- •4. Оцените качество модели через коэффициент детерминации, среднюю ошибку аппроксимации и f-критерий Фишера.
- •Проверка условия гомоскедастичности случайной составляющей (возмущения).
- •3. Оценка качества построенной модели.
- •1) Оценка адекватности
- •4. Оценка точности модели.
- •5. Построение точечного и интервального прогноза.
- •Список литературы
4. Оценка точности модели.
Оценку точности модели проведем на основе использования средней относительной ошибки аппроксимации Еотн. (табл.6).
Таблица 6.
Номер наблюдений |
yt |
et |
|
1 |
12 |
-0,2 |
0,0 |
2 |
15 |
1,0 |
0,1 |
3 |
16 |
0,1 |
0,0 |
4 |
19 |
1,3 |
0,1 |
5 |
17 |
-2, 6 |
0,2 |
6 |
20 |
-1,4 |
0,1 |
7 |
24 |
0,7 |
0,0 |
8 |
25 |
-0,1 |
0,0 |
9 |
28 |
1,0 |
0,0 |
|
∑=0,4 Еотн= 4,4
|
Получаем:
ВЫВОД: Т.к. допустимый предел не ˃ 8-15%. то в нашем случае Еотн≈4,4% - хороший уровень точности модели.
5. Построение точечного и интервального прогноза.
Для вычисления точечного прогноза на следующие две недели в построенную модель подставляем соответствующие значения фактора t=n+k:
ŷпрогн(n+k)=а0+а1(n+k)
ŷпрогн10=10,3+1,85*(9+1)=28,8– точечный прогноз на десятую неделю;
ŷпрогн11=10,3+1,85*(9+2)=30,7 – точечный прогноз на одиннадцатую неделю.
Для построения интервального прогноза рассчитаем доверительный интервал. При уровне значимости α=0,3, доверительная вероятность равна 70 %, а критерий Стьюдента при степени свободы ν=n-2=7 равен 1,1. Для этого расчета мы использовали функцию Excel «СТЬЮДРАСПОБР».
Ширину доверительного интервала вычислим по формуле:
tα=1,1(вычислили с помощью функции «СТЬЮДРАСПОБР» в Excel);
=5 (берем из табл. 4);
=60 (берем из табл.4) подставив данные в формулу, получим:
U(1)=1,8*1,1 =1,8*1,1*1,2≈2,4;
U(2)=1,8*1,1 =1,8*1,1*1,3≈2,6.
Далее вычислим верхние и нижние границы интервального прогноза спроса на кредитные ресурсы финансовой компании на следующие две недели, результаты содержатся в табл.7:
верхняя граница = ŷпрогн(n+k) +U(k);
нижняя граница = ŷпрогн(n+k) – U(k).
Таблица 7.
n+k |
U(k) |
Точечный прогноз |
Верхняя граница |
Нижняя граница |
10 |
U(1)=2,4 |
28,8 |
31,2 точечн.прогноз + U(1) |
26,4 точечн.прогноз - U(1) |
11 |
U(2)=2,6 |
30,7 |
33,3 точечн.прогноз + U(2) |
28,1 точечн.прогноз - U(2) |
ŷпрогн10±U(1) – интервальный прогноз на 1 неделю вперед:
28,8+2,4=31,2 – верхняя граница;
28,8-2,4=26,4 – нижняя граница;
ŷпрогн11±U(2) – интервальный прогноз на 2 недели вперед:
30,7+2,6=33,3 – верхняя граница;
30,7-2,6=28,1 – нижняя граница.
Результаты моделирования и прогнозирования представлены графически на рис.2.
Рис.2 Результаты моделирования и прогнозирования
ВЫВОД: Построенная мной линейная модель по всем параметрам проверки является адекватной и точной, имеет вид Y(t)=10,3+1,85t, t=1,2,3,4,…11. Коэффициент регрессии показывает, что с каждой неделей кредитные ресурсы увеличиваются в среднем на 1,85 млн.руб.
Прогнозные оценки факторов достаточно надежны, поэтому с вероятностью 70% можно утверждать, что при сохранении сложившихся закономерностей развития прогнозируемая величина попадает в интервал, образованный нижней и верхней границами. Спрос на кредитные ресурсы финансовой компании на десятую неделю окажется в пределах от 26,4 до 31,2 млн.руб., а на одиннадцатую неделю – от 28,1 до 33,3 млн.руб.