51 Вывод остатка
52 | ||||
53 |
Наблюдение |
|
Предсказанное Y |
Остатки |
54 |
|
1 |
263535,331 |
69966,119 |
55 |
|
2 |
152907,3591 |
-11224,35907 |
56 |
|
3 |
208221,62 |
-29729,62003 |
57 |
|
4 |
130564,4396 |
11037,51045 |
53 |
|
5 |
172662,4523 |
-52312,45227 |
59 |
|
6 |
212172,63 s7 |
20033,36133 |
60 |
|
7 |
231927,7319 |
-64032,73137 |
61 |
|
3 |
184515,5032 |
23175,49131 |
62 |
|
9 |
239329,7692 |
4731,230346 |
63 |
|
10 |
237241,9923 |
26394,00716 |
64 |
|
11 |
134515,5032 |
-17365,50319 |
65 |
|
12 |
143956,3404 |
34007,65957 |
66 |
|
13 |
133152,2659 |
53466,73413 |
67 |
|
14 |
172662,4523 |
-4312,452272 |
63 |
|
15 |
196363,5641 |
-7361,564113 |
69 |
|
16 |
224025,6946 |
-47951,69459 |
70 |
|
17 |
231927,7319 |
-7571,731374 |
71 |
Рис.28. Таблица вывода остатков
При помощи этой части отчета мы можем видеть отклонения каждой точки от построенной линии регрессии. Наибольшее абсолютное значение остатка в данном случае - 69966,1, наименьшее - 4731,2. Для лучшей интерпретации этих данных строят график исходных данных и построенной линии регрессии.
Рис.29.
График фактических данных и уравнения
регрессии
Уравнения множественной линейной регрессии строятся аналогичным образом. В случае если требуется построить уравнение нелинейной зависимости сначала уравнение преобразуют к линейному виду, а затем оценивают его параметры.
*
Таблица 3 - Исходные данные для корреляционно-регрессионного анализа
|
Численность |
в том числе |
|
| ||||
Регионы |
экономически активного населения - всего, |
занятые в экономике |
безработные |
Уровень безработицы, процентов |
ВРП на душу населения, руб. | |||
|
тыс. человек |
|
|
|
|
| ||
А |
X1 |
X2 |
X3 |
X4 |
Y | |||
Северо-западный федеральный округ | ||||||||
Республика Карелия Республика Коми |
339 498 |
311 457 |
|
28 41 |
8,4 8,2 |
222955,8 484914,7 | ||
Архангельская область |
662 |
623 |
|
39 |
5,9 |
361023,9 | ||
Вологодская область |
645 |
597 |
|
47 |
7,3 |
264157 | ||
Калининградская область |
527 |
480 |
|
48 |
9,1 |
243833,6 | ||
Ленинградская область |
975 |
932 |
|
42 |
4,3 |
326473 | ||
Мурманская область |
471 |
431 |
|
41 |
8,6 |
329027,5 | ||
Новгородская область |
340 |
324 |
|
17 |
4,9 |
235987,3 | ||
Псковская область |
357 |
324 |
|
33 |
9,3 |
152857,8 | ||
Сибирский федеральный округ | ||||||||
Республика Алтай |
100 |
87 |
|
13 |
12,8 |
127593,1 | ||
Республика Бурятия |
464 |
423 |
|
42 |
9,0 |
159221,0 | ||
Республика Тыва |
134 |
111 |
|
23 |
17,3 |
109446,4 | ||
Республика Хакасия |
270 |
250 |
|
19 |
7,2 |
217307,1 | ||
Алтайский край |
1219 |
1116 |
|
103 |
8,5 |
139362,7 | ||
Забайкальский край |
535 |
478 |
|
57 |
10,6 |
188848,7 | ||
Красноярский край Иркутская область |
1511 1264 |
1421 1149 |
|
90 115 |
6,0 9,1 |
419507,0 258786,6 | ||
Кемеровская область |
1414 |
1300 |
|
114 |
8,1 |
268767,8 | ||
Новосибирская область |
1448 |
1349 |
|
99 |
6,8 |
215485,3 | ||
Омская область |
1066 |
982 |
|
84 |
7,9 |
227103,6 | ||
Томская область |
513 |
466 |
|
46 |
9,1 |
320680,4 |
Приволжский федеральный округ | |||||
Республика Башкортостан |
2080 |
1921 |
159 |
7,6 |
233955,6 |
Республика Марий Эл |
372 |
335 |
38 |
10,1 |
139138,5 |
Республика Мордовия |
466 |
441 |
24 |
5,2 |
152932,1 |
Республика Татарстан |
2035 |
1940 |
95 |
4,7 |
336078,6 |
Удмуртская Республика |
838 |
780 |
58 |
6,9 |
220798,6 |
Чувашская Республика |
664 |
612 |
52 |
7,8 |
150832,3 |
Пермский край |
1391 |
1287 |
104 |
7,5 |
305173,5 |
Кировская область |
710 |
652 |
59 |
8,3 |
151652,1 |
Нижегородская область |
1785 |
1657 |
129 |
7,2 |
233294,2 |
Оренбургская область |
1049 |
983 |
66 |
6,3 |
273135,6 |
Пензенская область |
689 |
652 |
37 |
5,4 |
144938,8 |
Самарская область |
1751 |
1663 |
88 |
5,1 |
258995,2 |
Саратовская область |
1310 |
1232 |
78 |
6,0 |
169948,9 |
Ульяновская область |
694 |
647 |
47 |
6,8 |
173673,0 |
* Источник: http://www.fec |
stat.ru |
Задание к теме «Анализ временных рядов»
Проанализируйте динамические ряды занятого населения, безработных и уровня безработицы (табл. 7), используя средства MS Excel. Анализ выполните в следующей последовательности:
расчет динамических показателей;
построение графика;
выявление аномальных значений;
сглаживание временного ряда;
построение уравнений тренда, выбор лучшей модели;
проверка адекватности модели.
прогнозирование.
Каждый этап анализ сопровождайте комментариями и выводами.
Методические указания по выполнению работы
На рабочем листе Excel создайте макет таблицы (табл. 4), заполните его исходными данными и при помощи ввода формул рассчитайте показатели динамики.
На рисунке 30 приведена таблица с формулами для вычисления показателей динамики.
Таблица 4 - Динамика безработных в Российской Федерации
год |
безработные |
абсолютный прирост(б) |
абсолютный прирост(ц) |
темп роста (б) |
темп роста (ц) |
темп прироста (б) |
темп прироста (ц) |
2000 |
7514,7 |
Х |
Х |
Х |
Х |
Х |
Х |
2001 |
6416,0 |
|
|
|
|
|
|
2002 |
5712,5 |
|
|
|
|
|
|
2003 |
5959,2 |
|
|
|
|
|
|
2004 |
5674,8 |
|
|
|
|
|
|
2005 |
5262,8 |
|
|
|
|
|
|
2006 |
5311,9 |
|
|
|
|
|
|
2007 |
4588,5 |
|
|
|
|
|
|
2008 |
4791,5 |
|
|
|
|
|
|
2009 |
6372,8 |
|
|
|
|
|
|
2010 |
5636,3 |
|
|
|
|
|
|
2011 |
5020,2 |
|
|
|
|
|
|
Н
|
С I
D I E I F
Численность
безработных в Российской Федерации,
в среднем за год. тыс. чел.
2
год
безработные
абсолютный
прирост (б)
абсолютный
прирост
(ц)
темп
роста
(б)
темп
роста
(ц)
темп
прироста (6)
темп
прироста
(ц)
3
2000
7514:7
X
X
X
X
X
X
4
2001
6416.0
=B4-BS3
=B4-B3
=B4/BS3*100
=B4;B3*100
=Е4-100
=Б4-100
5
2002
5712:5
=B5-BS3
=В5-В4
=B5.-BS3*100
=В5/В4*
100
=Е5-100
=F5-100
б
2003
5959.2
=B6-BS3
=В6-В5
=B6.-BS3*100
=Вб-В5*100
=Еб-100
=F6-100
7
2004
5674,8
=B7-BS3
=В7-В6
=B7/BS3*1QQ
=В7/В6*100
=Е7-100
=F7-100
8
2005
5262,8
=B8-BS3
=В8-В7
=B8.-BS3*100
=В8'В7®100
=Е8-100
=F8-100
9
2006
5311,9
=B9-BS3
=В9-В8
=B9.-BS3*100
=В9/В8*100
=Е9-100
=F9-100
30
2007
4588,5
=B10-BS3
=В10-В9
=B10/BS3*100
=ВШ/В9*1Ш
=Е10-100
=F10-100
33
2008
4791,5
=B11-BS3
=В11-В10
=B1LBS3*10Q
=В11;В10*100
=Е11-100
=F11-100
32
2009
6372.8
=B12-BS3
=В12-В11
=B12/B53*100
=В12;В11*100
=Е12-100
=F12-100
33
2010
5636,3
=B13-BS3
=В13-В12
=B13/BS3*100
=В13В12*100
=Е13-100
=F13-100
34
2011
5020,2
=B14-BS3
=В14-В13
=B14.;BS3*100
=В14®
13*100
=Е14-100
=F
14-Ш
15
Рис.30. Рабочий лист Excel с заданными формулами расчета показателей
динамики
Постройте график динамики. Опишите тенденцию, основываясь на значениях рассчитанных показателей и графике.
(1)
где
Sy
Xt =
yt _уровень ряда текущего года;yt _1- уровень ряда предыдущего года;
стандартное отклонение.
Если расчетное значение превысит уровень критического значения Хкр (с заданным уровнем значимости а и числом уровней n) то значение yt признается аномальным.
год |
безработные, тыс. чел. |
lyt-yt-1l |
расчетное |
скорректированные значения ряда |
2000 |
|
|
|
|
2001 |
|
|
|
|
2002 |
|
|
|
|
2003 |
|
|
|
|
2004 |
|
|
|
|
2005 |
|
|
|
|
2006 |
|
|
|
|
2007 |
|
|
|
|
2008 |
|
|
|
|
2009 |
|
|
|
|
2010 |
|
|
|
|
2011 |
|
|
|
|
Стандартное отклонение |
|
X |
X |
X |
Замена
аномального значения средней
арифметической соседних уровней ряда
|
А |
В |
С |
D |
E |
1 |
Диагностика аномальных наблюдений (метод Ирвина) | ||||
2 |
год |
безработные, тьгс.чел. |
|УгУи| |
расчетное |
скорректированные значения ряда |
3 |
2000 |
7514.7 |
|
|
=B3 |
4 |
2001 |
6416,0 |
=ABS(B4-B3) |
=C4;BS15 |
-В4 |
5 |
2002 |
5712,5 |
=ABS(B5-B4) |
=C5/BS15 |
=В5 |
6 |
2003 |
5959.2 |
=ABS(B6-B5) |
=C6/BS15 |
=Вб Г |
7 |
2004 |
5674,8 |
=ABS(B7-B6) |
=C7/B$15 |
=В7 / |
8 |
2005 |
5262,8 |
=ABS(BS-B7) |
=C8;BS15 |
=BS / |
9 |
2006 |
5311,9 |
=ABS(B9-B8) |
=C9/B$L5 |
=ш |
10 |
2007 |
4588,5 |
=ABS(B10-B9) |
=C 10/BS15 |
=в/о |
11 |
2008 |
4791,5 |
=ABSCB11-B10) |
сп/в$и |
^LL |
12 |
2009 |
6372,8 |
=ABS(B12-B11) |
=C12/B$15 l |
=СРЗНАЧ(В 11 :ВТ^ |
13 |
2010 |
5636,3 |
=ABS(B13-B12) |
=C13.'BS15 |
-СТТ |
14 |
2011 |
5020,2 |
=ABS(B14-B13) |
=C14.;BS15 |
=В14 |
15 |
Стандартное отклонение |
=СТАНДОЖЛОН(ВЗ:В 14) |
X |
X |
X |
Рис.31. Рабочий лист Excel с заданными формулами расчета критерия Ирвина
Сглаживание скорректированного временного рядапроведите на новом рабочем листе Excel, используя макет таблицы (табл.6).
Таблица 6 - Сглаживание уровней временного ряда
год |
безработные, тыс.чел. (скорректированные значения ряда) |
скользящее среднее |
экспоненциальное сглаживание |
|
|
|
|
2000 |
|
|
|
2001 |
|
|
|
2002 |
|
|
|
2003 |
|
|
|
2004 |
|
|
|
2005 |
|
|
|
2006 |
|
|
|
2007 |
|
|
|
2008 |
|
|
|
2009 |
|
|
|
2010 |
|
|
|
2011 |
|
|
|
Средний прирост начальный |
|
Х |
Х |
Средний прирост конечный |
|
Х |
Х |
Процедура сглаживания в MS Excel осуществляется в пакете Анализ данных (Данные^Анализ данных).В появившемся окне выберите инструмент анализа Скользящее среднее(рис. 32).
Рис.32.
Выбор инструмента для сглаживания
значений временного ряда
(скользящее
среднее)
1
R
Рис.33.
Окно ввода параметров инструмента
Скользящее среднее
Программа автоматически рассчитает значения и заполнит таблицу (рис.34). Поскольку был задан интервал сглаживания равный трем, в сглаженном ряду «потерялись» первое и последнее значения.
2 |
год |
безработные, тыс.чел. (скорректированные значения ряда) |
скользящее среднее |
экспоненциальное сглаживание |
|
3 |
|
|
ШД |
|
|
4 |
2000 |
7514:7 |
#н.Д |
|
|
5 |
2001 |
6416.0 |
6547:7 |
|
|
6 |
2002 |
5712:5 |
6029.2 |
|
|
7 |
2003 |
5959.2 |
5782:2 |
|
|
В |
2004 |
5674.8 |
5632.3 |
|
|
9 |
2005 |
5262:8 |
5416.5 |
|
|
10 |
2006 |
5311:9 |
5054:4 |
|
|
11 |
2007 |
45SS:5 |
4897:3 |
|
|
12 |
2008 |
4791,5 |
4864:6 |
|
|
13 |
2009 |
5213.9 |
5213:9 |
|
|
14 |
2010 |
5636:3 |
5290Л |
|
|
15 |
2011 |
5020:2 |
|
|
|
16 |
Средний прирост начальный |
|
X |
X |
|
17 |
Средний прирост конечный |
|
X |
X |
|
в с
Сглаживание
уровней временного ряда
D
Рис.
34. Таблица с автоматически заполненными
данными
(скользящее
среднее)
Теперь выберите инструмент анализа: Данные ^ Анализ данных ^ Экспоненциальное сглаживание.В появившемся окне (рис. 35) задайте параметры сглаживания: в поле Входной интервал -диапазон ячеек с исходными данными, в поле Фактор затухания -параметр а, в поле Выходной интервал -начало интервала вывода сглаженных значений уровней ряда.
Рис.
35. Окно ввода параметров инструмента
Экспоненциальное сглаживание
На рисунке 36 показано автоматическое заполнение таблицы сглаженными значениями.
|
А В |
С |
D |
| ||
1 2 |
Сглаживание уровней временного ряда |
| ||||
год |
5езра6отные:тыс.чел. (скорректированные значения ряда) |
скользящее среднее |
экспоненциальное сглаживание | |||
3 |
|
|
ШД |
ад |
| |
4 |
2000 |
7514:7 |
ад |
7514:7 |
| |
5 |
2001 |
б41б:0 |
6547:7 |
6635:74 |
| |
6 |
2002 |
5712:5 |
6029:2 |
5897,148 |
| |
7 |
2003 |
5959:2 |
5782:2 |
5946:7896 |
| |
8 |
2004 |
5б74:8 |
5632:3 |
5729Л9792 |
| |
9 |
2005 |
5262.8 |
5416.5 |
5356.079584 | ||
10 |
2006 |
5311:9 |
5054:4 |
5320.735917 |
| |
11 |
2007 |
45SS.5 |
4897:3 |
4734,947183 |
| |
12 |
2008 |
4791:5 |
4864:6 |
4780Л89437 |
| |
13 |
2009 |
5213:9 |
5213:9 |
5127Л57887 |
| |
|
2010 |
5636:3 |
5290 Д |
5534,471577 |
| |
2011 |
5020:2 |
|
|
| ||
Средний прирост начальный |
|
X |
X | |||
17 |
Средний прирост конечный |
|
X |
X | ||
1 R |
|
|
Рис.36. Таблица с автоматически заполненными данными (экспоненциальное сглаживание)
Осталось заполнить ячейки с недостающими уровнями ряда. Для восстановления значений «потерянных» в результате сглаживания методом скользящей средней нужно рассчитать средний прирост на начальном и конечном участках сглаживания (2)
Уг
-
t
-p
A
y = ■
(2)
nt -1
где
nt -длина участка сглаживания;
yt+p -значение последнего уровня на участке сглаживания;
yt-p -значение первого уровня на участке сглаживания;
A y - средний абсолютный прирост на последнем участке сглаживания.
Чтобы восстановить первый уровень ряда отнимите от первого сглаженного значения рассчитанный средний начальный прирост. Для восстановления последнего уровня ряда рассчитанное значение среднего конечного прироста прибавьте к последнему сглаженному значению исходного ряда.
Чтобы восстановить последний уровень ряда при экспоненциальном сглаживании скопируйте формулу из предыдущей ячейки (рис.37).
А В
С D 1 Сглаживание
уровней временного ряда 2 год безработные,
тыс.чел. (скорректированные значения
ряда)
скользящее
среднее экспоненциальное
сглаживание 3
4 2000 7514,7
7448,8 7514,7 5 2001 6416,0
6547,7 6635,7 6 2002 5712,5
6029,2 5897,1 1 2003 5959,2
5782,2 5946,8 8 2004 5674,
S
5632,3 5729,2 9 2005 5262.8
5416,5 5356,1 10 2006 5311,9
5054,4 5320,7 11 2007 4588.5
4897,3 4734,9 12 2008 4791,5
4864,6 4780,2 13 2009 5213,9
5213,9 5127,2 14 2010 5636,3
5290,1 5534,5 15 2011 5020,2
5193,3 5123,1 16 Средний
прирост начальный 901,1
X X 17 Средний
прирост конечный -96,S
X X т
Рис.37.
Расчет сглаженных значений временного
ряда
По исходным и рассчитанным значениям сглаженных уровней ряда постройте совмещенный график, как показано на рисунке 38.
Рис.38.
График скорректированного и сглаженных
уровней временного ряда
Параметры уравнения трендарассчитываются, как правило, методом наименьших квадратов. Мы же рассмотрим способ построения уравнения тренда «для ленивых»,который стал возможен благодаря функциям Excel.
На графике скорректированных уровней ряда (после устранения аномальных значений) щелчком правой кнопки вызовите контекстное меню (рис.39) и выберите пункт Добавить линию тренда.
Рис.39.
Построение линии тренда
Откроется окно выбора параметров уравнения тренда (рис.40). MS Excel позволяет строить пять видов линии тренда: экспоненциальную, линейную, логарифмическую, полиномиальную, степенную.
Выберите линейный тренд. Отметьте галочками поля «показывать уравнение на диаграмме» и«поместить на диаграмму величину достоверности аппроксимации». Задать формат отображения линии тренда можно на вкладках Цвет линии иТип линии.
Рис.40.
Выбор параметров линии тренда
Программа на построенный график нанесет линию тренда и на поле диаграммы запишет уравнение тренда и значение коэффициента детерминации (RA2) (рис.41).
Рис.41.
Уравнение тренда (линейный)
36
Аналогичным образом постройте уравнения полиномов второго и третьего порядков (рис. 42, 43). Для этого можно скопировать уже построенный график и щелчком правой кнопки мыши вызвать контекстное меню, в котором выбрать пункт Формат линии тренда.
Рис.42.
Уравнение тренда (полином второй
степени)
Рис.43.
Уравнение тренда (полином третьей
степени)
Конечно, с повышением степени полинома точность модели будет возрастать и в конечном итоге линия тренда пройдет через все фактические уровни ряда. Обычно же в экономических исследованиях применяются полиномы не выше третьего порядка. Использовать для определения тренда полиномы высоких степеней не целесообразно, поскольку полученные таким образом аппроксимирующие функции будут отражать случайные отклонения (что противоречит смыслу тенденции). К тому же если с повышением степени
многочлена качество модели улучшается не значительно, то нет смысла усложнять модель.
Если результаты вас не удовлетворяют, то попробуйте построить уравнения тренда другого вида (экспоненциальное, логарифмическое, степенное).
Адекватность моделипроверьте по двум критериям:
нормальность распределения остатков;
отсутствие автокорреляции в остатках.
Для этого организуйте данные на новом листе Excel как показано на рисунке 44.
Наиболее простой метод проверки гипотезы о нормальности распределения остаточной компоненты основан на RS - критерии.
RS-критерий численно равен отношению размаха вариации случайной величины остатков к стандартному отклонению se
(e -e )
RS
=(
max
min)
,(3)
se
где e max =max(e t) - максимальный уровень ряда остатков;
i
e min =min(e t) - минимальный уровень ряда остатков;
Ее2
t
se
=
n
-1
Если расчетное значение RS попадает между табулированными значениями a и b, т.е. a < RS < b при выбранном уровне значимости, то принимается гипотеза о соответствии ряда остатков нормальному закону распределения, в противном случае эта гипотеза отвергается.
Наиболее распространенный подход обнаружения автокорреляции, опирается на критерий Дарбина-Уотсона.Тест Дарбина-Уотсона связан с проверкой гипотезы об отсутствии автокорреляции только первого порядка, т.е. автокорреляции между соседними остаточными членами ряда. При этом критическая статистика определяется по формуле:
n
Е (е t -еt-1)2
d = • (4)
Е
t=1
е2
t
Близость значения статистики d к нулю означает наличие высокой положительной автокорреляции; близость значения статистики d к четырем означает наличие высокой отрицательной автокорреляции. В случае отсутствия автокорреляции значение статистики d будет близким к двум.
Применение на практике критерия Дарбина-Уотсона основано на сравнении расчетного значения статистики d с пороговыми, граничными значениями dL и dv. Граничные значения dL и du, зависящие от числа наблюдений n, количества объясняющих переменных в модели и уровня значимости а,находятся по таблицам.
Алгоритм выявления автокорреляции остатков на основе критерия Дарбина-Уотсона следующий.
Выдвигается гипотеза H0 об отсутствии автокорреляции остатков. Пусть альтернативная гипотеза состоит в наличии в остатках положительной автокорреляции первого порядка.
Тогда при сравнении расчетного значения статистики d ( d < 2)с dL и du возможны следующие варианты.
Если d < dL ,то гипотеза H0 об отсутствии автокорреляции отвергается (с вероятностью ошибки, равной а) в пользу гипотезы о положительной автокорреляции.
Если d > du ,то гипотеза H0 не отвергается.
Если dL < d < du, то нельзя сделать определенный вывод по имеющимся исходным данным (значение d попало в область неопределенности).
Если альтернативной является гипотеза о наличии в остатках отрицательной автокорреляции первого порядка, то с пороговыми, граничными значениями dL и du сравнивается величина 4 - d (при d >2).
При этом возможны следующие варианты.
Если 4 - d < dL , то гипотеза H0 об отсутствии автокорреляции отвергается (с вероятностью ошибки, равной а)в пользу гипотезы об отрицательной автокорреляции.
Если 4 - d > du, то гипотеза H0 не отвергается.
Если dL < 4 - d < du, то нельзя сделать определенный вывод по имеющимся исходным данным.
На рисунке 45 показана таблица с формулами для проверки адекватности модели.
|
А |
В |
С |
D |
Е F |
G Н |
I J К | |||||||||||||||
1 2 |
Проверка адекватности модели |
| ||||||||||||||||||||
№ года |
год |
скорр ектир ов анны е значения ряда |
теоретические значения ряда |
остатки |
Критерий Дарбина-Уотсона |
| ||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
| |||||||||||
1 |
2000 |
7514:7 |
|
|
шах |
|
|
|
|
| ||||||||||||
2 |
2001 |
6416:0 |
|
|
mill |
|
|
|
|
| ||||||||||||
6 |
3 |
2002 |
5712:5 |
|
|
S |
|
|
|
|
| |||||||||||
7 S 9 |
4 |
2003 |
5959:2 |
|
|
R.S |
|
|
|
|
| |||||||||||
5 |
2004 |
5674:8 |
|
|
|
|
|
|
|
| ||||||||||||
6 |
2005 |
5262;8 |
|
|
|
|
|
| ||||||||||||||
10 |
7 |
2006 |
5311.9 |
|
|
|
|
|
| |||||||||||||
11 12 13 |
S |
2007 |
4588:5 |
|
|
|
|
|
| |||||||||||||
9 |
2008 |
-1791,5 |
|
|
|
|
|
| ||||||||||||||
10 |
2009 |
5213:9 |
|
|
|
|
|
| ||||||||||||||
14 |
11 |
2010 |
5636=3 |
|
|
|
|
|
| |||||||||||||
|
12 |
2011 |
5020:2 |
|
|
|
|
|
| |||||||||||||
Параметры травления |
|
|
|
|
|
|
| |||||||||||||||
17 |
ао |
8158:8 |
|
|
|
|
|
d |
|
| ||||||||||||
IS |
|
-92Б:56 |
|
|
|
|
|
|
| |||||||||||||
19 |
Щ |
88:304 |
|
|
|
|
|
| ||||||||||||||
20 |
я3 |
-2:592б |
|
|
|
|
| |||||||||||||||
21 |
|
|
|
|
|
Рис.44. Организация данных на рабочем листе Excel для проверки адекватности модели
|
А |
В С |
D Е |
F |
G HI J К | ||||||||||||||||||
1 2
|
Проверка адекватности модели |
| |||||||||||||||||||||
№ года |
год |
скорректиров анны е значения ряда |
теоретические значения ряда |
остатки |
Критерий ДарЁина-Уотсона |
| |||||||||||||||||
|
|
|
|
|
|
|
|
|
|
| |||||||||||||
1 |
2000 |
7514.7 |
=В$17+В51 S*A4+BS19*А4А2+В$20*А4Л3 |
=D4-C4 |
max |
=MAKC(E4fEl 5) |
|
|
=Е4А2 |
| |||||||||||||
2 |
2001 |
6416=0 |
=В517+BS1S*A5+BS19* А5 А2+В S2 0 *А5Л3 |
=D5-C5 |
mill |
=МИН(Е4£15) |
=Е5-Е4 |
=Н5А2 |
=Е5А2 |
| |||||||||||||
3 |
2002 |
5712:5 |
=В$17+В$1Е*А6+В$19*А6Л2+В S2 0 *А6 А3 |
=D6-C6 |
S |
=СТАНД 0 ТКЛ OH(E4 Е-15) |
=Е6-Е5 |
=Н6А2 |
=ЕбА2 |
| |||||||||||||
4 |
2003 |
59592 |
=В S17+ВSI 8 * A7+BS19*А7А2+В S 2 0* А7Л3 |
=D7-C7 |
RS |
=(G4-G5),'G6 |
=Е7-Е6 |
=Н7А2 |
=Е7А2 |
| |||||||||||||
5 |
2004 |
5674;8 |
=В S17+ВS1S 8 AS+BS19яА8Л2+В 3 2 0 *AS А3 |
=DS-C8 |
|
|
=Е8-Е7 |
=Н8А2 |
=Е8А2 |
| |||||||||||||
6 |
2005 |
5262.8 |
=В S17+В 51S * А9+В519* А9Л2+В S2 0 8А9 л3 |
=D9-C9 |
=Е9-Е8 |
=Н9Л2 |
=£9^2 |
| |||||||||||||||
10 |
7 |
2006 |
5311=9 |
=В S17+В S18 *А10+В S19 * А10Л2+В S2 0* А10 А3 |
=D10-C10 |
=Е10-Е9 |
=Н10А2 |
=Е10Л2 |
| ||||||||||||||
И 12 13 |
8 |
2007 |
4588=5 |
=BS17+BS18*A11+BS19*A11A2+BS20*A1 1л3 |
=D11-C11 |
Е11 ЕЮ |
HI 1А2 |
=Е11А2 |
| ||||||||||||||
9 |
2008 |
4791,5 |
i=@$ 17+В$ 18 *А12+В$1^*А 12А2+Ше*А12лЗ |
=D12-C12 |
=Е12-Е11 |
=Н12А2 |
=Е12Л2 |
| |||||||||||||||
10 |
2009 |
5213:9 |
=BS17+BS18*A13+BS19*A13A2+BS20*A13A3 |
1)13 СП |
=Е13-Е12 |
=Н13А2 |
=Е13А2 |
| |||||||||||||||
14 |
11 |
2010 |
5636.3 |
=В S17+В S18:* А14+В S191«А14Л2+В S 20s А14А3 |
=D14-C14 |
=Е 14-Е 13 |
=Н14Л2 |
=Е14Л2 |
| ||||||||||||||
|
12 |
2011 |
5020:2 |
=В S17+В S18 * А15+В S19 8А15Л2+В S2 0 * А15 А3 |
=D15-C15 |
=Е15-Е14 |
=Н15А2 |
=Е15А2 |
| ||||||||||||||
Параметры уравнения |
|
|
|
|
=CVMM(I5-115) |
=CVMM(}5-J15) |
| ||||||||||||||||
17 |
а<> |
8158:8 |
|
|
|
|
|
d |
=I16.'J16 |
| |||||||||||||
18 |
а1 |
-928:56 |
|
|
|
|
|
=4-117 |
| ||||||||||||||
19 |
3-2 |
88;304 |
|
|
|
|
|
| |||||||||||||||
20 |
а3 |
-2:5926 |
|
|
|
|
|
| |||||||||||||||
21 |
|
|
|
|
|
|
Рис.45. Таблица с формулами для проверки адекватности модели
Таблица
7 - Динамика занятых и безработных по
округам
Год
Занятое
население
Безработные
Уровень
безработицы
Год
Занятое
население
Безработные
Уровень
безработицы
Центральный
федеральный округ
Южный
федеральный округ
2011
19
295 000
846
000
4,20
2011
6
506 000
490
000
7,00
2010
19
196 000
947
000
4,70
2010
6
425 000
534
000
7,67
2009
19
003 000
1
177 000
5,83
2009
6
440 000
607
000
8,62
2008
19
484 000
731
000
3,62
2008
6
605 000
460
000
6,52
2007
19
563 000
628
000
3,11
2007
6
497 000
492
000
7,04
2006
19
053 000
806
000
4,06
2006
6
277 000
563
000
8,24
2005
18
962 000
846
000
4,27
2005
6
142 000
565
000
8,43
2004
18
876 000
919
000
4,64
2004
6
161 000
651
000
9,55
2003
18
642 000
999
000
5,09
2003
5
840 000
752
000
11,40
2002
18
597 000
1
000 000
5,10
2002
6
071 000
644
000
9,59
2001
18
210 000
1
165 000
6,01
2001
5
847 000
761
000
11,52
2000
18
014 000
1
516 000
7,76
2000
5
851 000
870
000
12,95
Северо-западный
федеральный округ
Северокавказский
федеральный округ
2011
7
178 000
402
000
5,30
2011
3
755 000
663
000
15,00
2010
7
097 000
465
000
6,15
2010
3
616 000
735
000
16,89
2009
7
103 000
538
000
7,04
2009
3
665 000
723
000
16,47
2008
7
292 000
396
000
5,15
2008
3
588 000
691
000
16,15
2007
7
317 000
323
000
4,23
2007
3
388 000
820
000
19,49
2006
7
203 000
379
000
4,99
2006
3
124 000
927
000
22,88
2005
7
099 000
415
000
5,53
2005
2
961 000
627
000
17,48
2004
6
974 000
444
000
5,99
2004
2
746 000
651
000
19,17
2003
6
886 000
516
000
6,97
2003
2
777 000
575
000
17,16
2002
6
911 000
460
000
6,25
2002
2
763 000
581
000
17,39
2001
6
789 000
557
000
7,58
2001
2
653 000
611
000
18,71
2000
6
684 000
710
000
9,61
2000
2
604 000
668
000
20,42
*Источник:
http://www.gks.ru/
Прогнозированиена основе временного ряда экономических показателей относится к одномерным методам, базирующимся на экстраполяции, т.е. на продлении на будущее тенденции, наблюдавшейся в прошлом. Процесс экстраполяции заключается в подстановке соответствующей величины периода упреждения прогноза - промежутка времени, на который разрабатывается прогноз, в формулу, описывающую тренд.
Организуйте данные, как показано на рисунке 46.
А
Б С D Е
2
3 года год
скорректированные
значения
ряда
теоретические
значения ряда
1 2000 7514:7
4 2 2001 6416=0
7 3 2002 5712=5
4 2003 5959:2
5 2004 5674=8
Б 6 2005 5262.8
11 1 2006 5311.9
8 2007 45SS:5
9 2008 4791;5
12 10 2009 5213=9
11 2010 5636;3
12 2011 5020=2
13 2012
16 14 2013
17 15 2014
18
Параметры
травления
19 ао S15E=S
20 ai -928:5б
21
SS:304
22 а-з -2:592б
и
УК м | /ЛисгЗ / динамика и график ./критерий
Ирвина /смажевание проверка
Рис.46.
Организация данных на рабочем листе
Excel для прогнозирования
по
трендовой
модели
Подставив параметры уравнения в построенную модель, рассчитайте теоретические и прогнозные значения временного ряда (рис.47).
Постройте график исходного временного ряда, и прогнозных значений, рассчитанных на основе уравнения тренда (рис.48).
Рис.47.
Формулы для расчета прогноза
Рис.48.
Графическое изображение прогноза
значений временного ряда
■
факт
(скор.) —
- про
гноч
Рекомендуемая литература
Благовещенский Ю.Н. Тайны корреляционных связей. Монография. - М.: Научная книга: ИНФРА-М, 2009. - 158с.
Гришин А.Ф. Статистика: Учебное пособие. - М.: Финансы и статистика, 2003. - 240с.
Гришин А.Ф., Егорова Е.В. Экономико-статистический анализ хозяйственной деятельности крестьянских (фермерских) хозяйств - Тверь: издательство ТГСХА, - 2011. - 104 с.
Гришин А.Ф., Кочерова Е.В. Статистические модели: построение, оценка, анализ: Учеб. пособие. - М.: Финансы и статистика, 2005.-416с.
Егорова Е.В., Мутовкина Н.Ю. Экономико-статистический анализ хозяйственной деятельности в пакете прикладных программ STATISTICA: Учебное пособие. Тверь: ТГТУ, 2012 - 146с.
Елисеева И.И., Юзбашев М.М. Общая теория статистики: Учебник/ под ред. И.И. Елисеевой. - М.: Финансы и статистика, 2005. - 480 с.
Ефимова М.Р., Румянцев В.Н., Петрова Е.В. Общая теория статистики: учебник - 2-е изд., испр. и доп. - М: Издательство: Инфра-М, 2012г.- 416с.
Ефимова. М.Р., Аброскин А.С., Бычкова С.Г.Социально-экономическая статистика: учебник для бакалавров / под ред. М.Р. Ефимовой.- М.: Издательство Юрайт, 2012. -591с.
Мутовкина Н.Ю., Егорова Е.В. Статистический анализ финансово- хозяйственной деятельности субъектов экономики в MS Excel. Учебное пособие. Тверь: ТГТУ, 2013 - 206с.
Статистика: базовый курс / учебник для бакалавров / под ред. И.И. Елисеевой. М.: Юрайт. 2013. - 558 с.
Статистика: учебник для бакалавров / под ред. В. С. Мхитаряна. - М. : Издательство Юрайт, 2013. - 590 с.
Фаринюк Ю.Т., Егорова Е.В. Экономический анализ состояния и эффективности использования ресурсов сельскохозяйственной отрасли России - Тверь: Тверская ГСХА, - 2012. - 158с.
Интернет-ресурсы:
Единая межведомственная информационно-статистическая система http://www.fedstat.ru/indicators/start.do
Мировая экономика и мировые рынки www.ereport.ru
Официальный сайт Федеральной службы государственной статистики http://www.gks.ru/
Российский совет по международным делам. База данных международной статистики и индексов http://russiancouncil.ru/spec/stat/index.php
Приложения