- •Исходные данные
- •Последовательность проведения лабораторной работы
- •Построить график динамики ряда, провести аналитическое выравнивание временного ряда.
- •Выделить тренды и выбрать наилучший.
- •Оценить качество модели критерием Фишера. Найти среднюю ошибку аппроксимации модели.
- •Провести механическое сглаживание 5-ти членной скользящей средней. При наличии сезонной составляющей, выделить ее и провести дальнейшее исследование модели по общим правилам.
Провести механическое сглаживание 5-ти членной скользящей средней. При наличии сезонной составляющей, выделить ее и провести дальнейшее исследование модели по общим правилам.
Таблица 4 – Сглаживание 5-членной скользящей средней.
Год |
y(t) |
СС |
1961 |
202 |
|
1962 |
219 |
|
1963 |
239 |
248,8 |
1964 |
278 |
274 |
1965 |
306 |
300,6 |
1966 |
328 |
333,2 |
1967 |
352 |
374,2 |
1968 |
402 |
425,4 |
1969 |
483 |
481,6 |
1970 |
562 |
547,8 |
1971 |
609 |
636,6 |
1972 |
683 |
763,2 |
1973 |
846 |
863,8 |
1974 |
1116 |
995,2 |
1975 |
1065 |
1153,4 |
1976 |
1266 |
1292,2 |
1977 |
1474 |
1428,6 |
1978 |
1540 |
1620,8 |
1979 |
1798 |
1824,8 |
1980 |
2026 |
2058 |
1981 |
2286 |
2334,8 |
1982 |
2640 |
2642,6 |
1983 |
2924 |
2933,2 |
1984 |
3337 |
3149,4 |
1985 |
3479 |
3316,8 |
1986 |
3367 |
3512 |
1987 |
3477 |
3744,2 |
1988 |
3900 |
3980,4 |
1989 |
4498 |
4276,2 |
1990 |
4660 |
4576,8 |
1991 |
4846 |
4799,2 |
1992 |
4980 |
4997,8 |
1993 |
5012 |
5218,6 |
1994 |
5491 |
|
1995 |
5764 |
|
График 7 – Сглаживание ряда.
Сезонная компонента в данной модели отсутствует.
Вывод:
Модель регрессии является положительной, нелинейной с сильной связью между переменными.
Наилучшей среди всех, приведенных в данной работе моделей динамического ряда, является полиномиальная модель. Она наилучшим образом отражает взаимосвязь переменных, критерий Фишера подтверждает адекватность модели и значение данного критерия у полиномиальной модели наибольшее среди всех остальных.
В данной модели сезонная составляющая отсутствует. Средняя ошибка аппроксимации модели равна 2 %, то есть модель объясняет 98% значений результативного признака.
Данную модель можно применять для прогнозирования дальнейшего роста экспорта в Бельгии.