- •Глава1. Сущность прогнозирования
- •Глава2.Пример построения прогноза по эконометрической модели
- •Глава 1. Сущность прогнозирования
- •Понятие прогнозирования и его особенности
- •Точечное и интервальное прогнозирование
- •1.3 Условное и безусловное прогнозирование
- •1.4 Прогнозирование при наличии авторегрессии ошибок
- •Глава2. Пример построения прогноза по эконометрической модели
- •2.1. Точечное и интервальное прогнозирование, основанное на модели линейной регрессии
Точечное и интервальное прогнозирование
В прогнозных расчетах по уравнению регрессии определяется предсказываемое (уp) значение как точечный прогноз при хp=хk, т. е. путем подстановки в уравнение регрессии соответствующего значения х. Однако точечный прогноз явно не реален. Поэтому он дополняется расчетом стандартной ошибки , т. е. и соответственно интервальной оценкой прогнозного значения (у*)
- <у*< + (1.1)
Чтобы понять, как строится формула для определения величин стандартной ошибки , обратимся к уравнению линейной регрессии:
(1.2)
Подставим в это уравнение выражение параметра b1:
b1= -b0
тогда уравнение регрессии примет вид:
= -b0 +b0 x= +b0(x- ) (1.3)
Отсюда вытекает, что стандартная ошибка зависит от ошибки и ошибки коэффициента регрессии b0, т. е.
2 = (1.4)
Из теории выборки известно, что . Используя в качестве оценки σ2 остаточную дисперсию на одну степень свободы S2, получим формулу расчета ошибки среднего значения переменной у:
(1.5)
Ошибка коэффициента регрессии, как уже было показано, определяется формулой
∑ (1.6)
Считая, что прогнозное значение фактора хp=хk, получим следующую формулу расчета стандартной ошибки предсказываемого по линии регрессии значения, т. е.
∑ = (1.7)
Соответственно имеет выражение:
(1.8)
Рассмотренная формула стандартной ошибки предсказываемого среднего значения у при заданном значении хk характеризует ошибку положения линии регрессии. Величина стандартной ошибки как видно из формулы, достигает минимума при хк = , и возрастает по мере того, как «удаляется» от в любом направлении. Иными словами, чем больше разность между хк и х, тем больше ошибка с которой предсказывается среднее значение у для заданного значения хk. Можно ожидать наилучшие результаты прогноза, если признак- фактор х находится в центре области наблюдений х и нельзя ожидать хороших результатов прогноза при удалении хк от . Если же значение хк оказывается за пределами наблюдаемых значений х, используемых при построении линейной регрессии, то результаты прогноза ухудшаются в зависимости от того, насколько хк отклоняется от области наблюдаемых значений фактора х.
Фактические значения у варьируют около среднего значения Индивидуальные значения у могут отклоняться от на величину случайной ошибки ε , дисперсия которой оценивается как остаточная дисперсия на одну степень свободы S2. Поэтому ошибка предсказываемого индивидуального значения у должна включать не только стандартную ошибку , но и случайную ошибку S.
Рис. 1 Доверительный интервал линии регрессии: а — верхняя доверительная граница; б — линия регрессии; в — доверительный интервал для при хк; г — нижняя доверительная граница
Средняя ошибка прогнозируемого индивидуального значения у составит:
(1.9)
При прогнозировании на основе уравнения регрессии следует помнить, что величина прогноза зависит не только от стандартной ошибки индивидуального значения у, но и от точности прогноза значения фактора х. Его величина может задаваться на основе анализа других моделей исходя из конкретной ситуации, а также из анализа динамики данного фактора. Рассмотренная формула средней ошибки индивидуального значения признака у( ) может быть использована также для оценки существенности различия предсказываемого значения исходя из регрессионной модели.[6]