- •Международный консорциум «Электронный университет»
- •Раздел I.
- •1.1. Система статистических понятий и категорий, применяемых в моделировании и прогнозировании социально-экономических явлений и процессов
- •1.2. Модель как отображение действительности
- •1.3. Понятие и основные принципы экономико-статистического анализа
- •1.4. Характеристика информационной базы и основные принципы ее формирования
- •1.5. Априорный анализ и его роль в статистическом моделировании
- •Табулированные значения λt
- •Раздел II.
- •2.1. Временные ряды, их характеристики и задачи анализа. Требования к исходной информации
- •Классификация временных рядов
- •2.2. Основные особенности статистического анализа одномерных временных рядов по компонентам ряда
- •2.3. Моделирование тенденции
- •Промежуточные расчетные значения слагаемых кумулятивного т-критерия
- •Расчет кумулятивного критерия для проверки гипотезы о линейной форме тренда
- •Расчетная таблица для определения тенденции в ряду динамики числа зарегистрированных разбоев в рф методом Фостера-Стюарта
- •Уровни и фазы временного ряда
- •Уровни групп
- •Расчет 3-х и 4-членных скользящих средних объема платных услуг населению рф
- •Динамика объема платных услуг населению одного из регионов рф за период январь-декабрь 2009 г. И определение параметров уравнения тренда методом наименьших квадратов
- •2.4. Выбор формы тренда
- •Критерии выбора класса выравнивающих кривых
- •Расчетная таблица реализации дисперсионного метода анализа в оценке трендовых моделей объема платных услуг населению одного из регионов рф за период январь-декабрь 2009 г.
- •2.5. Моделирование случайного компонента
- •Расчетная таблица для определения параметров линейного тренда, описывающего тенденцию изменения числа зарегистрированных разбоев в рф за период 1999-2008 гг.
- •Расчетная таблица для определения параметров критерия серий, основанного на медиане выборки числа зарегистрированных разбоев в рф за период 1999-2008 гг.
- •Расчетная таблица для определения параметров параболы второго порядка, описывающей тенденцию изменения числа зарегистрированных разбоев в рф за период 1999-2008 гг.
- •Расчетная таблица для определения параметров критерия серий, основанного на медиане выборки
- •Расчетная таблица критерия «восходящих» и «нисходящих» серий (по отклонениям от линейного тренда)
- •Расчетная таблица критерия «восходящих» и «нисходящих» серий (по отклонениям от параболы второго порядка)
- •2.6. Модели периодических колебаний
- •I. Метод абсолютных разностей (таблица 2.22):
- •Распределение дисперсии между гармониками
- •2.7. Модели связных временных рядов
- •Для проверки автокорреляции в уровнях ряда также используется критерий Дарбина-Уотсона. Гипотеза о наличии автокорреляции проверяется с помощью случайной величины:
- •Приведите классификацию статистических моделей.
- •Раздел III.
- •3.1. Сущность и классификация статистических прогнозов
- •3.2. Простейшие методы прогнозной экстраполяции
- •Расчетная таблица для определения прогнозных значений методом среднего абсолютного прироста
- •Расчетная таблица для определения прогнозных значений методом среднего темпа роста
- •3.3. Прогнозирование на основе экстраполяции тренда
- •3.4. Прогнозирование с учетом дисконтирования информации
- •Если временной ряд описывается параболой второго порядка:
- •3.5. Прогнозирование на основе кривых роста
- •Расчетная таблица определения промежуточных расчетов кривой Гомперца
- •3.6. Прогнозирование рядов динамики, не имеющих тенденции
- •Расчетная таблица для определения знаков отклонений
- •Основная литература
- •Дополнительная литература
- •1. Цели, задачи изучения дисциплины и сферы профессионального применения
- •2. Необходимый объем знаний для изучения данной дисциплины
- •3. Перечень основных тем
- •Тема 1. Методологические аспекты анализа и статистического моделирования временных рядов
- •Тема 2. Методологические вопросы статистического прогнозирования
- •Тема 3. Априорный анализ составляющих компонент временного ряда
- •Тема 4. Моделирование основной тенденции временного ряда
- •Тема 5. Моделирование случайной компоненты временного ряда
- •Тема 6. Моделирование периодической компоненты временного ряда
- •Тема 7. Моделирование связных временных рядов
- •Тема 8. Прогнозирование динамики социально-экономических явлений
- •Тема 9. Прогнозирование многомерных временных рядов
- •4. Для самопроверки и проведения итогового контроля необходимо:
- •Вопросы для самопроверки:
- •Тема 1. Методологические аспекты анализа и моделирования временных рядов
- •Тема 2. Моделирование основной тенденции временного ряда
- •Тема 3. Моделирование случайной компоненты временного ряда
- •Тема 4. Моделирование периодической компоненты временного ряда
- •Тема 5. Моделирование связных временных рядов
- •Тема 6. Прогнозирование динамики социально-экономических явлений
- •Тема 7. Прогнозирование многомерных временных рядов
- •Распределение Стьюдента (t – распределение)
- •Приложение 3 Распределение Фишера-Снедекора (f-распределение)
- •Значения для различных значений t
- •Значения средней и стандартных ошибоки
- •Приложение 6 Критические значения кумулятивного т-критерия
- •Распределение критерия Дарбина-Уотсона для положительной автокорреляции ( для 5%-ного уровня значимости)
- •7. Объективизация прогноза – это:
- •21. Тенденция дисперсии – это:
- •1.2. Задачи изучения дисциплины
- •2. Содержание дисциплины
- •Распределение учебного времени
- •2.1. Лекционные занятия
- •Тема 8. Прогнозирование динамики социально- экономических явлений
- •Тема 9. Прогнозирование многомерных временных рядов
- •2.2. Практические занятия
- •2.3. Содержание практических занятий
3.2. Простейшие методы прогнозной экстраполяции
Наиболее простыми методами прогнозирования по одномерным временным рядам, являются:
прогнозирование в предложении абсолютной неизменности значений предшествующих уровней в будущем;
метод среднего уровня ряда;
метод среднего абсолютного прироста;
метод среднего темпа роста.
Рассмотрим каждый из названных методов.
Прогнозирование в предположении абсолютной неизменности значений предшествующих уровней исходит из утверждения, что каждое следующее прогнозное значение будет равно предыдущему значению признака, то есть:
(3.2)
где:
–прогнозное значение на период упреждения L.
–прогнозное значение, предшествующее периоду упреждения L.
Данный случай прогнозирования является частным и в практике статистического прогнозирования социально-экономических явлений встречается крайне редко.
Другим простейшим методом прогнозирования социально-экономических явлений является метод прогнозирования на основе среднего уровня ряда.
Данный метод прогнозирования используется для случаев, когда изменение значений уровней временных рядов носит стационарный характер.
При построении прогноза данным методом используется принцип, согласно которому значения всех последующих прогнозируемых уровней принимаются равными среднему значению уровней ряда в прошлом, то есть:
, (3.3)
Таким образом получают точечный прогноз.
Однако, рассматривая временный ряд как выборку из некоторой генеральной совокупности, сложно предположить, что прогнозная точечная оценка полностью совпадает с эмпирическими значениями признака. В этом случае целесообразно определить доверительный интервал прогноза путем построения интервального прогноза данным методом по выражению вида:
, (3.4)
где:
t – табличное значение;
t – критерий Стьюдента с (n-1)числом степеней свободы и уровнем значимости;
–средняя квадратическая ошибка средней, которая определяется по формуле:
, (3.5)
где:
σy– среднее квадратическое отклонение, которое определяется как:
, (3.6)
где:
–эмпирические значения уровней временного ряда;
–средний уровень исходного временного ряда;
n – число уровней ряда.
Полученный таким образом (3.4) доверительный интервал учитывает колеблемость выборочных средних и предполагает, что каждая следующая прогнозная оценка будет равна среднему уровню ряда динамики. При этом упускается из вида возможность колеблемости эмпирических значений признака вокруг средней, то есть в определении доверительного интервала. В расчете дисперсии необходимо учесть как колеблемость выборочных средних, так и степень варьирования индивидуальных эмпирических значений признака вокруг средней.
В этом случае доверительный интервал прогнозной оценки можно определить по выражению вида:
(3.7)
Как видно, общая вариация прогнозируемого социально-экономического явления, то есть его ошибка, определяется суммой двух дисперсий: общая дисперсия и дисперсия выборочной средней при условии рассмотрения исходного временного ряда как выборки из некоторой генеральной совокупности.
Прогнозирование методом среднего абсолютного прироста предполагает, что общая тенденция развития изучаемого социально-экономического явления наилучшим образом аппроксимируется линейной формой аналитического выражения.
Применение данного метода прогнозирования возможно при предварительной проверке следующих предпосылок:
Абсолютные цепные приросты (t = yt – yt-1,
где:
yt – значение уровня t-го периода; yt-1 – значение уровня предшествующего t-му периоду времени) должны быть приблизительно одинаковыми;
Должно выполняться неравенство вида:
,
где:
–остаточная дисперсия, определяемая по формуле:
, (3.8)
где:
yt – эмпирические значения уровней временного ряда;
–теоретические значения уровней ряда, выровненные методом среднего абсолютного прироста;
n – число уровней исходного временного ряда.
, (3.9)
где:
t – цепные абсолютные приросты уровней исходного временного ряда.
После проверки и подтверждения выполнения данной предпосылки можно приступать к прогнозированию методом среднего абсолютного прироста, общая модель прогноза которого имеет вид:
, (3.10)
где:
yt – последний уровень исходного временного ряда (для перспективного прогноза) или уровень принятый за базу экстраполяции;
L – период упреждения прогноза;
–средний абсолютный прирост, который определяется по формулам вида:
или , (3.11)
где:
–последний уровень исходного временного ряда;
–первый уровень исходного временного ряда.
Как видно из приведенных преобразований, прогнозирование методом среднего абсолютного прироста заключается в непрерывном увеличении последнего уровня исходного ряда динамики на величину среднего абсолютного прироста на всем периоде упреждения.
Пример. По следующим данным об объеме ипотечного кредитования коммерческой недвижимости в одном из регионов РФ за период январь-август 2009 г. построить прогноз методом среднего абсолютного прироста на сентябрь – ноябрь 2009 г. (таблица 3.1).
Таблица 3.1