Анализ временных рядов и прогнозирование. Международный консорциум Электронный университет Московский государственный университет экономики, статистики и информатики
 Скачать 2.56 Mb.
|
|
Для полиномиальных моделей характерно отсутствие прямой связи между абсолютными приростами и приростами уровней рядов динамики. Предполагаемой функцией, отражающей процесс роста явления, может быть и экспонента  . Экспоненты характеризуют прирост, зависящий от величины основания функции. Прологарифмировав левую и правую части, найдем  , то есть логарифмическую кривую. После замены lg a0 = c0 и lg a1 = c1 получим уравнение  , из которого видно, что логарифм ординаты линейно зависит от t.Практика моделирования свидетельствует о том, что выбор тех или иных кривых всегда оказывается под воздействием представлений о желаемой форме кривой, и что на координатном поле, отображающем расстояние точек, можно построить бесконечное множество кривых. При этом необходимо отражать особенности процесса. Свойства процесса должны соответствовать свойствам функций, используемых для построения моделей. Надо иметь в виду, что отдельные уравнения выражают определенный тип динамики. Монотонное возрастание или убывание процесса характеризуют функции: линейная; параболическая; степенная; экспоненциальная простая (показательная) и производная от нее логарифмическая линейная; сложная экспоненциальная и производная от нее логарифмическая парабола; гиперболическая (главным образом убывающих процессов); комбинация их видов. Для моделирования динамических рядов, которые характеризуются стремлением к некоторой предельной величине, насыщением, применяются логистические функции. Логистическую функцию часто записывают в следующем виде:  или  , (2.27)где: е – основание натуральных логарифмов. Логистическая кривая симметрична относительно точки перегиба и при  стремится к нулю, а при  стремится к некоторой постоянной величине, к которой кривая асимптотически приближается. Если найти вторую производную от yt по t и приравнять ее к нулю, то для логистической кривой, выражаемой через е, место положения точки перегиба кривой равно:  ;  .Тип процессов, характеризующихся наличием экстремальных значений, описывается кривой Гомперца, имеющей следующее выражение:  . (2.28)Возможны четыре варианта этой кривой. Для экономистов наибольшее значение имеет кривая, у которой lg a0 < 0 и a1 < 1. Развитие уровня такой кривой имеет следующие этапы: если коэффициент a1 меньше единицы при отрицательном значении lg a0, то на первом этапе прирост кривой незначителен. Он медленно увеличивается по мере роста t, но на следующем этапе прирост увеличивается быстрее, а затем, после точки перегиба, прирост начинает уменьшаться; подойдя к линии асимптоты, прирост кривой опять незначителен. Прологарифмировав функцию Гомперца, получим:  .При выборе формы тренда наряду с теоретическим анализом закономерностей развития изучаемого явления используются эмпирические методы, такие как:
Средняя квадратическая ошибка определяется по формуле:  , (2.29)где: k – число параметров уравнения. Чем меньше значение средней квадратической ошибки, тем функция наилучшим образом описывает тенденцию исходного временного ряда. На основе данных табл. 2.10 рассмотрим порядок расчета средней квадратической ошибки по линейному тренду и параболе второго порядка показателя объема платных услуг населению одного из регионов РФ, представленных в табл. 2.12. Так, например, для уравнения линейного тренда, средняя квадратическая ошибка составит:  = =0,78,а для параболы второго порядка:  = =0,75.Анализ приведенных значений средних квадратических ошибок свидетельствует о том, что уравнение параболы второго порядка наиболее точно описывает тенденцию изменения объема платных услуг населению. Критерий наименьшей суммы квадратов отклонений эмпирических уровней от теоретических  также предполагает, что наилучшим образом тенденция описывается трендом, которому соответствует наименьшее значение суммы квадратов отклонений.Так на основе приведенных в табл. 2.12 расчетов видно, что для уравнения линейного тренда, описывающего тенденцию изменения объема платных услуг населению  , а для уравнения параболы второго порядка  Следовательно, уравнение параболы второго порядка наиболее точно описывает тенденцию изменения объема платных услуг населению одного из регионов РФ.Дисперсионный метод анализа основывается на сравнении дисперсий. Суть метода в следующем: общая вариация временного ряда делится на две части:
Vобщ = Vf(t) + Vε Общая вариация определяется как сумма квадратов отклонений эмпирических значений уровней ряда (yt) от среднего уровня исходного временного ряда (  ), то есть из выражения вида: . (2.30)Случайная вариация – это сумма квадратов отклонений эмпирических значений уровней (yt) от теоретических полученных по уравнению тренда (  ), и определяется по выражению следующего вида: , (2.31)Вариация вследствие тенденции определяется как разность общей и случайной вариаций из выражения вида: Vf(t) = Vобщ – V. (2.32) На основе рассмотренных показателей вариации определяются следующие виды дисперсии:
 ; (2.33)
 , (2.34)где: k – число параметров уравнения тренда.
 . (2.35)Выдвигается и проверяется гипотеза о том, что подходит или не подходит рассматриваемое уравнение тренда для описания тенденции исходного временного ряда. Гипотеза проверяется на основе F-критерия Фишера-Снедекора, расчетное значение которого определяется по следующей формуле:  , если  (2.36)Критическое значение критерия определяется по таблице табулированных значений (приложение) следующим образом:  Если Fp > Fкр при заданном уровне значимости и числе степеней свободы (1 =k – 1, 2 = n – k), то уравнение тренда подходит для отражения тенденции исходного временного ряда. Анализ необходимо начинать с более простого уравнения к сложным, пока не подойдет. Пример. Проверим с помощью дисперсионного метода анализа, какое из двух рассмотренных выше (таблица 2.12) уравнений тренда наиболее подходит для описания тенденции исходного временного ряда объема платных услуг населению одного из регионов РФ. Расчеты приведены в таблице 2.13. Средний уровень исходного временного ряда составит:  .Таблица 2.13 Расчетная таблица реализации дисперсионного метода анализа в оценке трендовых моделей объема платных услуг населению одного из регионов РФ за период январь-декабрь 2009 г.
|
