- •Построение аддитивной модели временного ряда
- •Расчет оценок сезонной компоненты в аддитивной модели.
- •Расчет значений сезонной компоненты в аддитивной модели.
- •Расчет выровненных значений t и ошибок e в аддитивной модели.
- •Прогнозирование по аддитивной модели.
- •Построение мультипликативной модели временного ряда.
- •Расчет оценок сезонной компоненты в мультипликативной модели.
- •Расчет сезонной компоненты в мультипликативной модели.
- •3.Расчет выровненных значений t и ошибок e в мультипликативной модели.
- •Прогнозирование по мультипликативной модели.
- •Тригонометрическая регрессия.
Прогнозирование по мультипликативной модели.
T= -1.06* t + 82.41
Получим:
T21= -1,06 * 21 + 82,41=60.15
T22= -1,06* 22 + 82,41=59.09
Значения сезонной компоненты равны: S1=0,99575 (I квартал); S2=1,00023 (II квартал).
Таким образом:
F21=60.15*0,99575 =59,894; F22=59.09*1,00023 =59,104.
Применение фиктивных переменных для моделирования сезонных колебаний.
Уравнение регрессии имеет вид:
yt=37,75+1,723t +12,873x1 +16,4238x2+43,3287x3
Исходные данные для расчета параметров уравнения регрессии с фиктивными переменными по временному ряду.
t |
x1 |
x2 |
x3 |
yt |
1 |
1 |
0 |
0 |
75,5 |
2 |
0 |
1 |
0 |
75,7 |
3 |
0 |
0 |
1 |
75,2 |
4 |
0 |
0 |
0 |
75,4 |
5 |
1 |
0 |
0 |
74,7 |
6 |
0 |
1 |
0 |
74,6 |
7 |
0 |
0 |
1 |
76,4 |
8 |
0 |
0 |
0 |
74,2 |
9 |
1 |
0 |
0 |
73,3 |
10 |
0 |
1 |
0 |
73,9 |
11 |
0 |
0 |
1 |
73,8 |
12 |
0 |
0 |
0 |
73,5 |
13 |
1 |
0 |
0 |
73,4 |
14 |
0 |
1 |
0 |
73,9 |
15 |
0 |
0 |
1 |
73,7 |
16 |
0 |
0 |
0 |
74 |
17 |
1 |
0 |
0 |
74,3 |
18 |
0 |
1 |
0 |
74,2 |
19 |
0 |
0 |
1 |
73,8 |
20 |
0 |
0 |
0 |
73,4 |
Переменная |
Коэффициент |
Стандартная ошибка |
t-критерий |
Константа |
37,75 |
7,049134 |
66,47980 |
t |
1,723 |
0,427417 |
12,12225 |
x1 |
12,873 |
6,957837 |
-4,20479 |
x2 |
16,4238 |
6,891885 |
-3,42976 |
x3 |
43,3287 |
6,852008 |
-0,32381 |
R2=0,93185 |
Cобщ=296,775
Cост=(1-0,93185)*296,775=2,029
Cост<2,029– остаточная сумма квадратов по аддитивной модели.
Следовательно, модель регрессии с фиктивными переменными описывает динамику временного ряда лучше, чем аддитивная модель.
Прогнозируемые величины: y21= 73,933; y22= 75,656