45

последовательности анализируемых данных. Тест чувствителен к долгосрочным циклам.

RUNM (Test for excessive runs above and below median) – тест на чрезмерное количество отклонений от медианы; рассчитывают число наблюдений, значение которых выше или ниже медиан, игнорируют значения, которые являются равными медиане. Тест чувствителен к наличию тренда в последовательности данных.

AUTO (Box-Pierce test for excessive autocorrelation) – тест на чрезмерную автокорреляцию рассчитывает коэффициент сериальной корреляции Бокса-Пирса.

MEAN (Test for difference in mean 1st half to 2nd half) – тест на существенность разности средних служит для определения тенденции среднего значения.

VAR (Test for difference in variance 1st half to 2nd half) – тест на существенность разности дисперсий позволяет установить тенденцию вариабельности.

Данные листинга, приведенные на рисунках 3.5.6 и 3.5.7, показывают, что данная модель наиболее удачно аппроксимирует эмпирические данные. Поэтому для производства прогноза лучше использовать эту модель.

Текстовые и графические результаты прогнозирования можно показать на экране. Щелкнем правой кнопкой мыши и выберем из меню пункт

Analysis Option – появится панель Model Specification Option

(Спецификации модели). После этого установим переключатель в положение Exponential trend (показательный тренд). Вызовем панель Tabular Options (табличные опции) (рисунок 3.5.3), установим флажок в полях Forecast Table (таблица прогнозов).

Сравнение моделей

----------------

Переменная данных: y Число наблюдений = 14 Индекс начала = 1

Осуществление выборки интервала = 1,0 года (года) Модели

------

(A)Линейная тенденция = 15,1791 + 0,343736 t

(B)Квадратная тенденция = 15,3522 + 0,278832 t + 0,00432692 t^2

(C)Показательная тенденция = exp (2,7284 + 0,0193701 t)

(D)Тенденция S-кривой = exp (2,93191 +-0,25073/t)

(E)Простое показательное сглаживание с альфой = 0,9999

------------------------------------------------------------------------

(A) 0,0528425 0,16562 0,945267 1,39571E-15 -0,0129212