1.3.2 Исследование часового параболического тренда

Для удобства анализа полученные результаты оценки часового параболического тренда представлены в виде таблицы 6.

Таблица 6 - Результаты оценки модели часового параболического тренда

Наименование показателя	Вид продукции
	А
1. Количество наблюдений	84
Наименование показателя	Вид продукции
2. Оценка параметра:
1) a0	-4,291
2)a1	1,325
3)a2	-0,052
3. Частный вид уравнения регрессии	y=-4,291+1,325*t-0,052*t**2
4. Коэффициент множественной корреляции – R	0,053
5. Вывод о степени зависимости между переменными	очень слабая
6. Стандартная ошибка параметра:
1) a0 – Sa0	6,994
2) a1 – Sa1	1,236
3) a2 – Sa2	0,054
7. Расчетное значение критерия Стьюдента:
1) для параметра a0 – ta0(n = n – p =81)	-0,613502
2) для параметра a1 – ta1(n = n – p =81)	1,072496
3) для параметра a2 – ta2(n = n – p =81)	-0,975362
8. Табличное значение критерия Стьюдента,	1,990
9. Вывод о значимости параметра:
1) a0	не значим
2) a1	не значим
3)a2	не значим
12. Вывод о статистической значимости модели	не значима
13. Коэффициент детерминации, R^2, %	4,02
14. Скорректированный коэффициент детерминации, R^2скорр, %	1,04
Наименование показателя	Вид продукции
15. Вывод об адекватности модели	адекватна
16. Вывод о возможности использования модели для прогнозирования	не пригодна

Так как исследование предполагает сравнение трендов с разным количеством объясняющих переменных, то для исключения влияния этого фактора на оценку адекватности моделей их сравнение проводилось по скорректированному коэффициенту детерминации, значение которого рассчитывалось по формуле:

, (1)

где n – количество наблюдений;

p – количество параметров модели.

По результатам проведенного исследования часового параболического тренда был сделан ряд заключений.

На основании коэффициента множественной корреляции было выяснено, что степень параболической зависимости между часом суток и объемом реализации по продукту «А» является очень слабой.

При проверке статистической значимости параметров модели с помощью Критерий Стьюдента было установлено, что коэффициент при времени не значим.

Проверка адекватности уравнений тренда с помощью коэффициента детерминации показала, что все модели с очень слабой адекватностью и не рекомендованы для прогнозирования.

При построении параболических трендов был использован модуль «Углубленные методы анализа – Нелинейное оценивание» системы «Statistica». Оценка параметров трендов проводилась методом наименьших квадратов.

По результатам проведенного исследования суточного параболического тренда можно сделать следующие выводы.

Степень параболической зависимости между сутками и объемом реализации продукции является очень слабой.

Проверка адекватности уравнений тренда с помощью коэффициента детерминации показала, что все модели с очень слабой адекватностью и не пригодны для прогнозирования.

Для тренда построена диаграмма рассеяния.

Рисунок 9 - Диаграмма рассеяния часового объема реализации продукта «А» с нанесением линейного тренда

Рисунок 10 - Диаграмма рассеяния часового объема реализации продукта «А» с нанесением параболического тренда