- •080109 «Бухгалтерский учет и аудит»
- •Рассчитаем средние значения сезонной компоненты. Для расчета средних значений сезонной компоненты необходимо заполнить таблицу №3.
- •В Таблице 4 «Расчет выровненных значений т и ошибок е в аддитивной модели» рассчитаем сначала значение фактического потребления электроэнергии, очищенное от сезонных колебаний (столбец 4).
- •Титульный лист
- •Цели и задачи, объект и предмет исследования, методы исследования
- •Приложение 3. Значения t-критерия Стьюдента при уровне значимости 0,10; 0,05; 0,01 (двухсторонний)
Выравниваем исходные данные по методу скользящей средней. Для выравнивания необходимо использовать количество периодов, равное лагу (в данном случае это 4 периода). Следует помнить, что при выравнивании по четному числу периодов выровненное значение не принадлежит никакому периоду, оно как бы «зависает» между двумя центральными периодами, в данном случае – между 2-м и 3-м. Для того, чтобы однозначно провести соответствие выровненного значения определенному периоду, нужно рассчитать т.н. «центрированную среднюю». «Центрированная средняя» получается, если сложить два соседних значения в предыдущем столбце и разделить на 2.
Рассчитываем сезонную компоненту, для этого последовательно заполняем таблицу №2 «Расчет оценок сезонной компоненты в аддитивной модели». Столбец 6 данной таблицы представляет собой фактические значения сезонной компоненты.
Рассчитаем средние значения сезонной компоненты. Для расчета средних значений сезонной компоненты необходимо заполнить таблицу №3.
Таблица 3 - Расчет средних значений сезонной компоненты в аддитивной модели (пример)
№ п/п |
Показатели |
Цикл (год) |
№ квартала, i |
|||
1 |
2 |
3 |
4 |
|||
1 |
Сезонная компонента за 4 квартала (ежеквартально) |
1 |
- |
- |
-1,250 |
2,550 |
2 |
0,575 |
-2,075 |
-1,100 |
2,700 |
||
3 |
0,550 |
-2,025 |
-1,475 |
2,875 |
||
4 |
0,675 |
-1,775 |
- |
- |
||
2 |
Итого за i -квартал |
|
1,800 |
-5,875 |
-3,825 |
8,125 |
3 |
Средняя оценка сезонной __ компоненты для i -го квартала, Si |
|
0,600 |
-1,958 |
-1,275 |
2,708 |
4 |
Скорректированная сезонная компонента, Si |
|
0,581 |
-1,977 |
-1,294 |
2,690 |
Для заполнения этой таблицы переносим из таблицы №2 рассчитанные в ней фактические значения сезонности. При заполнении таблицы №3 необходимо обратить внимание на соответствие каждой ячейки тому или иному номеру квартала и года (цикла). Номера циклов располагаются в строках, а номера периодов внутри цикла – в столбцах. В строке 3 необходимо вычислить среднюю оценку сезонной компоненты для i -го квартала, Si следующим образом: разделить значение в строке 2 «Итого за i –квартал» на количество слагаемых (в данном случае делим на 3).
Далее рассчитываем скорректированную сезонную компоненту, основываясь на следующих рассуждениях: колебания внутри цикла должны компенсировать друг друга, т.е. в сумме составлять ноль. Для проверки рассчитаем сумму колебаний по строке 3. Она не равна нулю и составляет 0,075. Для соблюдения условий сезонности необходимо самостоятельно приравнять сумму к нулю. Для этого нужно распределить остаток 0,075 между всеми периодами в цикле (4 периода) поровну (0,075:4 = 0,01875). Далее необходимо вычесть получившееся значение из значений каждого периода. Таким образом, сумма по строке 4 стала равна нулю.
Переносим значения средней сезонной компоненты в таблицу 4 столбец 3, в соответствующие строки. Обратите внимание, что значения средней сезонной компоненты повторяются каждые четыре периода. Для переноса строк в таблицу нужно воспользоваться опцией MS Excel «Специальная вставка» → «Транспонировать» + «Значения»
В Таблице 4 «Расчет выровненных значений т и ошибок е в аддитивной модели» рассчитаем сначала значение фактического потребления электроэнергии, очищенное от сезонных колебаний (столбец 4).
Таблица 4 – Расчет выровненных значений Т и ошибок Е в аддитивной модели (пример)
№ квартала, t |
Потребление электроэнергии, млн. кВт.ч, у |
Si |
Т + Е = у - Si |
Т |
Т + S |
Е = у - (Т + S) |
Е2 |
у – у ср |
(у – у ср) 2 |
1 |
2 |
3 |
4 = 2 - 3 |
5 |
6 |
7 |
8 |
9 |
10 |
1 |
6,0 |
0,581 |
5,419 |
5,902 |
6,483 |
-0,483 |
0,233 |
-1,3 |
1,69 |
2 |
4,4 |
-1,977 |
6,377 |
6,088 |
4,111 |
0,289 |
0,083 |
-2,9 |
8,41 |
3 |
5,0 |
-1,294 |
6,294 |
6,275 |
4,981 |
0,019 |
0,000 |
-2,3 |
5,29 |
4 |
9,0 |
2,690 |
6,310 |
6,461 |
9,151 |
-0,151 |
0,023 |
1,7 |
2,89 |
5 |
7,2 |
0,581 |
6,619 |
6,648 |
7,229 |
-0,029 |
0,001 |
-0,1 |
0,01 |
6 |
4,8 |
-1,977 |
6,777 |
6,834 |
4,857 |
-0,057 |
0,003 |
-2,5 |
6,25 |
7 |
6,0 |
-1,294 |
7,294 |
7,020 |
5,726 |
0,274 |
0,075 |
-1,3 |
1,69 |
8 |
10,0 |
2,690 |
7,310 |
7,207 |
9,897 |
0,103 |
0,011 |
2,7 |
7,29 |
9 |
8,0 |
0,581 |
7,419 |
7,393 |
7,974 |
0,026 |
0,001 |
0,7 |
0,49 |
10 |
5,6 |
-1,977 |
7,577 |
7,580 |
5,603 |
-0,003 |
0,000 |
-1,7 |
2,89 |
11 |
6,4 |
-1,294 |
7,694 |
7,766 |
6,472 |
-0,072 |
0,005 |
-0,9 |
0,81 |
12 |
11,0 |
2,690 |
8,310 |
7,952 |
10,642 |
0,358 |
0,128 |
3,7 |
13,69 |
13 |
9,0 |
0,581 |
8,419 |
8,139 |
8,720 |
0,280 |
0,078 |
1,7 |
2,89 |
14 |
6,6 |
-1,977 |
8,577 |
8,325 |
6,348 |
0,252 |
0,063 |
-0,7 |
0,49 |
15 |
7,0 |
-1,294 |
8,294 |
8,512 |
7,218 |
-0,218 |
0,047 |
-0,3 |
0,09 |
16 |
10,8 |
2,690 |
8,110 |
8,698 |
11,388 |
-0,588 |
0,346 |
3,5 |
12,25 |
Итого : |
|
1,098 |
|
67,12 |
Далее по столбцу 4 таблицы 4 определим параметры линейного тренда с помощью встроенной функции MS Excel «ЛИНЕЙН». Уравнение линейного тренда (уравнение прямой) выглядит так: уt = а + bt. Параметры а и b можно определить как по формулам (2) и (3), так и с помощью функции «ЛИНЕЙН».
Функция «ЛИНЕЙН» вызывается мастером функций, категория «Статистические», см. рисунок 2.
Рисунок 2. Вызов функции «ЛИНЕЙН»
При заполнении аргументов функции в строку «Известные значения_у» нужно подставить диапазон ячеек, в которых располагаются фактические значения результата, или зависимой переменной у, см. рисунок 3.
Рисунок 3. Аргументы функции «ЛИНЕЙН»
В данной таблице это столбец 4, строки с 1 по 16. В строку «Известные значения_х» нужно подставить диапазон ячеек, в которых располагаются фактические значения независимой переменной, в данном случае это номер периода t. В данной таблице это столбец 1, строки с 1 по 16.
В строки «Конст» и «Статистика» необходимо поставить цифру «1» так, чтобы появилось значение «=ИСТИНА» справа от поля, если необходимо получить дополнительную статистику по функции. В данном случае это необходимо.
Функция «ЛИНЕЙН» является так называемой функцией массива. Это означает, что в результате применения данной функции можно получить не одно значение, а целый массив (таблицу) значений. В данном случае мы получаем 10 значений – таблица 2х5. Для того чтобы вывести все эти значения на экран, нужно последовательно выполнить следующие действия. Сначала выделить курсором массив 2х5 клеточек, см. рисунок 4.
Рисунок 4. Выделение массива М4:N8
Далее нажимаем клавишу «F2», см.рисунок 5.
Далее нажимаем три клавиши «Ctrl» + «Shift» + «Enter» вместе, результат приведен на рисунке 6.
Теперь данная функция представлена как функция массива – выведены все десять значений. Что означают эти числа, можно посмотреть в справке по функции «ЛИНЕЙН».
Рисунок 5. Вот что должно получиться в результате нажатия клавиши F2.
Рисунок 6. Результат нажатия клавиш «Ctrl» + «Shift» + «Enter» вместе
Подставляем полученные с помощью функции «ЛИНЕЙН» значения параметров в уравнение линейного тренда (уравнение прямой) и получаем уравнение следующего вида:
уt = 5,7155 + 0,186412t
Это уравнение парной линейной регрессии.
Вывод: Коэффициент при переменной х показывает, что ежеквартально потребление электроэнергии увеличивается в среднем на 0,186412 млн. кВт.ч.
По уравнению регрессии можно найти значения уt (столбец 5). Для этого вместо t в уравнение прямой необходимо подставить соответствующие значения первого столбца, по порядку.
Далее находим «значения тренда + средняя сезонная компонента» (столбец 6). Это модельные значения, т.е. те, что вы объяснили с помощью данной модели.
Рассчитаем ошибку Е и ее квадрат для оценки объясненной дисперсии. В практических исследованиях, как правило, имеет место некоторое рассеяние точек относительно линии регрессии. Оно обусловлено влиянием прочих, не учитываемых в уравнении регрессии, факторов. Иными словами, имеют место отклонения фактических данных от теоретических . Величина этих отклонений и лежит в основе расчета остаточной дисперсии:
где - остаточная дисперсия
у – фактические данные,
уt – расчетные (модельные) данные.
Чем меньше величина остаточной дисперсии, тем меньше влияние не учитываемых в уравнении регрессии факторов и тем лучше уравнение регрессии подходит к исходным данным.
Считается, что число наблюдений должно в 7-8 раз превышать число рассчитываемых параметров при переменной . Это означает, что искать линейную регрессию, имея менее 7 наблюдений, вообще не имеет смысла. Если вид функции усложняется, то требуется увеличение объема наблюдений, ибо каждый параметр при х или t должен рассчитываться хотя бы по 7 наблюдениям. Значит, если мы выбираем параболу второй степени , то требуется объем информации уже не менее 14 наблюдений.
Согласно основной идее дисперсионного анализа, общая сумма квадратов отклонений переменной у от среднего значения раскладывается на две части – «объясненную» и «необъясненную», т.е. общая дисперсия равна сумме объясненной и остаточной дисперсий
,
где – общая сумма квадратов отклонений;
– сумма квадратов отклонений, объясненная регрессией (или факторная сумма квадратов отклонений);
– остаточная сумма квадратов отклонений, характеризующая влияние неучтенных в модели факторов.
Схема дисперсионного анализа имеет вид, представленный в таблице 5 (n – число наблюдений, m – число параметров при переменной x).
Таблица 5 – Компоненты дисперсии
Компоненты дисперсии |
Сумма квадратов |
Число степеней свободы |
Дисперсия на одну степень свободы |
Общая |
|
|
|
Факторная (объясненная) |
|
|
|
Остаточная |
|
|
|
Доли объясненной и остаточной дисперсий в сумме составляют единицу или 100%.
Следовательно, для нахождения доли объясненной дисперсии необходимо вычесть из единицы долю остаточной дисперсии.
Сумму квадратов общую находим по столбцу 10 таблицы 4, в строке «Итого».
Сумму квадратов остаточную находим по столбцу 8 таблицы 4, в строке «Итого».
Долю остаточной дисперсии находим по формуле:
Доляост = Сумма квадратовост/Сумма квадратовобщ
В данном случае Доляост = 1,098/67,12
Доляост = 0,016 или 1,6%
Вывод: Доля остаточной дисперсии составляет 1,6%, доля объясненной дисперсии (R2) составляет 98,4%, это очень точная модель.
Построим график для иллюстрации выводов. Для этого необходимо с помощью мастера диаграмм нанести на график следующие линии: тренд (Т), модель (Т+S), фактические значения (у).
Построим прогноз на период n+1. Для этого сначала подставим в уравнение тренда х = n+1 и найдем значение у. После этого скорректируем значение на сумму сезонной компоненты.
ЛИТЕРАТУРА
Основная:
Носко В.П. Эконометрика для начинающих. Основные понятия, элементарные методы, границы применимости, интерпретация результатов. - М.: ИЭПП, 2000. – 257с.
Елисеева И.И. Эконометрика. – М.: Финансы и статистика, 2003. – 344с.
Елисеева И.И. Практикум по эконометрике. – М.: Финансы и статистика, 2003. – 192с.
Дополнительная
http://www.nsu.ru/ef/tsy/ecmr/study.htm
http://www.nsu.ru/ef/tsy/ecmr/index.htm
http://www.nsu.ru/ef/tsy/ecmr/soft.htm
http://www.statsoft.ru/home/textbook/
http://jenpc.nstu.nsk.su/uchebnik2/sod-nav.htm
http://infoscope.forth.ru/Statistics/trends/ARIMA/ModellingRules/index.html
Приложение 1 – Требования к оформлению контрольной работы
Отчет о выполнении контрольной работы на бумажном носителе должен содержать: