Расчетные показатели для вычисления средних ошибок аппроксимации

		Модель (1.12.31)	Модель (1.12.32)	Модель (1.12.33)	Модель (1.12.34)	Модель (1.12.31)	Модель (1.12.32)	Модель (1.12.33)	Модель (1.12.34)
–2	16,4	16,34	16,37	16,31	16,37	0,37	0,18	0,55
–1	16,9	17,02	17,00	16,98	17,01	0,71	0,59	0,47	0,65
0	17,8	17,70	17,67	17,67	17,70	0,56	0,73	0,73	0,56
1	18,3	18,38	18,36	18,39	18,36	0,44	0,33	0,49	0,33
2	19,1	19,06	19,10	19,15	19,09	0,21	0,00	0,26	0,05
						2,28	1,83	2,51	1,78

Применяя формулу (1.11.19) и суммы в итоговой строке табл. 1.12.16, найдем, что средняя ошибка аппроксимации:

1) линейной модели составила: ;

2) параболической модели – ;

3) кубической модели – ;

4) экспоненциальной модели – .

Наименьшую среднюю ошибку аппроксимации имеет экспоненциальная модель.

Таким образом, выявлен тренд розничного товарооборота фирмы  развитие по экспоненте. Заметим, что цепные темпы роста рассматриваемого ряда динамики, равные числам 1,03; 1,05; 1,03 и 1,04, можно считать стабильными.

Упражнение 1.12.5. Найдите наилучшую трендовую модель ряда динамики, данного в упражнении 1.12.3.

1.12.7. Прогнозирование уровней ряда динамики с помощью трендовых моделей

По наилучшей трендовой модели ряда динамики можно прогнозировать его уровень на следующий период после последнего периода лишь в том случае, когда имеются основания полагать, что все факторы, влияющие на уровни этого ряда, в прогнозируемом периоде сохранятся. Для этого надо в модели записать условный момент времени, соответствующий прогнозируемому периоду, и вычислить прогнозное значение. Например, полагая в модели (1.12.34) условный момент времени, равный числу 3, получим прогнозное значение розничного товарооборота на 6-й год:

млн. руб.