В рассматриваемом случае d2 dw 4- d2 – автокорреляция отсутствует, поэтому мы не можем переходить к построению авторегрессионной модели.

Все же построим модель, чтобы еще раз доказать, что в данном случае AR и ARIMA модели применять нельзя (см. Приложение №18).

Сводная таблица для AR моделей:

р	параметр	tрасч	P-Value	Вероятность, с которой будет значимо	Значимость
1	а1	0,18	0,858	0.1	-
2	а1 а2	0,0603 -1,328	0,9524 0,1956	0.1	-

Сводная таблица для АRIMA моделей:

р	параметр	tрасч	p-value	Вероятность, с которой будет значимо	Значимость
1	a1 b1	0.0035 -0.0089	0,997 0.993	0,05	- -
1	а1 b1 b2	0.3449 -0.0481 1.286	0,973 0,962 0.209	0,05	- - -

Отсюда видно, что все коэффициенты в модели не значимы, т.к. вероятность больше 0,1 для AR-моделей и больше 0,05 для АRIMA-моделей. Сами модели также не значимы.

Проведение исследований.

Зависимость ширины доверительного интервала от периода упреждения.

(Данные представлены в приложении №15)

Период	Ширина доверительного интервала.
1	61,494
2	63,204
3	65,185

Видим, что с увеличением периодов, на которые осуществляется прогноз, ширина доверительного интервала уменьшается. Это говорит о том, что краткосрочный прогноз, несколько достовернее долгосрочного.

Зависимость качества модели от числа наблюдений.