Автор работы: Пользователь скрыл имя, 23 Октября 2013 в 15:59, практическая работа
Обобщая вышесказанное, можно заключить, что рассматриваемая модель является динамической. По результатам теста Грегори-Чоу выборку необходимо разделить. Уравнения являются статистически значимыми, о чем нам свидетельствуют критерии Фишера и Стьюдента. Анализ остатков говорит, что модель является гетероскедантичной, поскольку наблюдается разброс 5 точек относительно основной кривой линии остатков.
название модели |
уравнение тренда |
коэффициент корреляция,r |
коэффициент детерминации,R |
Средняя модельная ошибка,δ |
Дисперсия, D |
С учетом сезонности |
y=1049,89+59,73*t |
0,92 |
0,85 |
13,91% |
57,01 |
Без учета сезонности |
у=1051,72+59,66*t |
0,91 |
0,84 |
14,11% |
67838,33 |
Без использования тренда: |
|||||
По абсолютному приросту |
- |
- |
- |
26,79% |
- |
По среднему темпу роста |
- |
- |
- |
26,23% |
- |
Методом численного сглаживания |
- |
- |
- |
22,34% |
- |
Ряд1- график временного
ряда; Ряд2 - по абсолютному приросту;
Ряд3- по среднему темпу роста; Ряд4- численное
сглаживание;
Ряд5- модель без сезонности; Ряд6-модель
с сезонностью.
Обобщая вышесказанное, можно заключить, что рассматриваемая модель является динамической. По результатам теста Грегори-Чоу выборку необходимо разделить. Уравнения являются статистически значимыми, о чем нам свидетельствуют критерии Фишера и Стьюдента. Анализ остатков говорит, что модель является гетероскедантичной, поскольку наблюдается разброс 5 точек относительно основной кривой линии остатков. Для прогнозирования наилучшим образом подходит модель с учетом сезонности, поскольку, в сравнении с остальными моделями средняя модельная ошибка минимальна; коэффициенты корреляции и детерминации близки к 1; D минимальна. Прогнозирование без использования тренда дает достаточно высокую ошибку. Также необходимо отметить, что прогнозирование каждым из этих способов возможно только на короткую перспективу, т.к. может произойти смена тренда, а для этого уже необходимы новые статистические данные.