- •Содержание
- •Введение
- •1 Исследование зависимости объемов реализации продукции и неудовлетворенного спроса во времени
- •Анализ динамики объемов реализации продукции и неудовлетворенного спроса
- •1.2 Анализ структуры реализованной продукции и неудовлетворенного спроса
- •1.3 Исследование трендов
- •1.3.1 Исследование часового линейного тренда
- •1.3.2 Исследование часового параболического тренда
- •2 Исследование случайного характера распределения объемов реализации продукции и неудовлетворенного спроса
- •Заключение
- •Список литературы
1.3.2 Исследование часового параболического тренда
Для удобства анализа полученные результаты оценки часового параболического тренда представлены в виде таблицы 6.
Таблица 6 - Результаты оценки модели часового параболического тренда
Наименование показателя |
Вид продукции |
А |
|
1. Количество наблюдений
|
84 |
Наименование показателя |
Вид продукции |
2. Оценка параметра: |
|
1) a0 |
-4,291 |
2)a1 |
1,325 |
3)a2 |
-0,052 |
3. Частный вид уравнения регрессии |
y=-4,291+1,325*t-0,052*t**2 |
4. Коэффициент множественной корреляции – R |
0,053 |
5. Вывод о степени зависимости между переменными
|
очень слабая |
6. Стандартная ошибка параметра: |
|
1) a0 – Sa0 |
6,994 |
2) a1 – Sa1 |
1,236 |
3) a2 – Sa2 |
0,054 |
7. Расчетное значение критерия Стьюдента: |
|
1) для параметра a0 – ta0(n = n – p =81) |
-0,613502 |
2) для параметра a1 – ta1(n = n – p =81) |
1,072496 |
3) для параметра a2 – ta2(n = n – p =81) |
-0,975362 |
8. Табличное значение критерия Стьюдента, |
1,990 |
9. Вывод о значимости параметра: |
|
1) a0 |
не значим |
2) a1 |
не значим |
3)a2 |
не значим |
12. Вывод о статистической значимости модели |
не значима |
13. Коэффициент детерминации, R2, % |
4,02 |
14. Скорректированный коэффициент детерминации, R2скорр, %
|
1,04 |
Наименование показателя |
Вид продукции |
15. Вывод об адекватности модели |
адекватна |
16. Вывод о возможности использования модели для прогнозирования |
не пригодна |
Так как исследование предполагает сравнение трендов с разным количеством объясняющих переменных, то для исключения влияния этого фактора на оценку адекватности моделей их сравнение проводилось по скорректированному коэффициенту детерминации, значение которого рассчитывалось по формуле:
, (1)
где n – количество наблюдений;
p – количество параметров модели.
По результатам проведенного исследования часового параболического тренда был сделан ряд заключений.
На основании коэффициента множественной корреляции было выяснено, что степень параболической зависимости между часом суток и объемом реализации по продукту «А» является очень слабой.
При проверке статистической значимости параметров модели с помощью Критерий Стьюдента было установлено, что коэффициент при времени не значим.
Проверка адекватности уравнений тренда с помощью коэффициента детерминации показала, что все модели с очень слабой адекватностью и не рекомендованы для прогнозирования.
При построении параболических трендов был использован модуль «Углубленные методы анализа – Нелинейное оценивание» системы «Statistica». Оценка параметров трендов проводилась методом наименьших квадратов.
По результатам проведенного исследования суточного параболического тренда можно сделать следующие выводы.
Степень параболической зависимости между сутками и объемом реализации продукции является очень слабой.
Проверка адекватности уравнений тренда с помощью коэффициента детерминации показала, что все модели с очень слабой адекватностью и не пригодны для прогнозирования.
Для тренда построена диаграмма рассеяния.
Рисунок 9 - Диаграмма рассеяния часового объема реализации продукта «А» с нанесением линейного тренда
Рисунок 10 - Диаграмма рассеяния часового объема реализации продукта «А» с нанесением параболического тренда