- •Ответы на билеты
- •2.Задачи и методы социально-экономического прогнозирования.
- •4. Анализ динамического ряда. Виды трендов.
- •5. Сглаживание динамического ряда. Сравнительный анализ.
- •6. Метод скользящей средней при нечетной базе сглаживания.
- •Сглаживание по нечётной базе
- •7. Метод скользящей средней при четной базе сглаживания.
- •8. Достоинства и недостатки метода скользящей средней.
- •Достоинства и недостатки метода
- •9. Метод экспоненциального сглаживания.
- •10. Прогнозирование на основе аналитического тренда. Критерии соответствия тренда исходным данным. Метод наименьших квадратов.
- •Метод наименьших квадратов
- •Система уравнений для линейного тренда
- •Система уравнений для экспоненциального тренда
- •11. Способы определения типа тренда. Тест на линейную функцию.
- •Определение тренда на основе сглаживания ряда
- •12. Определение параметров линейного тренда. Смысл параметров линейного тренда. Прогнозирование на основе линейного тренда.
- •13. Определение параметров экспоненциального тренда. Смысл параметров экспоненциального тренда. Прогнозирование на основе экспоненциального тренда.
- •14. Средства ms Excel для построения трендовой модели
- •15. Понятие сезонности. Природа, виды сезонных колебаний.
- •16. Процедура выявления аддитивной сезонной составляющей ряда данных.
- •17. Процедура выявления мультипликативной сезонной составляющей ряда данных.
- •18. Построение прогноза с учетом сезонных колебаний.
- •19. Экстраполяция и интерполяция. Критерии точности прогноза.
- •Критерии для оценки точности прогноза
- •20. Оценка точности трендовой модели
- •21. Регрессия. Отбор факторов для регрессии.
- •Отбор факторов для регрессии
- •22. Виды уравнений регрессии. Их интерпретация.
- •2 Типа взаимосвязей между х и у:
- •23. Производственная функция и ее смысл. Виды производственных функций.
- •24. Смысл и расчёт параметров производственной функции Кобба-Дугласа. Прогнозирование на основе производственной функции Кобба-Дугласа.
- •25. Авторегрессия
- •26. Средства ms Excel для построения модели регрессии
14. Средства ms Excel для построения трендовой модели
Многие экспериментальные данные можно интерпретировать как временные ряды - последовательность измерений, полученных в определенные моменты времени ti, где i - порядковый номер измерения на оси времени. Такие ряды характеризуются некоторой тенденцией развития процесса во времени и называются трендовыми. Используя трендовые модели, можно выдавать прогнозы на краткосрочный и среднесрочный периоды. Excel имеет средства для создания трендовых моделей встроенные в построитель диаграмм.
Одной из форм трендовых моделей при постоянном шаге по времени является линейная:
В качестве примера используем данные об авиаперевозках в США с 1949 по 1960 годы. Пусть требуется предсказать объем авиаперевозок на 1961 год. Знание этого объема позволяет планировать развитие авиационной промышленности и инфраструктуры, связанной с авиаперевозками. Исходные данные приведены в таблице.
Порядок расчетов следующий.
Выделить диапазон B2:B13 и построить по этим данным диаграмму типа"График", щелкнув по значку "Мастер диаграмм" на панели инструментов.
Выделить диаграмму и выполнить Диаграмма/Добавить линию тренда.
В окне "Линия тренда" открыть вкладку "Параметры" и установить флажки"Показывать уравнение на диаграмме" и "Поместить на диаграмму величину достоверности аппроксимации".
На вкладке "Тип" выбрать тип диаграммы – линейная и нажать Ok. Результаты показаны на рисунке.
Вычислить по формуле y = 383,09x + 873,52. Следует учесть, что аргументом трендовой модели является порядковый номер, т.е. в нашем примере x=13. В результате получим прогноз на 1961 год: 5853,69 тысяч пассажиров.
Следует заметить, что мы, скорее всего, получили заниженный прогноз. Это видно из диаграммы и обусловлено выбором линейной модели прогноза. Возможно, что более точный прогноз был бы получен с помощью степенной или экспоненциальной линий тренда. Оценить качество прогноза можно только в конце 1961 года. В целом прогноз следует делать весьма осторожно – возможны большие ошибки. Именно поэтому чаще всего используются краткосрочные и среднесрочные прогнозы.
Коэффициент достоверности аппроксимации R2 показывает степень соответствия трендовой модели исходным данным. Его значение может лежать в диапазоне от 0 до 1. Чем ближе R2 к 1, тем точнее модель описывает имеющиеся данные.
15. Понятие сезонности. Природа, виды сезонных колебаний.
Цикличность – закономерное периодическое отклонение от основной тенденции (тренда)
Сезонность - вид цикличности, обусловленный временем года. В общем - в рамках года. (электроснабжение, транспорт, с-х и т.д.)
Фаза цикла – номер наблюдения внутри периода цикла. Если период цикла – N, говорят о наличии N фаз.
Задачи:
определение наличия циклов, их периодов; силы и характера в различных фазах
выявление факторов, вызвавших их
оценка последствий для выявления тренда и уточнения трендового прогноза
математическое моделирование
Методы расчета сезонной составляющей (наиболее применимые):
коэффициенты и индексы сезонности
аналитическая функция
изменяющееся по фазам цикла семейство трендов
Если ряд отклоняется от значений тренда в каждой фазе цикла на одну и ту же величину, говорят об аддитивной сезонности.
Аддитивная сезонность моделируется расчётом коэффициентов сезонности. Число коэффициентов равно числу фаз. Коэффициент [фазы] показывает [величину] отклонение ряда от тренда [в данной фазе].
Коэффициент рассчитывается как среднеарифметическое отклонение ряда от тренда в данной фазе.
Пусть N-период сезонности, M-длина ряда. Тогда N/M - количество циклов. Kn – коэффициент фазы n.
При аддитивной сезонности уравнение разложения динамического ряда на компоненты имеет вид:
.
Если ряд отклоняется от значений тренда в каждой фазе цикла в одно и то же число раз, говорят о мультипликативной сезонности.
Наглядно разница между аддитивной и мультипликативной сезонностью при растущем тренде такова: размах аддитивной неизменен, а мультипликативной – растёт со временем.
Мультипликативная сезонность моделируется расчётом индексов сезонности, которые показывают [разы] отклонения ряда от тренда [по фазам].
Индекс рассчитывается как среднее относительное отклонение ряда от тренда в данной фазе.
Варианты вычисление индексов
При мультипликативной сезонности уравнение разложения динамического ряда на компоненты имеет вид: