- •Опишем соотношения модели:
- •Определение зависимости между переменными.
- •Этап 1: Оценка параметров с помощью 1мнк.
- •Этап 2. Оценка параметров модели с помощью 2мнк
- •(Приложение №5)
- •Этап 3 : Сравнительный анализ 1мнк и 2мнк.
- •Этап №4 Построение трендов экзогенных переменных модели Клейна.
- •Приложение 6
- •Приложение №7.
- •Этап №5: Прогнозирование с помощью 2мнк
- •1 Шаг: (Приложение 8)
- •2 Шаг: Приложение 9
- •Исходные данные.
Этап 3 : Сравнительный анализ 1мнк и 2мнк.
Показатель |
Способ оценки |
Критерии |
|||
S2 |
R2 |
Kт |
F-статистика |
||
C |
1МНК |
0.096788 |
99.799 |
0.000757 |
4236.5 |
2МНК |
0.44175 |
99.0861 |
0.000687 |
921.57 |
|
I |
1МНК |
1.2037 |
36.9515 |
0.675281 |
4.69 |
2МНК |
0.955885 |
52.1384 |
0.33329 |
8.71 |
|
W1 |
1МНК |
0.3089 |
97.9193 |
0.009973 |
235.3 |
2МНК |
0.2135 |
98.5618 |
0.009973 |
342.66 |
Как видим, метод оценки коэффициентов 2МНК обладает лучшими прогностическими способностями (коэффициент несоответствия), а также его оценки менее смещены (средняя квадратическая ошибка S2) по сравнению с 1МНК (кроме показателя С) и обладают лучшими модельными характеристиками (коэффициент детерминации R2) (кроме показателя С).
Прогноз будем строить с помощью метода 2МНК.
Этап №4 Построение трендов экзогенных переменных модели Клейна.
Перед тем как выбрать лучшие модели трендов, проверим наличие тенденции изменения экзогенных переменных методом Фостера_Стюарта .
W2 |
Uw2t |
Lw2t |
G |
UGt |
LGt |
T |
UTt |
LTt |
5,2 |
0 |
0 |
6,5 |
0 |
0 |
12,8 |
0 |
0 |
5,3 |
1 |
0 |
5,05 |
0 |
1 |
11,6 |
0 |
1 |
4,9 |
0 |
1 |
6,175 |
0 |
0 |
12,9 |
1 |
0 |
5,2 |
0 |
0 |
5,15 |
0 |
0 |
12,5 |
0 |
0 |
5,6 |
1 |
0 |
5,2 |
0 |
0 |
13,6 |
1 |
0 |
5,5 |
0 |
0 |
8,575 |
1 |
0 |
14,7 |
1 |
0 |
5,7 |
1 |
0 |
5,9 |
0 |
0 |
14,7 |
0 |
0 |
5,9 |
1 |
0 |
9,375 |
1 |
0 |
16,2 |
1 |
0 |
6,2 |
1 |
0 |
7,575 |
0 |
0 |
16,9 |
1 |
0 |
6,5 |
1 |
0 |
11,85 |
1 |
0 |
17 |
1 |
0 |
6,8 |
1 |
0 |
11,75 |
0 |
0 |
17,2 |
1 |
0 |
6,8 |
0 |
0 |
11,33 |
0 |
0 |
17,5 |
1 |
0 |
6,8 |
0 |
0 |
11,2 |
0 |
0 |
18,1 |
1 |
0 |
7,1 |
1 |
0 |
12,23 |
1 |
0 |
18,5 |
1 |
0 |
7,2 |
1 |
0 |
12,05 |
0 |
0 |
18,9 |
1 |
0 |
7,2 |
0 |
0 |
11,88 |
0 |
0 |
18,8 |
0 |
0 |
7,1 |
0 |
0 |
12,13 |
0 |
0 |
18,1 |
0 |
0 |
7 |
0 |
0 |
12,68 |
1 |
0 |
18,6 |
0 |
0 |
6,9 |
0 |
0 |
12,68 |
0 |
0 |
18,5 |
0 |
0 |
7,1 |
0 |
0 |
13 |
1 |
0 |
19,1 |
1 |
0 |
Σ |
9 |
1 |
|
6 |
1 |
|
12 |
1 |
|
|
|
|
|
|
|
|
|
|
S=10 |
|
|
S=7 |
|
|
S=13 |
|
|
d=8 |
|
|
d=5 |
|
|
d=11 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
t |
W2 |
G |
T |
t0,05 |
ts |
2.8652 |
2.176 |
4.6541 |
2.093 |
td |
3.5103 |
2.1939 |
4.8267 |
Так как ts и td > t0.05 – тренды строить можно.
В таблице представлены характеристики трендов, построенных по 20 значениям с периодом упреждения равным 5-и периодам (21,22,23, 24, 25)