3.1. Построение регрессионной модели.
В табл. 3.1приведены данные, характеризующие спрос за прошедшие 12 месяцев. Требуется построить прогноз на следующий год и проанализировать результат.
Таблица 3.1.
Исходные данные
Месяц |
Январь |
Февраль |
Март |
Апрель |
Май |
Июнь |
Июль |
Август |
Сентябрь |
Октябрь |
Ноябрь |
Декабрь |
Итого |
Спрос |
110 |
110 |
90 |
92 |
80 |
75 |
60 |
64 |
52 |
40 |
44 |
46 |
863 |
Рис. 1. График изменения уровня спроса
На графике виды колебания спроса в течение года. По этим данным построим два прогноза:
1) спроса, имеющего тенденцию к возрастанию при наличие случайных отклонений;
2) постоянного спроса со случайными отклонениями.
Первый прогноз строится на основании уравнения (1), второй - уравнения (2).
Для расчета коэффициентов регрессии по формулам (3), (4) и (5) составим вспомогательную таблицу 3.2.
Таблица 3.2.
Расчет параметров уравнения регрессии
Месяц |
t |
t2 |
yt |
|
tyt |
Январь |
1 |
1 |
110 |
12100 |
110 |
Февраль |
2 |
4 |
110 |
12100 |
220 |
Март |
3 |
9 |
90 |
8100 |
270 |
Апрель |
4 |
16 |
92 |
8464 |
368 |
Май |
5 |
25 |
80 |
6400 |
400 |
Июнь |
6 |
36 |
75 |
5625 |
450 |
Июль |
7 |
49 |
60 |
3600 |
420 |
Август |
8 |
64 |
64 |
4096 |
400 |
Сентябрь |
9 |
81 |
52 |
2704 |
468 |
Октябрь |
10 |
100 |
40 |
1600 |
400 |
Ноябрь |
11 |
121 |
44 |
1936 |
484 |
Декабрь |
12 |
144 |
46 |
2116 |
552 |
Σ |
78 |
650 |
863 |
68841 |
4542 |
Значение коэффициентов а и в для уравнения (1) равны:
Таким образом, уравнение регрессии имеет вид:
Прогноз уровня спроса на следующий год, составленный по этому уравнению регрессии, представлен в таблице 3.3.
Таблица 3.3
Прогностические оценки уровней спроса
Месяц |
Январь |
Февраль |
Март |
Апрель |
Май |
Июнь |
Июнь |
Август |
Сен тя-брь |
Октябрь |
Ноябрь |
Декабрь |
Итого |
Время |
13 |
14 |
15 |
16 |
17 |
18 |
19 |
20 |
21 |
22 |
23 |
24 |
|
Спрос |
88 |
90 |
92 |
94 |
96 |
98 |
100 |
102 |
104 |
106 |
108 |
110 |
1188 |
Рис. 2. График изменения уровня спроса
Значение коэффициента а для выражения (2) равно 75.3( ), Таким образом, прогностической оценкой спроса на следующий год является его средний уровень - 75,3. Для удобства вычислений примем .
Оценим степень точности прогноза, полученного с помощью уравнения (1) и выражения (2), воспользовавшись формулой (6). Предварительно определим расчетные значения за прошедший год.
Таблица 3.4.
Расчет стандартного отклонения
|
|
|
|
|
|
1 |
84 |
64 |
400 |
75 |
81 |
2 |
36 |
66 |
900 |
75 |
1521 |
3 |
75 |
68 |
49 |
75 |
0 |
4 |
70 |
70 |
0 |
75 |
25 |
5 |
78 |
72 |
36 |
75 |
9 |
6 |
85 |
74 |
121 |
75 |
100 |
7 |
95 |
76 |
361 |
75 |
400 |
8 |
50 |
78 |
784 |
75 |
625 |
9 |
40 |
80 |
1600 |
75 |
1225 |
10 |
125 |
82 |
1849 |
75 |
2500 |
11 |
86 |
84 |
4 |
75 |
121 |
12 |
80 |
86 |
36 |
75 |
25 |
Итого |
- |
- |
6140 |
- |
6632 |
Если уровни спроса имеют нормальное распределение, то с вероятностью 0,68 можно утверждать, что в любой момент времени рассматриваемого периода уровни спроса будут лежать в интервале от 50 до 100 ед. ( ). С вероятностью 0,95 можно утверждать, что уровень спроса окажется в интервале от 25 до 125 ед. ( ). И в интервале от 0 до 150 ед. ( ) . Эта вероятность составит 0,997.
Коэффициент корреляции определим по формуле (7):
Величина линейного коэффициента корреляции 0,27 говорит о том, что теснота связи между рассматриваемыми факторами достаточно велика и уравнение (1) может использоваться для прогнозирования спроса.
Вывод: Из графика изменения уровня спроса видно, что с течением времени спрос повышается. Спрос не зависит от времени (т. к. коэффициент корреляции () принимает значение ближе к нулю), значит, прогнозирующая функция имеет следующий вид: y`(t) = a, т. е. y`(t) = 75.