Файл: Кильдишев, Г. С. Анализ временных рядов и прогнозирование.pdf

ВУЗ: Не указан

Категория: Не указан

Дисциплина: Не указана

Добавлен: 01.11.2024

Просмотров: 132

Скачиваний: 0

ВНИМАНИЕ! Если данный файл нарушает Ваши авторские права, то обязательно сообщите нам.

тельные ошибки

прогноза для каждого года на период

с 1961 по 1971 г.

по

формуле

 

в д

р =

. 1 0 0 .

(5.4)

По формуле (5.1) находится средняя ошибка прогноза для этого отрезка временного ряда. Относительные ошиб­ ки' прогноза и средняя ошибка прогноза представлены в табл. 5.2, гр. 4'. Д а л е е период предыстории был увели­ чен до 12 лет (1950—1961 гг.), построена модель про­ гноза

 

 

у, = 2,670+ 3,641/;

 

(/ = 1,2 12)

 

 

и

осуществлена экстраполяция

на период 1962—1971 гг.,

в

результате которой были

определены

относительные

ошибки прогноза по годам и средняя ошибка

прогноза

(табл. 5.2,

гр.2).

 

 

 

 

 

Модели

прогноза для всех

проделанных

этапов пред­

ставлены

в табл. 5.3, а в табл.

5.2 — величины

относи­

тельных и средних ошибок аппроксимации, а т а к ж е от­

носительных и

средних ошибок

прогноза.

 

 

Т а б л и ц а 5.3

МОДЕЛИ ПРОГНОЗА ПО ЭТАПАМ ПРОГНОЗИРОВАНИЯ

Период предысто­

Период прогноза

Уравнения для моделей

рии (годы)

(годы)

прогноза

1950—1960

1961—1971

Уі = 3,7-14+3,393*

(11 лет)

(11 лет)

 

1950-1961

1962—1971

Уі = 2,670+3,641*

(12 лет)

(10 лет)

 

1950—1952

1963—1971

Уі = 1,516+3, ssi*

(13 лет)

(9 лет)

 

1950—1963

1964—1971

Уі = 0,815+4,027*

(14 лет)

(8 лет)

 

1950—1964

1965-197 і

Уі = 0,326+4,119*

(15 лет)

(7 лет)

 

1950—1965

1966—197'

Уі = —0,445+ 4,255*

(16 лет)

(6 лет)

 

1950-1966

1967—197.

Уі = —1,398+4,414*

(17 лет)

(5 лет)

 

1 B'rp. 4, 5 и т. д. относительные ошибки прогноза расположе­

ны ниже выделенного прямоугольника.

В прямоугольники заклю­

чены относительные

ошибки ' аппроксимации.

69



В результате проделанных расчетов была получена информация для построения модели, характеризующей зависимость средней ошибки прогноза от длины периода предыстории и прогнозируемого периода (табл. 5.4).

На

основании

данных

 

 

табл.

5.4 была

построена

 

 

модель

зависимости

средней

СРЕДНИЕ ОШИБКИ ПРОГНОЗА

ошибки прогноза

от

перио­

И

ВЕЛИЧИНА ПЕРИОДА

да предыстории

и

периода

И

ПРЕДЫСТОРИИ

прогноза:

 

 

ПРОГНОЗИРУЕМОГО

 

 

 

ПЕРИОДА

е„р = 3,860-0,441 л + 1 , 7 4 1 / . (5.6)

Средняя

 

 

ошибка

Период

Период

прогноза

предысто­

прогноза

 

рии п (лет)

1 (лет)

Коэффициент

 

множест­

 

 

 

венной

корреляции,

равный

19,4

11

11

0,981,

указывает

на

доволь­

13,9

12

10

но тесную связь

между

сред­

12,4

13

9

ней ошибкой прогноза

и обо­

10,6

14

8

ими

факторами . Вариация

9,9

15

/

8,0

16

6

средней

ошибки

прогноза на

5,1

17

5

96,2%

объясняется

колебле­

 

 

 

мостью периода предыстории п прогнозируемого перио­ да, о чем свидетельствует величина коэффициента мно­ жественной детерминации (7?2 = 0,962).

Это уравнение показывает,, что увеличение периода предыстории на один год снижает ошибку прогноза на 0,441%. В то же время увеличение прогнозируемого пе­ риода на один год ведет к увеличению средней ошибки прогноза на 1,741%.

Итак, точность прогноза объясняется совместным влиянием периода предыстории и периода прогноза.


Г л а в а V I

М Н О Г О Ф А К Т О Р Н О Е П Р О Г Н О З И Р О В А Н И Е

6.1. НЕКОТОРЫЕ СТАТИСТИЧЕСКИЕ ВОПРОСЫ МНОГОФАКТОРНОГО ПРОГНОЗИРОВАНИЯ

П р о б л е ма многофакторного прогнозирования является чрезвычайно сложной и наименее разработан ­ ной. Она требует решения ряда методологических и теоретических вопросов, например, статического и ди­ намического прогноза, выбора математического аппара­ та для описания изменения экономического явления за определенный период времени и т. д.

Рассмотрим некоторые из этих вопросов. Многофакторные модели экономических показателей

могут быть статическими и динамическими. Статиче­ ские модели используются для целей анализа н норми­ рования, а динамические — для анализа и прогнозиро­ вания. Понятие «динамическая модель» трактуется поразному. Одни считают, что к динамическим моделям относятся такие, которые построены по многофакторным, временным рядам . Другие добавляют, что такая .модель

носит динамический

характер

лишь в случае,

когда в

ней

учитываются

временные

запаздывания

влияний

факторов-аргументов. В то же

время целый

ряд

ученых

основном занимающихся межотраслевым

балансом)

приходит к выводу о статическом характере

такого рода

моделей, так как они не учитывают изменений

самой

структуры влияний

[12].

 

 

 

Будем придерживаться следующего определения многофакторной динамической модели. Многофакторная модель является динамической, если она учитывает [22]:

71

а) общие закономерности изменения экономическое явления в .изучаемый интервал времени;

б) закономерности изменения во времени влияний •факторов-аргументов;

в) запаздывание влияний факторов-аргументов. Многофакторные модели экономических явлений

строятся по информации, относящейся к разным уров­ ням иерархии и различным периодам времени. В зави­

симости

от

этого

различают

следующие

основные

ти­

пы исходной

информации:

 

 

 

1) временные

ряды, характеризующие

средние

ве­

личины

изучаемых

показателей

по стране

в целом;

 

2)временные ряды, характеризующие изучаемые яв­ ления в среднем по отдельным отраслям народного хозяйства;

3)информацию, характеризующую изучаемое явле­ ние в среднем по отдельным отраслям народного хозяй­ ства за определенный период времени, принятый за

единицу измерения, например за год1 ;

4)пространственную информацию, характеризую ­ щую изучаемое явление на к а ж д о м отдельном объекте, относящегося к одной и той ж е отрасли народного хо­ зяйства;

5)временные ряды, описывающие явление на к а ж ­ дом изучаемом объекте.

Пространственная информация отражает влияние

предшествующих периодов

времени. В

свою очередь

она оказывает влияние на

формирование

информации,

которая будет характеризовать изучаемое явление в будущем. В этом — динамический характер простран­ ственной информации. В то ж е время при использова­ нии пространственной информации для построения

уравнений регрессии

трудно выяснить изменение влия­

ний факторов-аргументов во времени. Кроме

того, она

не позволяет учесть

запаздывание влияний

факторов.

В этом заключается статичность пространственной ин­ формации. Запаздывание влияний можно определить по временным рядам народнохозяйственных или средне­ отраслевых показателей. Однако выявить закономер­ ность изменения во времени влияний факторов, как это будет показано ниже, крайне трудно. Временные ряды

Так называемая пространственная информация.

72


^ ч а е м ы х

показателей на к а ж д о м объекте имеют те ж е

недостатки,

что и временные

ряды и народнохозяйст­

венных, .и

среднеотраслевых

показателей.

Совместное использование

информации, характери ­

зующей динамику явления, и пространственной инфор ­

мации

позволит

построить

модели, пригодные д л я

прак-

ти ч е с к ого испол ьз ов аи и я.

 

 

В

отдельных

случаях в

зависимости от целей

иссле­

дования и имеющейся информации об изучаемом про­

цессе

можно для построения моделей использовать один

из имеющихся видов исходных данных. Это

делают тог-

-•да

[22]:

 

 

 

 

 

 

 

 

1)

когда поставленная цель охватывает одну

отдель­

но взятую сторону экономического явления

(допустим,

цель — получение прогноза

по

имеющемуся

временному

ряду

или

цель — построение

многофакторной

модели

для

описания среднеотраслевых

соотношений);

 

 

2)

когда имеется теоретическое исследование другой

стороны

экономического явления

(например,

по

времен­

ным

з а п а з д ы в а н и я м влияний

 

факторов - аргументов),

которое

можно непосредственно

использовать;

 

 

3)

когда

оговариваются,

что

полученные

по

данному

виду информации результаты считаются верными при

^выполнении ряда предпосылок,

проверить которые

можно только анализом другого

вида информации

(например, предполагается, что полученная по много­ факторным временным последовательностям структура связей не изменяется или слабо изменяется во времени) .

Рассмотрим многофакториые модели, построенные по временным рядам экономических явлений и влияю­ щих на них факторов (информация первого, второго и пятого типов). Модели, при построении которых использу­ ется информация такого рода, широко применяются за ру­ бежом и в последнее время стали разрабатываться в

С С С Р . При этом возникают две математические проб­

лемы — автокорреляция

и

мультиколлпнеарность.

 

 

Метод

наименьших

квадратов,

который

наиболее

~ часто используется в регрессионном

анализе

для

нахож­

дения оценок

коэффициентов регрессии,

основывается

иа

предпосылке

о независимости

друг от

друга

отдель­

н ы х

наблюдений по одной

и той

ж е

переменной. В

эко­

номических ж е

временных

рядах

последовательные

наб­

людения

зависят друг

от

друга,

т. е. между

ними,

как

73