Моделирование развития исследуемого показателя

Рис. 2.2 Основная тенденция исследуемого ряда

Применение скользящей средней для определения тренда является наименее сложным методом решения данного вопроса, который позволяет избавиться от необходимости решения вопросов, возникающих при применении аналитических методов, таких как моделирование тренда с помощью построения кривой тенденции по уравнению регрессии.

Необходимо понимать, что соединение точек значений скользящей средней для соответствующих уровней ряда производится только ради удобства визуального их представления. Для расчета уравнения кривой, их соединяющей будут применены методы регрессионного анализа, но на более позднем этапе исследования.

Расчет сезонной компоненты и аналитическое описание тренда

На следующем этапе исследования необходимо выделить сезонную компоненту из представленного ряда. Для выделения периодической составляющей необходимо из соответствующих уровней исходного ряда

у = Т + S + Е вычесть значения рассчитанного тренда (Т).

Уровни полученного ряда следует сгруппировать по четырем кварталам и рассчитать среднее значение сезонной компоненты (таблица 2.4).

Таблица 2.4

Расчет средних значений сезонной экспоненты

Год

Квартал 1

Квартал 2

Квартал 3

Квартал 4

2005

-

-

-1363,1392

-4572,520854

2006

897,3986903

3545,455325

1687,06094

-2382,94803

2007

-1495,316223

3041,190407

-

-

Среднее значение сезонной компоненты

-298,9587661

3293,322866

161,960863

-3477,734442

Скорректированное значение сезонной компоненты

-218,6063961

3373,675236

242,313233

-3397,382072

Скорректировать средние значения сезонной компоненты следует таким образом, чтобы их сумма была равна 0. Для выполнения данной операции был использован инструмент Microsoft Excel «Поиск решения».

Для получения десезонолизированного ряда необходимо из исходных значения ряда у = Т + S + Е вычесть скорректированную сезонную компоненту S. В целях определения качества модели необходимо рассчитать случайную компоненту, для этого из десезонолизированных значений ряда вычитают значения рассчитанного тренда (Т). Полученные значения Е представлены на рисунке 2.3.

Рис. 2.3 Распределение значений E

Видно, что значения случайной компоненты лежат вокруг нуля, это положительно характеризует форму ее распределения для качества модели, т.к., приближаясь к нулю, роль этого элемента нейтрализуется. Разброс значений по обе стороны от нулевого значения подчеркивает случайность распределения ошибок, что также важно для качества модели.

Для дальнейшего анализа качества модели аналитически опишем тренд, рассчитанный с использованием центрированных скользящих средних. Для определения параметров уравнения регрессии используем метод наименьших квадратов и инструмент «Регрессия» пакета анализа Microsoft Excel. В результате использования данного инструментария получаем уравнение

y(t) = 63710,94 + 6346,68 • t

Формальный подход к оценке качества модели позволяет определить соответствие модели моделируемому процессу (адекватность) и степень близости ее к фактическим данным (точность). Оба эти свойства определяются на основе анализа ряда остатков е. Результаты расчета остатков представлены в таблице 2.5.

Определение качества модели

Более глубокое определение качества модели включает в себя проверку адекватности и точности.

Перейти на страницу: 1 2 3 4 5

Другое по экономике

Создание предприятия в форме ООО по производству мармелада
Работа имеет своей целью - показать создание предприятия на примере предприятия по производству мармелада. Мармелад - полезный десерт, содержащий большое количество витамина С. Он не содержит жир, что также является важным фактором для людей, контроли ...