- •Министерство образования российской федерации
- •Содержание Введение
- •Основы прогнозирования. Общие положения
- •Основные определения
- •Теоретико-методологические основы современного прогнозирования
- •Вопросы для самопроверки
- •Глава 2. Прогнозирование, основанное на методах математической статистики.
- •Раздел 2.1. Методы непосредственной экстраполяции Прогнозирование с использованием временных рядов
- •Сглаживание временного ряда
- •Метод скользящей средней
- •Метод конечных разностей
- •Подбор аналитической функции
- •Расчет возможной ошибки прогноза.
- •Порядок построения доверительной зоны
- •Вопросы для самопроверки
- •Раздел 2.2. Статистическое моделирование Общие положения
- •Авторегрессионные модели прогнозирования. Понятие авторегрессии
- •Определение порядка уравнения авторегрессии
- •Графический анализ исходных данных.
- •Исчисление автокорреляционной и частной автокорреляционной кривой.
- •Установление порядка прогнозирующей функции
- •Составление прогнозов с помощью уравнений авторегрессии
- •Вопросы для самоконтроля по теме
- •Задание
- •Экспертные методы прогнозирования.
- •Вопросы для самоконтроля
- •Методы нормативного прогнозирования
- •Метод сценариев
- •Вопросы для самоконтроля
- •Литература
Расчет возможной ошибки прогноза.
Прогнозные расчеты, выполняемые с использованием элементов одиночного временного ряда, завершаются его верификацией, то есть оценкой его достоверности. Отклонения обычно возникают из-за двух основных причин:
На зависимую переменную воздействует не только аргумент t, но и множества других факторов, не включенных в явном виде в уравнение прогноза. Иными словами речь идет о случайных ошибках.
Элементы исходного динамического ряда в большинстве случаев представляют собой выборку (выборочную совокупность) из некоторой более общей (генеральной) совокупности.
Генеральная совокупность – полное множество всех единиц, характеризующих исследуемое явление.
Для определения статистической значимости (достоверности) параметров уравнения прогноза принято рассчитывать доверительную зону выборочной линии регрессии (прогноза). Считается, что в рамках этой зоны наряду с линией прогноза ўt=f(t), построенной по выборочным данным, располагается линия регрессии, которую можно получить, если использовать в процессе вычислений элементы всей генеральной совокупности.
Чем шире доверительная зона, тем существеннее различия в параметрах выборочной и генеральных линий регрессии.
Порядок построения доверительной зоны
Построим доверительную зону на примере линейной зависимости
yt = a + bt.
Сначала определяются случайные ошибки для параметров a и b. Расчеты ведутся по формулам:
; (2.16)
; (2.17)
здесь ma – случайная ошибка параметра a; mb – случайная ошибка параметра b;
Dост – остаточное среднее квадратичное отклонение:
Рис. 2.9. Зона доверительной вероятности
Чтобы установить, насколько велики расхождения между параметрами уравнений, характеризующих выборочную и генеральную совокупность, можно использовать t – критерий Стьюдента.
Фактические значения этого показателя рассчитываются по формулам:
Для a (2.18)
Для b (2.19)
Расчетные значения tф сопоставляются с соответствующими табличными величинами tT , найденными для k = n – 2 степеней свободы и принятой доверительной вероятности 0,95 или 0,99. Если tф > tT , то свободный член уравнения тренда a и коэффициент регрессии b считаются статистически значимыми и могут применяться для отображения тенденции изменения переменной yt, сложившейся в генеральной совокупности. Если же tф < tT , то возможность несовпадения закономерностей в выборочной и генеральной совокупностях весьма велика.
Выводы
Методы непосредственной экстраполяции относятся к числу наиболее простых методов прогнозирования. Они основаны на изучении динамики изменения экономического явления в предпрогнозном периоде и перенесении найденной закономерности в будущее. Достоинствами метода является широкая универсальность вычислительной схемы, незначительная трудоемкость расчетного алгоритма. Следует отметить и недостатки – необходимость использования базовых данных за большой промежуток времени, снижение достоверности прогноза при увеличении срока его упреждения.
Для прогнозирования используется временной ряд, представляющий собой дискретные значения какого-либо показателя в течении определённого времени, т.е. состоящего из двух значений (yi) - уровней ряда и момента времени (t). Идея метода в том, чтобы найти тенденцию в изменениях признака и продлить эту тенденцию в будущее. Для этого используются кривые, найденные по методу наименьших квадратов и подобранные по специальным статистическим характеристикам. В конце рассчитывается возможная ошибка прогноза.
Понятно, что такой прогноз имеет смысл как краткосрочный, на период, в отношении которого можно принять, что характеристики изучаемого явления существенно не изменяются. Это требование часто оказывается реалистичным вследствие достаточной инерционности внешней среды. Однако и большинство прогнозных ошибок связано с тем, что в момент формулирования прогноза в более или менее явной форме подразумевалось, что существующие тенденции сохранятся в будущем, что редко оправдывается в реальной экономической и общественной жизни.
Временные ряды помимо простой экстраполяции могут использоваться также в целях более глубокого прогнозного анализа, например, объема продаж. Целью анализа в данном случае является разложение временного ряда продаж на главные компоненты, измерение эволюции каждой составляющей в прошлом и ее экстраполяция на будущее. В основе метода лежит идея стабильности причинно-следственных связей и регулярность эволюции факторов внешней среды, что делает возможным использование экстраполяции. Метод состоит в разложении временного ряда на несколько компонент – формула (2.1).