値が少ないことが分かる。これは0方向に戻ることを示している。これは分散が一定であるためである。この性質はn5001000などの大きな数字に設定するより一層分かりやすいだろう。

    @@ -659,28 +659,28 @@

    自己共分散(自己相関) -_images/fb31bcc330e05deff57977cd869ce472e99baf933bef26a4add25c83c695fe09.png +_images/94e8494ab81512131a58974c09c54b82a0548cead2def8ea090342110439ddf1.png

    自己共分散がゼロであれば,ランダムに散らばっているはずであり,何らかのパターンも確認できないはずである。

    @@ -716,7 +716,7 @@

    自己共分散(自己相関) -_images/90b9e552d6470bf3563df90b8adfd6f0d3b368984ae70209c4b4c9d65f0044dd.png +_images/51da4e55f189aeb9123fdf5a6896571e001d6147aa5b3b6c462f124c45c1bc6f.png