Методические указания для выполнения задания

1. Импорт данных из таблицы Excel: Файл/Открыть/Импорт/ Excel/«Занятие_Тренд.xlsх»/data2.

2. Интерпретировать данные как временной ряд:

Рис.5.1. Окно импорта временного ряда

2. Проведем визуальный анализ временного ряда: Вид/График/График временного ряда:

Рис. 5.2. График исходного временного ряда

График показывает, что временной ряд имеет тренд и сезонные колебания.

3. Проведем анализ автокорреляционной функции: Переменная/ Коррелограмма, лаг=5.

Рис. 5.3. Коррелограмма исходного временного ряда

На автокорреляционной функции видно, что значимы коэффициенты автокорреляции 2 и 4 лага, значит, временной ряд имеет сезонные колебания с периодичностью в 4 квартала (год).

4. Введем условную переменную time: Добавить/ Временной тренд.

5. Определяем центрированную скользящую среднюю: Переменная/ Фильтр/ Простая скользящая средняя.

Рис. 5.4. График скользящей средней

Чтобы обнулить пропущенные значения ma_y, mc_y: Данные / Изменить значения.

6. Добавляем фиктивные переменные для периодов dq1,dq2,dq3,dq4: Добавить/Фиктивные переменные для периодов.

7. Находим частные подвыборки для оценки сезонных колебаний по 4 кварталам OSK1,OSK2,OSK3,OSK4: Добавить/ Добавить новую переменную:

и т.д.

Рис. 5.4. Окно добавления новой переменной для частных подвыборок

8. Находим сезонные коэффициенты SK1,SK2,SK3,SK4 через скаляры:

и т.д.

Рис. 5.5. Окно ввода скаляров

Находим сумму сезонных коэффициентов S0 и определяем корректировочный коэффициент, разделив S0 на 4:

Рис. 5.6. Окно скаляров с корректировочным коэффициентом

Находим скорректированные сезонные коэффициенты SSK1,SSK2,SSK3,SSK4: SSK1=SK1-dk и т.д.

Рис. 5.7. Окно скаляров с сезонными коэффициентами

9. Формируем значения сезонной компоненты: Добавить / Добавить новую переменную:

Рис. 5.8. Окно добавления новой переменной для сезонной компоненты

Рис. 5.9. График сезонной компоненты SK

10. Находим TK+E=Y-SK: Добавить / Добавить новую переменную:

Рис. 5.10. Окно добавления новой переменной для трендовой и

случайной компонент

11. Находим параметры линейного тренда обычным МНК: Модель/ Метод наименьших квадратов:

Рис. 5.11. Модель линейного тренда

Сохраним модель: В окне модели: Файл / Сохранить в текущей сессии

12. Находим трендовую компоненту:

Вводим скаляры: a0=5,71542, a1=0,186422.

Определяем значения трендовой компоненты TK:

Добавить / Добавить новую переменную: TK=a0+a1*time.

Рис. 5.12. Значения и график трендовой компоненты TK

13. Определяем значения суммы трендовой компоненты и сезонной компоненты: TSK=TK+SK.

Рис. 5.12. Значения и график трендовой и сезонной компонент

14. Определяем прогнозную оценку объема продаж на 1,2,3,4 кварталы следующего года. Изменим диапазон time для прогноза: Данные / Изменить значения / Добавить наблюдения:

Рис. 5.13. Окно добавления наблюдений в переменную time

15. В окне «Просмотр сессии» откроем модель линейного тренда. В окне модели выбираем: Анализ / Прогнозы, и задаем горизонт прогнозирования:

Рис. 5.14. Прогноз выручки в 1,2,3,4 кварталах следующего года

Рис. 5.15. График прогноза трендовой компоненты и суммы трендовой и сезонной компонент

16. К каждому прогнозному значению тренда прибавим величину сезонной компоненты. Введем скаляры: PTK1, PTK2, PTK3, PTK4. Затем введем скаляры: PTSK1, PTSK2, PTSK3, PTSK4:

PTSK1=PTK1+SSK1 и т.д.