Учебная работа № 6028. «Контрольная Трендовые модели временных рядов
Учебная работа № 6028. «Контрольная Трендовые модели временных рядов
Содержание:
«Лабораторная работа № 3. Трендовые модели временных рядов
На сайте www.gks.ru выбрать временной ряд по одному из социально-экономических показателей, не содержащих сезонность. Ряд должен содержать не менее 8 наблюдений. Выполните для выбранного ряда следующие задания.
1. Постройте 5 графиков динамики показателя и добавьте на них разные типы тренда: линейный, логарифмический, полиномиальный (2 степени), степенной, экспоненциальный. При добавлении тренда установите опции «показывать уравнение на диаграмме» и «поместить на диаграмме коэффициент детерминации».
2. Выберите лучшую форму тренда и выполните по ней точечный и интервальный прогноз показателя на следующие 5 лет.
»
Выдержка из похожей работы
В качестве инструмента статистического
прогнозирования временных рядов служат
трендовые регрессионные модели, параметры
которых оцениваются по имеющейся
статистической базе, а затем основные
тенденции (тренды) экстраполируются на
заданный интервал времени,
Методология
статистического прогнозирования
предполагает построение и испытание
многих моделей для каждого временного
ряда, их
сравнение
на основе статистических критериев и
отбор наилучших
из
них для
прогнозирования,
При моделировании
сезонных явлений в статистических
исследованиях различают два типа
колебаний: мультипликативные и аддитивные,
В мультипликативном случае размах
сезонных колебаний изменяется во времени
пропорционально уровню тренда и
отражается в статистической модели
множителем, При аддитивной сезонности
предполагается, что амплитуда сезонных
отклонений постоянна и не зависит от
уровня тренда, а сами колебания
представлены в модели слагаемым,
Основой большинства
методов прогнозирования является
экстраполяция, связанная с распространением
закономерностей, связей и соотношений,
действующих в изучаемом периоде, за его
пределы, или — в более широком смысле
слова — это получение представлений о
будущем на основе информации, относящейся
к прошлому и настоящему,
Наиболее известны
и широко применяются трендовые и
адаптивные методы прогнозирования,
Среди последних можно выделить такие,
как методы авторегрессии, скользящего
среднего (Бокса — Дженкинса и адаптивной
фильтрации), методы экспоненциального
сглаживания (Хольта, Брауна и
экспоненциальной средней) и др,
Для оценки качества
исследуемой модели прогноза используют
несколько статистических критериев,
Наиболее
распространенными критериями являются
следующие,
Относительная
ошибка аппроксимации:
(54,1)
где
et
= хt
—
— ошибка
прогноза;
хt
— фактическое
значение показателя;
—прогнозируемое
значение,
Данный
показатель используется в случае
сравнения точности прогнозов по
нескольким моделям, При этом считают,
что точность модели является высокой,
когда
< 10%, хорошей — при = 10—20% и удовлетворительной — при = 20—50%, Средняя квадратическая ошибка: (54,2) где k — число оцениваемых коэффициентов уравнения, Наряду с точечным в практике прогнозирования широко используют интервальный прогноз
