2023년 1학기 방송통신대 예측방법론 중간과제물)2000년 1월부터 2022년 12월까지 월별 전산업생산지수(Index of All Industry Production)의 원계열과 계절조정계열을 각각 찾고 다음 문제에 답하시오

소개글

2023년 1학기 방송통신대 예측방법론 중간과제물)2000년 1월부터 2022년 12월까지 월별 전산업생산지수(Index of All Industry Production)의 원계열과 계절조정계열을 각각 찾고 다음 문제에 답하시오에 대한 보고서 자료입니다.

목차

※ 2000년 1월부터 2022년 12월까지 월별 전산업생산지수(Index of All Industry
Production)의 원계열과 계절조정계열을 각각 찾고 다음 문제에 답하시오.

1. 전산업생산지수의 원계열과 계절조정계열의 작성에 대해 1페이지 이내로 기술하시오.(5점)

2. 전산업생산지수의 원계열과 계절조정계열의 시계열도표를 같이 그리고, 특징을 변동요인 중심으로 기술하시오.(5점)

1) 시계열도표 2)특징 3) R 코드

3. 전산업생산지수의 원계열과 계절조정계열에 대한 스펙트럼을 같이 그래프로 표현하고, 그 특징을 시계열의 변동요인과 연계해서 설명하시오.(10점)

1) 스펙트럼 2) 특징 3) R 코드

4. 계절조정된 전산업생산지수의 로그변환계열 및 이를 차분한 계열(로그차분계열)을 각각 구한 후 다음에 답하시오.(10점)

(1) ADF(Augmented Dickey-Fuller) 검정을 각각 실시하고 검정결과를 정리하시오.
(2) 두 계열의 상관도표와 부분상관도표를 각각 작성하고 그 특징을 정리하시오.
①상관도표와 부분상관도표 ②특징 ③R 코드

5. 참고문헌

본문내용

ency=4가 된다.
spans=c(3,3)은 스펙트럼을 평활화하는 것이다.
4. 계절조정된 전산업생산지수의 로그변환계열 및 이를 차분한 계열(로그차분계열)을 각각 구한 후 다음에 답하시오.
library(readxl)
iaip = read_excel(\"F:/data.xlsx\", sheet=\'데이터\')
iaip_sa_ts = ts(iaip[, 2], start=2000, frequency=12) # 계절조정계열
iaip_sa_ts_log = log(iaip_sa_ts) # 로그변환 계열
iaip_sa_ts_log_diff1 = diff(iaip_sa_ts_log) # 로그 1차 차분 계열
⑴ ADF(Augmented Dickey-Fuller) 검정을 각각 실시하고 검정결과를 정리하시오.
library(tseries) # adf 함수를 사용하기 위해 tseries 로드
adf.test(iaip_sa_ts_log)
adf.test(iaip_sa_ts_log_diff1)
시계열의 정상성(stationarity) 여부를 단위근(unit root) 존재 여부를 이용하여 검정하는 방법을 단위근 검정 방법이라고 한다. 단위근검정을 위해 ADF 검정을 실시한다.
“시계열이 단위근을 가진다”는 귀무가설로 하고, 대립가설은 “시계열은 정상적(stationary)이다”로 설정한다.
위 코딩 결과를 보면, 로그변환계열의 경우 p값(유의확률) 0.6446은 유의수준 0.05보다 크므로 시계열이 단위근을 가진다는 귀무가설을 기각하지 못한다. 따라서 통계적으로 단위근이 존재하는 것으로 검정되므로 로그변환계열은 불안정 시계열이라고 판단할 수 있다.
반면, 로그차분계열의 경우 p값은 0.01 미만으로 유의수준 0.05보다 작으므로 시계열이 단위근을 가진다는 귀무가설을 기각한다. 따라서 통계적으로 단위근이 없다고 검정되므로 로그차분계열은 안정 시계열이라고 판단할 수 있다.
이로써 단위근이 있는 시계열을 차분하면 단위근이 없어진다는 것을 알 수 있다. 원래 시계열(로그차분계열)은 단위근이 있는데, 위 사례처럼 1차 차분한 시계열에 단위근이 없으면 I(1) 적분계열이라고 한다. 단위근이 없는 안정시계열은 I(0) 적분계열이라고 부른다.
⑵ 두 계열의 상관도표와 부분상관도표를 각각 작성하고 그 특징을 정리하시오.
①상관도표와 부분상관도표
②특징
시계열은 시간의 전개에 따른 시간영역 정보와 시간에 따라 반복되는 주파수영역 정보로 구성된다. 시간영역 정보를 파악하기 위해서는 시계열의 과거, 현재, 미래를 연결하는 구조를 이해해야 하고, 이를 위해 표본(sample) 자기상관계수(autocorrelation coefficient, ACF)와 표본 부분자기상관계수 등을 이용한다. 자기상관계수는 시계열의 현재와 과거 또는 미래의 상관관계를 나타내는 지표이고, 부분자기상관계수는 시계읠 현재, 과거, 미래의 순수한 상관관계를 나타내는 지표이다. 상관도표에서 점선은 유의수준 5%의 기각역을 의미하는 것으로, 자기상관계수 또는 부분자기상관계수값이 이 선을 초과하면 해당 시차의 상관계수값은 0과 다르다고 할 수 있다. 계절조정 시계열을 사용했으므로 계절변동요인은 제거된 상태이다.
로그변환계열의 상관도표를 보면, 자기상관계수가 점진적으로 낮아지다가 대략 lag7 이후부터는 자기상관계수가 통계적으로 유의미하게 0이라고 할 수 있는 수준에 도달한다. 이처럼 현 시점에서 관측치가 멀어질수록 자기상관관계가 서서히 약해지고 있다는 것은 강한 추세를 의미한다. 교재 63페이지의 그림 3-6의 GDP 원계열 상관도표를 보면 자기상관계수값이 서서히 감소하는 것으로 나타난다. 이는 GDP 원계열이 강한 추세를 보인다는 것을 의미한다. 로그변환계열의 부분상관도표에서는 1차에서는 1에 가까운 큰 값의 부분자기상관계수을 보이고, 그 이후의 값들은 점선 내에 들어오므로 부분자기상관계수의 값은 0이라고 할 수 있다. 시차1에서의 큰 값은 추세가 있음을 의미하고, 1차를 제외한 모든 시차에서 점선 내에 들어오므로 계절변동은 없다고 판단된다.
로그차분계열의 상관도표에서는 자기상관계수값은 시차 1부터 급격히 감소하여 거의 대부분 점선 영역 내에 존재하거나 크게 벗어나지 않고 있다. 이는 로그차분을 통해 추세가 제거되었음을 보여준다. 시계열 자료에서 자기 상관성을 정확히 파악하려면 추세와 같은 전역적 특성을 제거한 후 살펴야 한다. 또한 추세와 계절변동요인이 없으므로, 순환변동요인이 보다 명확해진다. 로그차분계열의 부분상관도표를 보면, 상관도표와 마찬가지로 대부분의 값들은 점선 영역 안에 존재하지만, 주기적으로 범위를 벗어나는 값들이 보이므로 순환변동은 남아 있는 것으로 판단된다.
③R 코드
acf(iaip_sa_ts_log, main=\"로그변환계열의 상관도표\", lag.max=96)
pacf(iaip_sa_ts_log, main=\"로그변환계열의 부분상관도표\", lag.max=96)
acf(iaip_sa_ts_log_diff1, main=\"로그차분계열의 상관도표\", lag.max=96)
pacf(iaip_sa_ts_log_diff1, main=\"로그차분계열의 부분상관도표\", lag.max=96)
lag.max는 그래프로 표시할 시차의 최대값으로 여기서는 96(=12개월*8)로 선택함.
참고로 로그변환계열로 acf함수를 실행한 후 반환된 리스트는 아래와 같다.
plot= FALSE는 그래프는 그리지 않는다는 의미다.
위 값에서 홀수줄(0.0000, 0.0833(=1/12), ......)은 시차를, 짝수줄(1.000, 0.986, ......)은 해당 시차에 대한 자기상관계수값을 의미한다.
5. 참고문헌
이긍희, 이한식(2023). 예측방법론. 한국방송통신대학교출판문화원.
이긍희, 이한식(2012). 경제통계분석의 원리와 응용. 에피스테메.
이긍희(2016). 우리나라 경제통계의 계절조정 현황과 주요 쟁점. 응용통계연구 = The Korean journal of applied statistics v.29 no.1.
진재현(2016). 유럽통계청의 통계 계절조정 기준과 시사점. 보건복지포럼(2016.12).
국가통계포털(www.kosis.kr)

키워드

방송통신대예측방법론,   방송대예측방법론,   방통대예측방법론