- •7. Временные ряды
- •7.1. Структура и особенности временных рядов
- •7.2. Предварительный анализ исходных вр
- •7.2.1. Выявление и устранение аномальных наблюдений
- •7.2.2. Методы выявления тренда во вр
- •7.2.3. Методы сглаживания вр
- •7.2.4. Оценка автокорреляции во вр
- •Данные для расчета автокорреляции
- •7.3. Формирование набора моделей прогнозирования
- •7.3.1. Методология экономического прогнозирования
- •7.3.2. Кривые роста и их выбор
- •1. Полиноминальные кривые роста
- •Экспоненциальные кривые роста
- •Выбор вида кривой роста
- •7.4. Численное оценивание параметров моделей
- •Исходные данные задачи
- •Расчетная таблица задачи
- •7.5. Проверка качества моделей
- •7.5.1. Адекватность модели
- •Интервальные оценки критерия Дарбина-Уотсона
- •7.5.2. Точность модели
- •7.6. Построение точечного и интервального прогнозов
- •7.7. Пример расчета вр и прогноза по этому ряду
- •Исходные данные вр
- •Расчетные данные для вр
- •7.8 Адаптивное прогнозирование
- •Расчет скорректированных значений a0(t) и a1(t)
- •Прогнозные оценки по модели Брауна
Интервальные оценки критерия Дарбина-Уотсона
n |
k = 1 |
k = 2 |
k = 3 |
|||
d1 |
d2 |
d1 |
d2 |
d1 |
d2 |
|
15 |
1,08 |
1,36 |
0,95 |
1,54 |
0,82 |
1,75 |
20 |
1,20 |
1,41 |
1,10 |
1,54 |
1,00 |
1,68 |
30 |
1,35 |
1,49 |
1,28 |
1,57 |
1,21 |
1,65 |
При сравнении расчетного значения d – статистики с табличным могут возникнуть такие ситуации: d2 < d < 2 – ряд остатков не коррелирован; d < d1 - остатки содержат автокорреляцию; d1 < d < d2 – область неопределенности, когда нет оснований ни принять, ни отвергнуть гипотезу о существовании автокорреляции. Если d превышает 2, то это свидетельствует о наличии отрицательной корреляции. Перед входом в таблицу такие значения следует преобразовать по формуле d' = 4 – d.
Иногда пользуются формулой первого коэффициента корреляции
(7.4а)
4
(7.5)
,
где εmах и εmin – максимальный и минимальный уровни ряда остатков соответственно.
Если расчетное значение попадает между табулированными границами c заданным уровнем вероятности, то гипотеза о нормальном распределении ряда остатков принимается. Для уровня значимости α = 0,05 при n = 10 нижняя граница равна 2,67, а верхняя равна 3,685; при n = 20: 3,18 и 4,49; при n = 30: 3,47 и 4,89 соответственно.
Если все четыре пункта проверки дают положительный результат, делается вывод о том, что выбранная трендовая модель является адекватной реальному ряду экономической динамики. Только в этом случае ее можно использовать для построения прогнозных оценок. В противном случае модель надо улучшать.
7.5.2. Точность модели
Оценка точности модели имеет смысл только для адекватных моделей. В случае ВР точность модели определяется как разность между фактическим и расчетным значениями. В качестве статистических показателей точности чаще всего применяют стандартную ошибку прогнозируемого показателя, или стандартное среднеквадратическое отклонение от линии тренда
(7.6)
где m – число параметров модели, и среднюю относительную ошибку аппроксимации
(7.7)
Если ошибка, вычисленная по последней формуле, не превосходит 15%, точность модели считается приемлемой. В общем случае допустимый уровень точности, а значит и надежности, устанавливает пользователь модели, который в результате содержательного анализа проблемы выясняет, насколько она чувствительна к точности решения и насколько велики потери из-за неточного решения.