Оценка значимости модели
ВР : , -
сумма квадратов отклонений уровней ВР от среднего его значения
Модель тренда :
- сумма квадратов отклонений модели тренда от среднего значения ВР (объясненная часть);
Остатки :
- сумма квадратов остатков (необъясненная часть);
(14)
Коэффициент детерминации
. (15)
- степеней свободы -
столько независимых переменных из N возможных требуется для образования данной суммы квадратов, если известна величина
;
(число коэффициентов) - степеней
свободы;
- степеней свободы
Значимость модели в целом оценивается с помощью F-критерия Фишера:
, (16)
где - сумма квадратов отклонений
модели на одну степень свободы;
- остаточная сумма квадратов
на одну степень свободы;
N – число наблюдений;
n– число параметров модели;
- коэффициент детерминации.
Модель статистически значима (существенна), если наблюдаемое значение F-критерия (F) превосходит табличное его значение при заданном уровне значимости , т.е.
. (17)
:
задаются уровнем значимости, т.е. малой вероятностью ,
затем по таблице значений F-критерия Фишера определяют величину для заданных величин , где - число степеней свободы, соответствующее большей сумме квадратов; - число степеней свободы, соответствующее меньшей сумме квадратов,
сравниваются F и . Если выполняется (17), то модель тренда адекватна временному ряду, в противном случае - нет (модель признается неадекватной) .
Ошибка аппроксимации
Величина отклонений по каждому наблюдению представляет, по сути, ошибку аппроксимации, которая определяет точность модели.
Достаточно распространенной и простой мерой оценки точности является относительная ошибка.
. (18)
Величину (18) называют также функцией потерь. Возможно и иное определение относительной ошибки аппроксимации
. (19)
Если окажется , то точность признается достаточной, что свидетельствует о хорошем подборе модели к экспериментальным данным.
Прогнозирование экономических показателей на основе трендовых моделей
Под прогнозированием обычно понимают распространение закономерностей, связей и соотношений, действующих в изучаемом периоде, за его пределы.
Основные этапы:
предварительный анализ данных;
формирование набора моделей (например, набора кривых роста), называемых функциями-кандидатами;
численное оценивание параметров моделей;
определение адекватности моделей;
оценка точности адекватных моделей;
выбор лучшей модели;
получение точечного и интервального прогнозов;
Графическое изображение корреляционной функции называется коррелограммой