Тенденция развития исследуемого динамического ряда

Сглаживание методом скользящей средней

Одним из эмпирических методов является метод скользящей средней. Этот метод состоит в замене абсолютных уровней ряда динамики их средними арифметическими значениями за определенные интервалы. Выбираются эти интервалы способом скольжения: постепенно исключаются из интервала первые уровни и включаются последующие.

t

y

ys

Формула

(y - ys)2

2005

1278.6

-

-

-

2006

1318.3

1303.47

(1278.6 + 1318.3 + 1313.5)/3

220.03

2007

1313.5

1308.57

(1318.3 + 1313.5 + 1293.9)/3

24.34

2008

1293.9

1293.7

(1313.5 + 1293.9 + 1273.7)/3

0.04

2009

1273.7

1284.4

(1293.9 + 1273.7 + 1285.6)/3

114.49

2010

1285.6

1282.13

(1273.7 + 1285.6 + 1287.1)/3

12.02

2011

1287.1

1281.8

(1285.6 + 1287.1 + 1272.7)/3

28.09

2012

1272.7

1269.97

(1287.1 + 1272.7 + 1250.1)/3

7.47

2013

1250.1

-

-

-

406.47


Стандартная ошибка (погрешность) рассчитывается по формуле:

https://chart.googleapis.com/chart?cht=tx&chl=e_%7bt%7d%20=%20\sqrt%7b\frac%7b\sum%7b\left(y_%7bi%7d%20-%20S_%7bi-1%7d\right)%5e%7b2%7d%7d%7d%7bm%7d%7d

где i = (t-m-1, t)

https://chart.googleapis.com/chart?cht=tx&chl=e_%7bt%7d%20=%20\sqrt%7b\frac%7b406.47%7d%7b3%7d%7d%20=%2011.64

Метод аналитического сглаживания (линейная функция)

Линейное уравнение тренда имеет вид y = a1t + a0
Метод наименьших квадратов

Находим параметры уравнения методом наименьших квадратов.
Система уравнений МНК:

a0n + a1∑t = ∑y

a0∑t + a1∑t2 = ∑y • t

t

y

t2

y2

t y

1

1278.6

1

1634817.96

1278.6

2

1318.3

4

1737914.89

2636.6

3

1313.5

9

1725282.25

3940.5

4

1293.9

16

1674177.21

5175.6

5

1273.7

25

1622311.69

6368.5

6

1285.6

36

1652767.36

7713.6

7

1287.1

49

1656626.41

9009.7

8

1272.7

64

1619765.29

10181.6

9

1250.1

81

1562750.01

11250.9

45

11573.5

285

14886413.07

57555.6


Для наших данных система уравнений имеет вид:

НЕ нашли? Не то? Что вы ищете?

9a0 + 45a1 = 11573.5

45a0 + 285a1 = 57555.6

Из первого уравнения выражаем а0 и подставим во второе уравнение

Получаем a0 = 1311.936, a1 = -5.198

Уравнение тренда:

y = -5.198 t + 1311.936

Эмпирические коэффициенты тренда a и b являются лишь оценками теоретических коэффициентов βi, а само уравнение отражает лишь общую тенденцию в поведении рассматриваемых переменных.

Коэффициент тренда b = -5.198 показывает среднее изменение результативного показателя (в единицах измерения у) с изменением периода времени t на единицу его измерения. В данном примере с увеличением t на 1 единицу, y изменится в среднем на -5.198.

Ошибка аппроксимации.

Оценим качество уравнения тренда с помощью средней относительной ошибки аппроксимации.
https://chart.googleapis.com/chart?cht=tx&chl=\overline%7bA%7d%20=%20\frac%7b\sum%7b|y_%7bt%7d%20-%20y_%7bi%7d|%20:%20y_%7bi%7d%7d%7d%7bn%7d100%25
Ошибка аппроксимации в пределах 5%-7% свидетельствует о хорошем подборе уравнения тренда к исходным данным.

https://chart.googleapis.com/chart?cht=tx&chl=\overline%7bA%7d%20=%20\frac%7b0.0862%7d%7b9%7d%20100%25%20=%200.96%25
Поскольку ошибка меньше 7%, то данное уравнение можно использовать в качестве тренда.

Однофакторный дисперсионный анализ.

Средние значения

https://chart.googleapis.com/chart?cht=tx&chl=\overline%7bt%7d%20=%20\frac%7b\sum%7bt_%7bi%7d%7d%7d%7bn%7d%20=%20%20\frac%7b45%7d%7b9%7d%20=%205
https://chart.googleapis.com/chart?cht=tx&chl=\overline%7by%7d%20=%20\frac%7b\sum%7by_%7bi%7d%7d%7d%7bn%7d%20=%20%20\frac%7b11573.5%7d%7b9%7d%20=%201285.94
https://chart.googleapis.com/chart?cht=tx&chl=\overline%7bt\cdot%20y%7d%20=%20\frac%7b\sum%7bt_%7bi%7dy_%7bi%7d%7d%7d%7bn%7d%20=%20%20\frac%7b57555.6%7d%7b9%7d%20=%206395.07
Дисперсия
https://chart.googleapis.com/chart?cht=tx&chl=D\left(t\right)%20=%20\frac%7b\sum%7bt%5e%7b2%7d_%7bi%7d%7d%7d%7bn%7d%20-%20\overline%7bt%7d%5e%7b2%7d%20=%20%20\frac%7b285%7d%7b9%7d%20-%205%5e%7b2%7d%20=%206.67
https://chart.googleapis.com/chart?cht=tx&chl=D\left(y\right)%20=%20\frac%7b\sum%7by%5e%7b2%7d_%7bi%7d%7d%7d%7bn%7d%20-%20\overline%7by%7d%5e%7b2%7d%20=%20%20\frac%7b14886413.07%7d%7b9%7d%20-%201285.94%5e%7b2%7d%20=%20392.78
Среднеквадратическое отклонение

https://chart.googleapis.com/chart?cht=tx&chl=\sigma%20\left(t\right)%20=%20\sqrt%7bD\left(t\right)%7d%20=%20%20\sqrt%7b6.67%7d%20=%202.58
https://chart.googleapis.com/chart?cht=tx&chl=\sigma%20\left(y\right)%20=%20\sqrt%7bD\left(y\right)%7d%20=%20%20\sqrt%7b392.78%7d%20=%2019.82
Коэффициент эластичности.

Коэффициент эластичности представляет собой показатель силы связи фактора t с результатом у, показывающий, на сколько процентов изменится значение у при изменении значения фактора на 1%.

https://chart.googleapis.com/chart?cht=tx&chl=E%20=%20\frac%7b%20\partial%20y%7d%7b%20\partial%20t%7d%20\frac%7bt%7d%7by%7d%20=%20b\frac%7b\overline%7bt%7d%7d%7b\overline%7by%7d%7d
https://chart.googleapis.com/chart?cht=tx&chl=E%20=%20-5.198\frac%7b5%7d%7b1285.94%7d%20=%20-0.0202
Коэффициент эластичности меньше 1. Следовательно, при изменении t на 1%, Y изменится менее чем на 1%. Другими словами - влияние t на Y не существенно.
Эмпирическое корреляционное отношение.

Эмпирическое корреляционное отношение вычисляется для всех форм связи и служит для измерение тесноты зависимости. Изменяется в пределах [0;1].

Где

https://chart.googleapis.com/chart?cht=tx&chl=\sum%7b\left(\overline%7by%7d%20-%20y_%7bt%7d\right)%5e%7b2%7d%7d%20=%203535.042%20-%201913.682%20=%201621.36

В отличие от линейного коэффициента корреляции он характеризует тесноту нелинейной связи и не характеризует ее направление. Изменяется в пределах [0;1].
Связи между признаками могут быть слабыми и сильными (тесными). Их критерии оцениваются по шкале Чеддока:

0.1 < η < 0.3: слабая;

0.3 < η < 0.5: умеренная;

0.5 < η < 0.7: заметная;

0.7 < η < 0.9: высокая;

0.9 < η < 1: весьма высокая;

Полученная величина свидетельствует о том, что изменение временного периода t умеренно влияет на y.

Коэффициент детерминации.

https://chart.googleapis.com/chart?cht=tx&chl=R%5e%7b2%7d%20=%201%20-%20\frac%7b\sum%7b\left(y_%7bi%7d%20-%20y_%7bt%7d\right)%5e%7b2%7d%7d%7d%7b\sum%7b\left(y_%7bi%7d%20-%20\overline%7by%7d\right)%5e%7b2%7d%7d%7d
https://chart.googleapis.com/chart?cht=tx&chl=R%5e%7b2%7d%20=%201%20-%20\frac%7b1913.682%7d%7b3535.042%7d%20=%200.459
т. е. в 45.87% случаев влияет на изменение данных. Другими словами – точность

подбора уравнения тренда - средняя.

Для оценки качества параметров уравнения построим расчетную таблицу

t

y

y(t)

(y-ycp)2

(y-y(t))2

(t-tp)2

(y-y(t)) : y

1

1278.6

1306.74

53.94

791.73

16

0.022

2

1318.3

1301.54

1046.88

280.92

9

0.0127

3

1313.5

1296.34

759.31

294.43

4

0.0131

4

1293.9

1291.14

63.29

7.6

1

0.00213

5

1273.7

1285.94

149.93

149.93

0

0.00961

6

1285.6

1280.75

0.12

23.56

1

0.00378

7

1287.1

1275.55

1.34

133.45

4

0.00898

8

1272.7

1270.35

175.42

5.53

9

0.00185

9

1250.1

1265.15

1284.82

226.54

16

0.012

11573.5

3535.04

1913.68

60

0.0862


2. Анализ точности определения оценок параметров уравнения тренда.
Стандартная ошибка уравнения.

Из за большого объема этот материал размещен на нескольких страницах:
1 2 3 4