Прогнозирование с помощью временных рядов
Конечной целью статистического анализа временных рядов является прогнозирование будущих значений исследуемого показателя. Различают долгосрочное и краткосрочное прогнозирование. В первом анализируется долговременная динамика исследуемого процесса, и в этом случае главным считается выделение общего направления его изменения (тренда). Для предсказания краткосрочных колебаний проводится более детальный регрессионный анализ с целью выявления большого числа показателей, определяющих поведение исследуемой величины. Пусть оценивается модель вида в момент времени ( ). Значение – значение по уравнению регрессии, построенному по МНК. Тогда доверительный интервал для действительного значения имеет вид: (7.26) где – критическое значение, определяемое из приложения 1 для соответствующего уровня значимости и числа степеней свободы ; – стандартная ошибка оценки (стандартная ошибка регрессии); – значение объясняющей переменной в момент ( ); – дисперсия переменной . После получения прогнозных значений необходимо проверить качество прогноза. Для этого используются следующие показатели: · Относительная ошибка прогноза, вычисляемая по формуле: (7.27) или (7.28) где , .
Чем больше значение ошибки (выраженное в процентах), тем хуже качество прогноза. · Стандартная среднеквадратическая ошибка, рассчитываемая по формуле: (7.29) где – количество прогнозных периодов. Значения показателя лежат в интервале от нуля до единицы. При прогноз абсолютно точен. Таким образом, чем ближе значение к нулю, тем точнее прогноз. Пример.В таблице приведены данные по располагаемому доходу домохозяйств ( и затратами домохозяйств на розничные покупки за 22 года (табл. 7.1). Таблица 7.1
Необходимо оценить уравнение регрессии вида (принять ), проверить значимость коэффициентов , оценить качество построенной модели при помощи коэффициента детерминации. Для расчета коэффициентов составим вспомогательную таблицу 7.2 (при этом рассчитанные средние значения равны , , ).
По формулам (2.17): Таким образом, уравнение регрессии с учетом рассчитанных коэффициентов примет вид: . Для определения статистической значимости коэффициентов и оценки качества уравнения регрессии составим следующую вспомогательную таблицу (табл. 7.3). Таблица 7.3
По формулам (2.19) и (2.20) рассчитаем необъясненную дисперсию и стандартные отклонения случайных величин:
Определим значение -статистики для каждого из коэффициентов: , , . Критическое значение определим из приложения 1 для уровня значимости 0,1 и числа степеней свободы 22-2-1=19: . Очевидно, что коэффициенты являются статистически значимыми, а коэффициент является статистически незначимым с уровнем значимости 0,1. Определим для рассчитанного уравнения коэффициент детерминации (2.23): . Столь высокое значение коэффициента детерминации свидетельствует о высоком качестве модели. Поэтому не будем удалять переменную из уравнения. Представим графически зависимость фактической переменной и переменной от (рис. 7.1). Рис. 7.1
Популярное: Генезис конфликтологии как науки в древней Греции: Для уяснения предыстории конфликтологии существенное значение имеет обращение к античной... Почему люди поддаются рекламе?: Только не надо искать ответы в качестве или количестве рекламы... Почему двоичная система счисления так распространена?: Каждая цифра должна быть как-то представлена на физическом носителе... ©2015-2024 megaobuchalka.ru Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. (670)
|
Почему 1285321 студент выбрали МегаОбучалку... Система поиска информации Мобильная версия сайта Удобная навигация Нет шокирующей рекламы |