33. Определение циклической составляющей.

При моделировании сезонной компоненты, особенность при построение графика сезонности, легко установить, что в годичном ряду динамике будут иметь место периодически повторяющиеся всплески, называемые циклами. Они вызываются исключительными событиями. Поэтому хотя и таких событий за год может быть достаточно мало делается поправка на число рабочих дней. Корректировки связанные с наличием выбросов связанных с количеством рабочих дней выполняют многократно, чтобы получать для все лучшего качества:

- априорная

- предварительное оценивание вариаций числа рабочих дней

- окончательное оценивание.

Обычно для расчетов сезонных и циклических компонент получения тренда используется excel.

34. Прогнозы по регрессионным моделям и моделям временного ряда.

Построение точечных и интервальных прогнозов по моделям регрессии. По построенной модели регрессии, если она значима в целом, по параметрам и адекватна можно прогнозировать значения зависимой переменной при заданных значениях факторов. Модель регрессии позволяет проводить экстра- и интерполяцию значений.

Интерполяция – прогнозирование значений зависимой переменной (y) для значения фактора x принадлежащие интервалу (Xmin; Xmax)

Экстраполяция – прогнозирование значений переменной для значения фактора, выходящих за границы интервала, чаще больше, чем Xmax. Точечный прогноз полученный путем подстановки значений факторов в уравнение регрессии. Зачастую значение факторов, для которых нужно сделать прогноз, получают на основе среднего значения прироста фактора внутри выборочной совокупности:

При выполнении экстраполяции для определенных конкретных значений X используют для расчета прогнозного значения Y, используют формулу:

k=1, если необходимо сделать прогноз на один шаг вперед, k=2 и т.д. Подставляя полученные значения X в уравнение регрессии будем иметь точечный прогноз величины Y. При данном прогнозе вероятность попадания значения Y в эту точку очень мала. Поэтому пользуются перспективными оценками значениями Y в виде доверительных интервалов. Доверительные границы прогноза определяются, как точечный прогноз ± величина отклонений от точечного значения (Uk). Величина Uk (линейной модели) рассчитывается: , S – среднее квадратическое отклонение, значение остатка; Kp – табличное значение Стъюдента с соответствующей вероятностью.

Если исходная модель регрессии значима и адекватна, то с выбранной вероятностью можно утверждать, что при выбранной модели и сложившейся закономерностью изучаемой системы прогнозированная величина попадает в интервал образованный верхней и нижний границами. Чтобы иметь дополнительные суждения по качеству модели и качеству прогноза следует определять среднюю ошибку аппроксимации

Если значение ошибки менее 7%, то это свидетельствует, что модель адекватна, а прогноз качественный.

35. Показатели, рассчитываемые на основе временных рядов (рядов динамики).

1. Базисный абсолютный прирост – определяется как разность между сравниваемым уровнем и уровнем принятым за базу.

2. Цепной абсолютный прирост – разность между сравниваемым уровнем и уровнем, который ему предшествует

3. Ускорение – разность между абсолютным приростом за данный период и абсолютным приростом за предыдущий период . Показатель ускорения применяется только в цепном варианте и отрицательное его значение говорит о замедлении роста или об ускорении снижения уровня ряда.

4. Темп роста характеризует отношение двух уровней ряда и может отражаться коэффициентом или в %.

   1. Базисные темпы роста исчисляются делением сравниваемого уровня ряда на уровень принятый за постоянную базу

   2. Цепные темпы роста исчисляются делением сравниваемого уровня на предыдущий

5. Темпы прироста характеризуют абсолютный прирост и исчисляется в %. Прирост показывает на сколько % изменился сравниваемый уровень с уровнем принятым за базу

1. Базисный темп прироста

2. Цепные темпы прироста

1. Темп наращивания характеризует темп наращивания экономического показателя во времени. Делением цепных абсолютных приростов на уровень принятый за базу