Категории:

Астрономия
Биология
География
Другие языки
Интернет
Информатика
История
Культура
Литература
Логика
Математика
Медицина
Механика
Охрана труда
Педагогика
Политика
Право
Психология
Религия
Риторика
Социология
Спорт
Строительство
Технология
Транспорт
Физика
Философия
Финансы
Химия
Экология
Экономика
Электроника

методы среднесрочного прогнозирования

Применяются в следующих случаях:1)имеются ежегодные данные 2) прогноз осуществляется для временных рядов относительно малой длинны. Метод линейной регрессии оказывается достаточно надежным.

b-коэффициент регрессии он характеризует наклон линии регрессии. а-начальный или свободный коэффициент, характеризует уровень пересечения осью y.

b=

Для определения значимости характеристик необходимо определить насколько хорошо уравнение регрессии объясняет дисперсию зависимой переменной в зависимости от t по сравнению с общей дисперсией.

Общая дисперсия

Объясняемая дисперсия

Остаточная дисперсия

r2 коэффициент детерминации определяет как доля общей дисперсии объясняется регрессии.

r коэффициент корреляции определяет тесноту связи между переменными.

Для прогнозирования с помощью регрессии необходимо вместо t подставить нужный уровень ряда и произвести расчет. Доверительный интервал ! это интервал, в который с определенной степенью уверенности можно ожидать появление фактического значения прогнозируемой переменной. Определяется по формуле

 

 

-стандартная ошибка.

- ошибка прогноза.

После нахождения стандартной ошибки прогноза можно определить доверительные интервалы: приближенными 99, 95 и 68% ными доверительными интервалами будут соответственно.

 

На практике прогноз может быть осуществлен не только с помощью линейной зависимостью, для этого необходимо произвести линеанелизацию

На практике встречаются данные которые могут быть описаны кривыми имеющими точку перегиба. В таких случаях используют кривую Гомперца и лигистическую кривую. Для оценки параметров их сводят к модифицированной экспоненте.

Параметры определяют по формулам.

Метод кумулятивных сумм.

Одной из причин уменьшения точности прогноза является сдвиги в данных прогнозируемых показателей, один из методов распознания данных сдвигов - метод кумулятивных сумм – вычисление кумулятивной суммы ошибок. Для каждого уровня ряда вычисляется отклонение прогнозируемого показателя от фактического. Эта процедура приведет к серии положительных и отрицательных ошибок, суммирование этих ошибок приведет к величине CUSUM. Если график кумулятивной суммы растет значит произошел сдвиг в динамике у ровня в положительную сторону. Если падает отрицательную. По скорость подъема графика можно судить о размере сдвига.

Метод кумулятивных сумм может быть выражен с подошью 2-х формул:

 

Где а и b параметры, е – текущая ошибка.

Если D становиться отрицательным произошло понижение среднего уровня,

Если R – повышение. Параметры a и b подбираются имперически.