- •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
Расчетная таблица реализации дисперсионного метода анализа в оценке трендовых моделей объема платных услуг населению одного из регионов рф за период январь-декабрь 2009 г.
Месяц |
прямая |
парабола | |||
январь |
21,4 |
5,15 |
26,52 |
0,18 |
0,014 |
февраль |
22,1 |
4,45 |
19,80 |
0,34 |
0,104 |
март |
23,9 |
2,65 |
7,02 |
0,13 |
0,154 |
апрель |
24,3 |
2,25 |
5,06 |
0,01 |
0,055 |
май |
24,9 |
1,65 |
2,72 |
0,13 |
0,368 |
июнь |
26,9 |
0,35 |
0,12 |
0,61 |
0,228 |
июль |
28,0 |
1,45 |
2,10 |
1,04 |
0,514 |
август |
28,5 |
1,95 |
3,80 |
0,44 |
0,171 |
сентябрь |
28,8 |
2,25 |
5,06 |
0,01 |
0,01 |
октябрь |
28,6 |
2,05 |
4,20 |
0,92 |
0,859 |
ноябрь |
29,3 |
2,75 |
7,56 |
1,25 |
0,745 |
декабрь |
31,9 |
5,35 |
28,62 |
0,38 |
1,327 |
Итого |
318,6 |
- |
112,58 |
5,44 |
4,540 |
Проверим методом дисперсионного анализа, подходит ли уравнение линейного тренда для описания тенденции в изменении объема платных услуг населению:
; 1=k-1=1; 2=n-k=12-2=10); .
Следовательно, c вероятностью 95% можно утверждать, что уравнение линейного тренда подходит для описания тенденции исходного ряда объема платных услуг населению.
Проверим методом дисперсионного анализа, подходит ли уравнение параболы второго порядка для описания тенденции в изменении объема платных услуг населению РФ:
;
; 1=k-1=2; 2=n-k=12-3=9); .
гипотеза отвергается.
Следовательно, c вероятностью 95% можно утверждать, что уравнение параболы второго порядка подходит для описания тенденции исходного ряда динамики объема платных услуг населению одного из регионов РФ.
Отдельно взятый критерий или метод при выборе формы тренда не обеспечивает правильность ее выбора. Необходим обязательно учет специфики объекта исследования, методов прогнозирования и оценки точности и надежности получаемых прогнозов.
После того, как определена форма трендовой модели (уравнения), необходимо проанализировать наличие, характер и закон распределения отклонений эмпирических значений от теоретических, полученных по уравнению тренда.
2.5. Моделирование случайного компонента
Исследование случайного компонента проводится с целью решения двух основных задач:
оценки правильности выбора трендовой модели;
оценки стационарности случайного процесса.
При правильном выборе формы тренда отклонения от него будут носить случайный характер, что означает, что изменение случайной величины t не связано с изменением t.
Для этого определяются отклонения эмпирических значений от теоретических: t = yt – f(t) для каждого уровня исходного временного ряда.
Проверяется гипотеза H0: о том, что значения случайной величины t случайны и величина t не зависит от времени.
Методами проверки данной гипотезы являются следующие:
коэффициент корреляции;
критерий серий, основанный на медиане выборки;
критерий «восходящих» и «нисходящих» cерий;
критерий min и max.
Наиболее простой способ сводится к расчету коэффициента корреляции между t (отклонениями от тренда) и фактором времени t, и проверке его значимости.
Критерий серий, основанный на медиане выборки.
Этапы реализации метода:
рассчитываются отклонения эмпирических значений от теоретических, полученных по уравнению тренда: 1, 2, ..., n ().
t ранжируются, где:
(1) – наименьшее значение: (1), (2), ..., (n) в порядке возрастания или убывания.
Определяется медиана отклонений med.
Значения t сравниваются со значением med и ставится знак «+» или «-»:
t > med – «+»
t < med – «-»
t = med – пропускается уровень или ставится «0».
Таким образом получается ряд «+» и «-».
Выдвигается и проверяется следующая основная гипотеза H0: если отклонения от тренда случайны, то их чередование должно быть случайным.
Последовательность «+» и «-» называется серией.
Определяется kmax(n) – длина наибольшей серии.
Определяется V(n) – число серий.
Выборка признается случайной, если одновременно выполняются неравенства ( = 0,05):
(2.37)
Если хотя бы одно неравенство нарушается, то гипотеза о случайности отклонений уровней временного ряда от тренда отвергается.
Пример. Произведем оценку случайной компоненты в ряду динамики числа зарегистрированных разбоев (в тыс.)
Таблица 2.14
Годы |
1999 |
2000 |
2001 |
2002 |
2003 |
2004 |
2005 |
2006 |
2007 |
2008 |
Число разбоев |
16,5 |
18,5 |
30,4 |
34,2 |
37,9 |
37,7 |
34,6 |
34,3 |
38,5 |
41,1 |
Необходимо выявить случайную компоненту в данном ряду динамики с помощью критерия серий, основанного на медиане выборки. В качестве трендовой модели рассмотрим линейный тренд и параболу второго порядка.
Первоначально оценим отклонения эмпирических значений числа зарегистрированных разбоев в РФ от теоретических, полученных по уравнению линейного тренда:
Рассчитаем параметры уравнения прямой, используя метод наименьших квадратов. Промежуточные вычисления отразим в таблице 2.15.
Таблица 2.15