
- •Глава 10. Моделирование и прогнозирование временных рядов (динамики)
- •10.1. Сущность и условия прогноза по тренду с учетом колеблемости
- •10.2. Простая трендовая модель и прогноз по ней
- •10.3. Прогноз с учетом случайной колеблемости
- •10.3.1. Прогноз доверительного интервала для линии тренда
- •10.3.2. Прогноз доверительного интервала для уровня отдельного периода (момента)
- •10.3.3. Прогноз доверительного интервала для среднего уровня за ряд периодов
- •39,48 ± 2,09 • 1,06, Или от 37,26 до 41,70 млн т. И после 1995 г. Имеем фактический среднегодовой сбор:
- •10.3.4. Расчет страхового запаса для преодоления риска отклонения от трепда
- •10.4. Прогнозирование по модели тренда и сезонных колебаний
- •10.4.1. Модель трспда месячных уровней и средних индексов сезонности
- •10.4.2. Модель трепда годовых уровней
- •10.5. Прогнозирование комплекса жестко взаимосвязанных признаков
- •10.6. Прогнозирование по смешанной трендово-факторной модели
- •1. Многократное скользящее выравнивание. Урожайность зерновых культур во Франции
- •3. Значение f-критерия Фишера при уровне значимости 0,05
10.6. Прогнозирование по смешанной трендово-факторной модели
Общий вид трендово-факторной прогностической модели:
(10.13)
где b - средневременнбй прирост результативного показателя;
b^ ,b^ ,b^;b^ - приросты факторов;
k - номер прогнозируемого периода времени;
(. - период упреждения.
Трепдово-факторные модели позволяют выявить силу влияния приростов 9СНОВПЫХ факторов и величину прибавки результативного показателя. Смешанное прогнозирование устраняет часть недостатков факторного и авторегрессионного. Оно позволяет включить скачкообразное изменение управляемых факторов.
Рассмотрим трепдово-факторпую модель прироста урожайности зерновых культур в хозяйствах Оренбургской области:
где Ъ^ - среднегодовой абсолютный прирост материально-денежных затрат без заработной платы и затрат на удобрения;
b^ - среднегодовой абсолютный прирост энергообеспеченности;
Ъ^ - среднегодовой абсолютный прирост доз удобрений.
Подставляем ожидаемые значения приростов 4)акторов в
модель:
214
Среднее квадратическое отклонение среднегодового абсолютного прироста урожайности зерновых культур в хозяйствах Оренбургской области S^ равно 0,132 ц/га, а средняя ошибка многофакторной трендово-факторной модели - 0,086 ц/га, тогда средняя ошибка прогноза
Прогнозируемый среднегодовой абсолютный прирост урожайности зерновых культур в Оренбургской области с вероятностью 0,95 заключен в границах:
Из-за большой колеблемости (У^,л = 62,8%) среднегодового абсолютного прироста вероятная ошибка его прогноза превышает величину самого прироста.
Данную методику можно использовать при прогнозировании других результативных показателей например рентабельности, производительности труда, показателей устойчивости производства и финансов.
215
217
Год
|
Y,h
|
1970
|
-
|
1971
|
-
|
1972
|
-
|
1973
|
-
|
1974
|
-
|
1975
|
-
|
1976
|
-
|
1977
|
-283,5
|
1978
|
-277,8 -
|
1979
|
-226,0 -
|
1980
|
-194,0 -
|
1981
|
-141,9 -
|
1982
|
-100,2 -
|
1983
|
-49,5
|
1984
|
0
|
1985
|
57,3
|
1986
|
106,0
|
1987
|
171,0
|
1988
|
243,2
|
1989
|
305,0
|
1990
|
364,8
|
1991
|
457,8
|
1992
|
-
|
1993
|
-
|
1994
|
-
|
1995
|
-
|
£
|
432,2
|
6,
= 1,25;
b^=l,6S;b^
vy.i,
_
b.=^——;b=-280