Министерство Образования России
Государственный Университет Управления
Институт Информационных Систем Управления Лабораторная работа №2 по дисциплине
ПРОГНОЗИРОВАНИЕ СОЦИАЛЬНО-ЭКОНОМИЧЕСКОГО РАЗВИТИЯ
На тему:
«Выделение циклической составляющей в динамическом ряду»
Студента: Фетисова Д. В.
Специальность: Математические методы и исследование операций в экономике
Курс: IV
Группа: I
Преподаватель: Писарева О.М.
Выявление и исключение из временного ряда общей тенденции (тренда)
Период |
Год |
Месяц |
Y |
u |
l |
S |
d |
1 |
1959 |
январь |
270 |
0 |
0 |
0 |
0 |
2 |
февраль |
273 |
1 |
0 |
1 |
1 |
|
3 |
март |
276 |
1 |
0 |
1 |
1 |
|
4 |
апрель |
275 |
0 |
0 |
0 |
0 |
|
5 |
май |
271 |
0 |
0 |
0 |
0 |
|
6 |
июнь |
272 |
0 |
0 |
0 |
0 |
|
7 |
июль |
269 |
0 |
1 |
1 |
-1 |
|
8 |
август |
264 |
0 |
1 |
1 |
-1 |
|
9 |
сентябрь |
245 |
0 |
1 |
1 |
-1 |
|
10 |
октябрь |
232 |
0 |
1 |
1 |
-1 |
|
11 |
ноябрь |
226 |
0 |
1 |
1 |
-1 |
|
12 |
декабрь |
233 |
0 |
0 |
0 |
0 |
|
13 |
1960 |
январь |
206 |
0 |
1 |
1 |
-1 |
14 |
февраль |
204 |
0 |
1 |
1 |
-1 |
|
15 |
март |
210 |
0 |
0 |
0 |
0 |
|
16 |
апрель |
214 |
0 |
0 |
0 |
0 |
|
17 |
май |
213 |
0 |
0 |
0 |
0 |
|
18 |
июнь |
202 |
0 |
1 |
1 |
-1 |
|
19 |
июль |
196 |
0 |
1 |
1 |
-1 |
|
20 |
август |
195 |
0 |
1 |
1 |
-1 |
|
21 |
сентябрь |
193 |
0 |
1 |
1 |
-1 |
|
22 |
октябрь |
135 |
0 |
1 |
1 |
-1 |
|
23 |
ноябрь |
188 |
0 |
0 |
0 |
0 |
|
24 |
декабрь |
179 |
0 |
0 |
0 |
0 |
|
25 |
1961 |
январь |
173 |
0 |
0 |
0 |
0 |
26 |
февраль |
180 |
0 |
0 |
0 |
0 |
|
27 |
март |
182 |
0 |
0 |
0 |
0 |
|
28 |
апрель |
185 |
0 |
0 |
0 |
0 |
|
29 |
май |
184 |
0 |
0 |
0 |
0 |
|
30 |
июнь |
179 |
0 |
0 |
0 |
0 |
|
31 |
июль |
179 |
0 |
0 |
0 |
0 |
|
32 |
август |
179 |
0 |
0 |
0 |
0 |
|
33 |
сентябрь |
177 |
0 |
0 |
0 |
0 |
|
34 |
октябрь |
173 |
0 |
0 |
0 |
0 |
|
35 |
ноябрь |
167 |
0 |
0 |
0 |
0 |
|
36 |
декабрь |
167 |
0 |
0 |
0 |
0 |
|
37 |
1962 |
январь |
163 |
0 |
0 |
0 |
0 |
38 |
февраль |
162 |
0 |
0 |
0 |
0 |
|
39 |
март |
167 |
0 |
0 |
0 |
0 |
|
40 |
апрель |
167 |
0 |
0 |
0 |
0 |
|
41 |
май |
165 |
0 |
0 |
0 |
0 |
|
42 |
июнь |
159 |
0 |
0 |
0 |
0 |
|
43 |
июль |
148 |
0 |
0 |
0 |
0 |
|
44 |
август |
141 |
0 |
0 |
0 |
0 |
|
45 |
сентябрь |
143 |
0 |
0 |
0 |
0 |
|
46 |
октябрь |
146 |
0 |
0 |
0 |
0 |
|
47 |
ноябрь |
150 |
0 |
0 |
0 |
0 |
|
48 |
декабрь |
153 |
0 |
0 |
0 |
0 |
S=14
d=-10
Значения , , заданы таблично и их значения соответственно равны: 1,88, 2,44, 5,99.
Поскольку t1 и t2>t табличного гипотеза о наличии тренда в средних и дисперсиях не отклоняется.
При построении трендовой модели по 48 данным, мы сталкиваемся с ситуацией, когда можно отобрать несколько моделей с высоким значением коэффициента детерминации R2 (Приложение №1, 2), но при этом модели (лучшие из них приведены для примера - полиномиальная третьего порядка и экспоненциальная) не способны прогнозировать процесс, так как не отражают резко изменившуюся тенденцию. Это иллюстрирует диаграмма исходных значений. С большой долей вероятности, можно утверждать, что это происходит вследствие того, что тенденция на участке из первых 48 данных, по которым строится модель заканчивается как раз в начале проверочного участка. В связи с такой ситуацией предлагается увеличить обучающий участок данных для построения трендовой модели на несколько месяцев (на полгода), соответственно сократив при этом тестовый участок.
Построим трендовую несколько моделей для 54 периодов.
Формула
|
R2 |
Коэффициент Тейла |
Полином 2-го порядка Y= 290,889-6,02903*t+0,0672805*t2 |
91,63 |
0,0584 |
Square root-X Y= 304,173-22,5373*sqrt(t) |
87,27 |
0,3172 |
Logarithmic Y= 322,398-42,7489*ln(t) |
85,99 |
0,2356 |
Лучшая модель будет полином второго порядка. Все параметры модели и сама модель значимы (см. Приложение № ).
Перестроим эту модель для 60 данных.
Дисперсия |
156,54 |
Среднее квадратическое отклонение |
12,63 |
Значение Т-статистики |
2,00 |
286,517306,929
-7,584-6,041
0,07190,0963
Интервальные оценки с 55 по 60 период в приложении № 5.
Диаграмма 2. Исходные данные и полиномиальный тренд второго порядка.
Диаграмма 3. Остатки