- •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
2.3. Моделирование тенденции
Анализ и моделирование тенденции временного ряда целесообразно начинать с выявления наличия тенденции в целом. Для этой цели наиболее эффективны и дают хорошие результаты такие методы как кумулятивный Т-критерий.
Кумулятивный Т-критерий позволяет определить наличие не только самой тенденции, но и ее математического выражения – тренда.
Выдвигается основная гипотеза (Н0:) об отсутствии тенденции в исходном временном ряду.
Расчетное значение критерия определяется по формуле:
, (2.5)
где:
Zn – накопленный итог отклонений эмпирических значений уровней исходного ряда динамики от среднего его уровня;
– общая сумма квадратов отклонений, определяемая по формуле:
;
yt – исходные значения признака;
–средний уровень исходного ряда динамики;
n – длина временного ряда (число уровней).
Если анализируется достаточно длинный временной ряд, то для расчета значений критерия можно использовать нормированное отклонение:
. (2.6)
Расчетные значения кумулятивного Т-критерия и tp сравниваются с критическими при заданном уровне значимости . Если расчетное значение Tp превышает критическое (табличное) значение критерия (Ткр), то гипотеза об отсутствии тенденции отвергается, следовательно в исходном временном ряду существует тенденция, описываемая трендом. В противном случае, если Тр < Ткр или tp < tкр, признается отсутствие тенденции в ряду динамики.
Пример. Имеются следующие данные об объеме вложений в ценные бумаги финансовой компании за период январь – октябрь 2009 г. Необходимо выявить тенденцию в изменении данного показателя.
Промежуточные расчеты реализации кумулятивного Т-критерия представлены в таблице 2.2.
Таблица 2.2
Промежуточные расчетные значения слагаемых кумулятивного т-критерия
Месяц |
yt |
yt – | |||
Январь |
78,4 |
6 146,56 |
-19,58 |
-19,58 |
383,38 |
Февраль |
75,4 |
5 685,16 |
-22,58 |
-42,16 |
1 777,47 |
Март |
76,1 |
5 791,21 |
-21,88 |
-64,04 |
4 101,12 |
Апрель |
76,6 |
5 867,56 |
-21,38 |
-85,42 |
7 296,58 |
Май |
85,1 |
7 242,01 |
-12,88 |
-98,30 |
9 662,89 |
Июнь |
101,4 |
10 281,96 |
3,42 |
-94,88 |
9 002,21 |
Июль |
110,6 |
12 232,36 |
12,62 |
-82,26 |
6 766,71 |
Август |
117,9 |
13 900,41 |
19,92 |
-62,34 |
3 886,28 |
Сентябрь |
126,2 |
15 926,44 |
28,22 |
-34,12 |
1 164,17 |
Октябрь |
132,1 |
17 450,41 |
34,12 |
0,00 |
0,00 |
Итого |
979,8 |
100 524,08 |
- |
- |
44 040,81 |
= == 97,98;
= 100 524,08 – (97,98)2 10 = 4 523,28.
Соответственно, подставляя в формулу полученные значения, получаем:
Тр = =9,74
Так как Тр (9,74) > Ткр (0,05; n=10; Tкр = 4,55), то гипотеза об отсутствии тенденции отвергается, следовательно во временном ряду объема вложений в ценные бумаги финансовой компании тенденция существует.
Гипотезу о форме тренда также можно проверить с помощью кумулятивного T-критерия, где:
Zn = (yt – ) – накопленные суммы отклонений от тренда.
Фактическое значение Тр сравнивается с критическим для соответствующей функции f(t). Критические значения табулированы (приложение 5).
Расчет статистической характеристики критерия Тр для проверки гипотезы о форме тренда рассмотрим на примере линейной функции (табл. 2.3).
Для временного ряда валового надоя молока линейная функция равна: yt = 607,8 – 10,2t. Согласно проведенным расчетам фактическое значение Тр = 4,48. Оно больше критического T0.95(10) = 1,48, следовательно, линейная функция хорошо аппроксимирует тенденцию изменения валового надоя молока.
Аналогично рассчитанное значение Тр = 0,98 для параболы II порядка yt = 594,93 – 10,2t + 0,39t2, что заметно ниже критического значения. Это дает основание с вероятностью 95% признать, что парабола не подходит для описания тенденции валового надоя молока.
Таблица 2.3