- •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
1.4 Прогнозирование при наличии авторегрессии ошибок
Остановимся на задаче прогнозирования, когда ошибки в исходной модели у=Хβ+ε, (2.0) коррелированы по времени, а именно, образуют авторегрессионный процесс первого порядка:
εt = p εt+1 + vt, t = 1,.. .,n,n+ 1, (2.7)
где {vt, t = 1,..., n, n + 1} — последовательность независимых нормально распределенных случайных величин с нулевым средним и постоянной дисперсией σ2 , |р| < 1. Покажем, как можно использовать информацию об ошибках (2.7) для улучшения прогнозирования. Предположим, как и в начале этого раздела, что все параметры (β, р) известны. Но теперь в качестве оценки ŷ величины Уn+i возьмем не x'n+1 β, как раньше, а
ŷ = x'n+1 + p εn = x'n+1 β + р(yn-x'n ). (2.8)
Нетрудно проверить, что
е = уn+1 - ŷ =vn+1,
Откуда сразу следует, что Ее=0 и
Ее2= σ2v=(1-p2) σ2ε (2.9)
Таким образом, удается уменьшить ошибку прогноза по сравнению со случаем некоррелированных ошибок.[3]
Реально параметры регрессии неизвестны, поэтому при прогнозировании величины yn+1 в формуле (2.8) значения β и р заменяют их оценками:
Ŷ= x'n+1 β + r(yn- x'nβ) (3.0)
Мы не можем дать аналитическое выражение для среднеквадратичной ошибки прогноза. На практике используют формулу (2.9) с заменой величины σ2v на ее оценку, получаемую из регрессии , , при t=1.
Глава2. Пример построения прогноза по эконометрической модели
2.1. Точечное и интервальное прогнозирование, основанное на модели линейной регрессии
Проведем регрессионный анализ зависимости объема потребления (руб.) домохозяйства от располагаемого дохода (руб), отобрана выборка n=12 (помесячно в течение года)..
Данные и расчеты представлены в таблице 1.
Табл.1 Исходные данные и расчеты.
месяц |
|
|
|
|
|
|
|
|
1 |
10700 |
10200 |
114490000 |
109140000 |
104040000 |
10320,38 |
-120,38 |
14490,43 |
2 |
10900 |
10500 |
118810000 |
114450000 |
110250000 |
10511,75 |
-11,75 |
138,07 |
3 |
11000 |
10800 |
121000000 |
118800000 |
116640000 |
10607,44 |
192,56 |
37080,27 |
4 |
11300 |
11000 |
127690000 |
124300000 |
121000000 |
10894,50 |
105,50 |
11130,44 |
5 |
12000 |
11500 |
144000000 |
138000000 |
132250000 |
11564,31 |
-64,31 |
4135,66 |
6 |
12200 |
11700 |
148840000 |
142740000 |
136890000 |
11755,68 |
-55,68 |
3100,64 |
7 |
12300 |
11900 |
151290000 |
146370000 |
141610000 |
11851,37 |
48,63 |
2364,82 |
8 |
12800 |
12500 |
163840000 |
160000000 |
156250000 |
12329,81 |
170,19 |
28965,89 |
9 |
13600 |
13200 |
184960000 |
179520000 |
174240000 |
13095,30 |
104,70 |
10961,35 |
10 |
14000 |
13000 |
196000000 |
182000000 |
169000000 |
13478,05 |
-478,05 |
228533,84 |
11 |
14500 |
14100 |
210250000 |
204450000 |
198810000 |
13956,49 |
143,51 |
20595,73 |
12 |
15000 |
14400 |
225000000 |
216000000 |
207360000 |
14434,92 |
-34,92 |
1219,66 |
сумма |
150300 |
144800 |
1906170000 |
1835770000 |
1768340000 |
143899,64 |
0,00 |
362716,80 |
ср.знач. |
12525 |
12066,67 |
158847500 |
152980833,33 |
147361667 |
|
|
|
Согласно
Таким образом, уравнение парной регрессии имеет вид: . Можно сделать вывод, что объем потребления в среднем увеличивается на 81.8511 руб.
Рис.3 Линейная регрессионная модель
Для оценки дисперсии рассчитаем , а ряд фактических ошибок также , которые представлены в таблице.
Стандартная ошибка оценивания S=191, те в среднем наблюдаемые значения отличаются от расчетных на 191 руб.
Найдем стандартные ошибки оценок параметров
; .
;
Рассчитаем коэффициент детерминации :
Получаем, что оцененное уравнение на 99% объясняет поведение зависимой переменной- объема потребления домохозяйства.
Проверим статистическую значимость коэффициентов регрессии и :
и .
Критическое значение при уровне значимости равно . Так как , то гипотеза о статистической значимости коэффициента отклоняется.
Определим доверительные интервалы коэффициентов регрессии по формуле где s(
, которые с надежность 95% будут следующими:
для
для
Проверка гипотезы о статистической незначимости осуществляется с помощью критической статистики
Fнабл.=(n-2)*(R2/(1-R2)= 485717>Fα=(p,p-n-1)=4,96
То есть гипотеза отвеграется с вероятностью ошибки α.
Произведем точечный прогноз по формуле:
Таб.2 Точечный прогноз
точечный прогноз |
||
месяц |
|
прогноз |
(1)13 |
15500 |
14913,36 |
(2)14 |
16000 |
15391,80 |
(3)15 |
16350 |
15726,70 |
Рассчитаем границы интервала, в котором будет сосредоточено 95% возможных объемов потребления
,
где
Табл.3 Интервальный прогноз.
интервальный прогноз |
||||
месяц |
|
точ.прогноз |
нижняя граница доверит.инт-ла |
верхняя граница доверит.инт-ала |
(1)13 |
15500 |
14913,36 |
14443,73 |
15382,99 |
(2)14 |
16000 |
15391,80 |
15391,80 |
15391,80 |
(3)15 |
16350 |
15726,70 |
15726,70 |
15726,70 |
Таким образом с доверительной вероятностью 0,999 (или 99,9%) можно утверждать, что сохранении сложившихся закономерностей развития прогнозируемая величина попадет в интервал, образованный нижней и верхней границами.
Заключение
Прогнозирование позволяет заглянуть в будущее и увидеть наиболее вероятные изменения в исследуемой области.
Анализ методов прогнозирования, изучение этих методов, использование их в разных сферах деятельности является мероприятием рационализаторского характера. Степень достоверности прогнозов можно затем сравнить с действительно реальными показателями, и, сделав выводы, приступить к следующему прогнозу уже с существующими данными, т.е. имеющейся тенденцией. Опираясь на полученные данные, можно во временном аспекте переходить на более высокую ступень развития и совершенствовать деятельность определенной сферы.
Изучив результаты работы можно признать цель работы в основном достигнутой. В нынешней ситуации, когда объем потребления и располагаемый доход является неотъемлемыми в нашей повседневной жизни, без контроля и планирования этой сферы нормальное функционирование национальной экономики практически невозможно. Поэтому нельзя не признать актуальность решаемых в курсовой работе задач.
По результатам проведенного исследования, решены следующие задачи:
Определены понятие «прогнозирование» и исследованы его особенности, позволяющие более глубже понять интересующую нас тему.
Рассмотрены точечное и интервальное, условное и безусловное прогнозирование.
Проанализировано прогнозирование при наличии авторегрессии ошибок.
Проведено точечное и интервальное прогнозирование, основанное на модели линейной регрессии.
Библиографический список
1. Гмурман В.Е. Теория вероятностей и математическая статистика: Учеб. пособие для вузов. – М.: Высшая школа, 2003. – 479 с.
2. Дорошенко О.В. Введение в эконометрику: практикум.-Краснодар: Кубан.гос.ун-т,2007
3. Мангуст Я.Р., Катышев П.К., Пересецкий А.А., Эконометрика. Начальный курс.-М.:Дело,2005
4. Нанивская В.Г., Андронова И.В. Теория экономического прогнозирования: Учебное пособие. - Тюмень: ТюмГНГУ, 2000. — 98 с.
5. Садовникова Н.А. , Шмойлова Р.А., Анализ временных рядов и прогнозирование Выпуск 2 Учебное пособие Руководство по изучению дисциплины, Москва 2004]
6.Эконометрика/ под ред. И.И. Елисеевой.-М.:Финансы и статистика,2004