- •Тема 1. Предмет и метод эконометрики история вопроса и задачи курса
- •Тема 2. Моделирование тенденции и сезонности одномерных временных рядов
- •Тема 3. Расчет оценок сезонной компоненты в аддитивной модели. Моделирование ряда
- •Тема 4. Выравнивание рядов динамики по мультипликативной модели
- •Тема 5. Парная линейная регрессия
- •Тема 6. Нелинейная регрессия
- •Тема 7. Коэффициент эластичности
- •Оценка надежности модели
- •Проверка гипотезы о линейности
- •Тема 8. Множественная регрессия
- •Тема 9. Мультиколлинеарность
- •Тема 10. Выбор формы уравнения регрессии
- •Тема 11. Оценка параметров уравнения множественной регрессии
- •Тема 12. Частные уравнения регрессии
- •Тема 13. Множественная корреляция
- •Тема 14. Фиктивные переменные во множественной регрессии
Тема 3. Расчет оценок сезонной компоненты в аддитивной модели. Моделирование ряда
- аддитивная модель
Порядок построения модели:
1) Выравнивание исходного ряда;
2) Расчет сезонной компоненты S;
3) Устранение сезонной компоненты и получение ряда у – S = Т +Е;
4) Аналитическое выравнивание ряда Т + Е;
5) Оценка достоверности модели: А) расчет модельных значений Т + S
Б) расчет модельных ошибок Е
Задача: Смоделировать ряд потребления электроэнергии и оценить достоверность модели.
Таблица 1.
-
№ квартала
Потребление э\э, у
Итого за 4 квартала
Скользящая средняя за 4 квартала
Централизованная скользящая средняя
Оценка сезонной компоненты
1
2
3
4
5
6
1
6,0
-
-
-
-
2
4,4
-
-
-
-
3
5,0
24,4
6,10
6,250
-1,250
4
9,0
25,6
6,40
6,450
2,550
5
7,2
26,0
6,50
6,625
0,575
6
4,8
27,0
6,75
6,875
-2,075
7
6,0
28,0
7,00
7,100
-1,100
8
10,0
28,8
7,20
7,300
2,700
9
8,0
29,6
7,40
7,450
0,550
10
5,6
30,0
7,50
7,625
-2,025
11
6,4
31,0
7,75
7,875
-1,475
12
11,0
32,0
8,00
8,125
2,875
13
9,0
33,0
8,25
8,325
0,675
14
6,6
33,6
8,40
8,375
-1,775
15
7,0
33,4
8,35
16
10,8
Рисунок 1.
Амплитуда колебаний постоянна, поэтому можно применить аддитивную модель.
Значения выравниваются по 4 периодам, потому что сезонность имеет лаг = 4.
Таблица 2.
Цель: Рассчитать среднюю сезонность за квартал (среднюю сезонную компоненту).
Показатели |
Год |
№ квартала,i |
|||
Сезонная компонента за 4 квартала (ежеквартально) |
1 |
- |
- |
-1,25 |
2,55 |
|
2 |
0,575 |
-2,075 |
-1,1 |
2,7 |
|
3 |
0,55 |
-2,025 |
-1,475 |
2,875 |
|
4 |
0,675 |
-1,775 |
- |
- |
Итого за i квартал |
|
1,800 |
-5,875 |
-3,825 |
8,125 |
Средняя оценка сезонной компоненты для i квартала, Sср.i |
0,600 |
-1,958 |
-1,275 |
2,708 |
|
Скорректированная сезонная компонента, Si |
|
0,581 |
-1,977 |
-1,294 |
2,690 |
Сезонная компонента в среднем за весь период должна взаимопогашаться. Проверим данное утверждение:
1) 0,6 – 1,958 – 1,275 + 2,708 = 0,075
2) k = 0,075 / 4 = 0,019
3) Si1 = 0,600 – 0,019 = 0,581
Таблица 3. Расчет выровненных значений Т и ошибок Е в аддитивной модели.
-
№ квартала, t
Потребле-
ние э/э, у
Si
Т+Е=у-Si
Т
Т+S
E=y-(T+S)
1
2
3
4
5
6
7
8
9
10
1
6,0
0,581
5,419
5,902
6,483
-0,483
0,233
-1,3
1,69
2
4,4
-1,977
6,377
6,088
4,111
0,289
0,083
-2,9
8,41
3
5,0
-1,294
6,294
6,275
4,981
0,019
0,000
-2,3
5,29
4
9,0
2,690
6,310
6,461
9,151
-0,151
0,023
1,7
2,89
5
7,2
0,581
6,619
6,648
7,229
-0,029
0,001
-0,1
0,01
6
4,8
-1,977
6,777
6,834
4,857
-0,057
0,003
-2,5
6,25
7
6,0
-1,294
7,294
7,020
5,726
0,274
0,075
-1,3
1,69
8
10,0
2,690
7,310
7,207
9,897
0,103
0,011
2,7
7,29
9
8,0
0,581
7,419
7,393
7,974
0,026
0,001
0,7
0,49
10
5,6
-1,977
7,577
7,580
5,603
-0,003
0,000
-1,7
2,89
11
6,4
-1,294
7,694
7,766
6,472
-0,072
0,005
-0,9
0,81
12
11,0
2,690
8,310
7,952
10,642
0,358
0,128
3,7
13,69
13
9,0
0,581
8,419
8,139
8,720
0,280
0,078
1,7
2,89
14
6,6
-1,977
8,577
8,325
6,348
0,252
0,063
-0,7
0,49
15
7,0
-1,294
8,294
8,512
7,218
-0,218
0,047
-0,3
0,09
16
10,8
2,690
8,110
8,698
11,388
-0,588
0,346
3,5
12,25
Итого:
116,8
116,800
1,098
67,12
Столбец 4 очищен от сезонных колебаний и содержит только тренд (тенденцию) и случайную компоненту.
С помощью функции ЛИНЕЙН найдем параметры линейного тренда
-
ЛИНЕЙН
0,18641
5,7155
Уравнение тренда: уt = 5,715 + 0,186 · t
Параметры уравнения получены с помощью функции ЛИНЕЙН.
t – номер квартала (1й столбец).
С целью сравнить величину ошибки с дисперсией данных, найдем:
А) среднее значение ряда:
Б) квадраты отклонений от средних значений.
Рассчитаем точность модели: для этого сумму ошибок разделим на сумму квадратов отклонений:
Ошибки составляют 1,6 в общей сумме квадратов отклонений. Это очень точная модель.