Автор работы: Пользователь скрыл имя, 15 Января 2012 в 15:02, курсовая работа
Цель курсовой работы состоит в необходимости определения прогноза основных показателей уровня расходов на основе применение наивных и экспертных методов.
Введение………………………………………………………………………..3
1.Теоритические аспекты экономического прогнозирования
1.1Сущность прогнозов и их классификация………………………………..5
1.2.Методология прогнозирования…………………………………………...6
2 Метод прогнозирования динамики экономических процессов
2.1 Понятие временных рядов………………………………………………...9
2.2.Основные показатели изменения уровней временного рядя………….12
2.3Средние характеристики временного ряда……………………………14
3 Определение основной тенденции временных рядов
3.1.Понятие основной тенденции…………………………………………...17
3.2 Применение простых скользящих средних…………………………….18
3.3 Прогнозирование тенденции развития с помощью моделей кривых роста Метод Ирвина…………………………………………………………22
3.4 Компоненты временного ряда…………………………………………..24
3.5 Проверка гипотезы о наличии тренда. Методом критерия серий…….25
3.6 Статистический анализ и прогнозирование на основе тренд- сезонных моделей………………………………………………………………………..25
4 Методы регрессионного анализа как инструмент построения модели
4.1Прогнозирование на основе регрессии………………………………….26
4.2 Регрессионный метод анализа данных………………………………….27
4.3 Оценка качество модели регрессии……………………………………..28
4.4 Принятие решений на основе уравнения регрессии…………………..30
5 Расчетная часть……………………………………………………………..31
Заключение…………………………………………………………………...68
Список используемой литературы………………………………………….70
Приложение А………………………………………………………………..72
Приложение В………………………………………………………………..73
Приложение С……………………………………………………………….74
Рисунок5.10 – График исходных данных
Судя по графику можно сказать, что наиболее точно можно будет предсказать прогнозное значение исследуемого показателя используя параболическую модель вида:
(5.20)
(5.21)
Расчеты для определения коэффициентов параболической модели представлены в таблице 5.8.
Исходя
из расчетов представленных в таблице
коэффициенты будут равны:
Следовательно,
уравнение параболического
Построим точечный прогноз на k-шагов вперед путем подстановки в модель параметра t = N+1, ..., N+k.
При прогнозировании на шаг и два шага k=1; k=2:
Yp(11) = 8169+68,311+186,5112= 31486,8
Yp(12) = 8169+68,312+186,5122=35844,6
Таким образом мы можем увидеть, что в 2010 году уровень расходов населения составит 31486,8 тыс руб, а в 2011 году – 35844,6 тыс руб.Значит уровень расходов будет увеличиваться.
№ п/п | Совокупный расход Y(t) | t | t2 | Yt *t | Yt *t2 | t4 | Yp(t) | E(t)=Y(t)-Yp(t) | |||||||
1 | 763,6 | -10 | 100 | -7636 | 76360 | 10000 | 8423,8 | -9229,3 | |||||||
2 | 780,2 | -9 | 81 | -7022 | 63196 | 6561 | 9051,6 | -10561,9 | |||||||
3 | 823,1 | -8 | 64 | -6585 | 52678 | 4096 | 10052,4 | -12269,8 | |||||||
4 | 864,3 | -7 | 49 | -6050 | 42351 | 2401 | 11426,2 | -14365,2 | |||||||
5 | 903,2 | -6 | 36 | -5419 | 32515 | 1296 | 13173 | -16853,8 | |||||||
6 | 927,6 | -5 | 25 | -4638 | 23190 | 625 | 15292,8 | -19700,5 | |||||||
7 | 931,8 | -4 | 16 | -3727 | 14909 | 256 | 17785,6 | -22926,9 | |||||||
8 | 950,9 | -3 | 9 | -2853 | 8558 | 81 | 20651,4 | -26492,8 | |||||||
9 | 963,3 | -2 | 4 | -1927 | 3853 | 16 | 23890,2 | -30386,5 | |||||||
10 | 1009,2 | -1 | 1 | -1009 | 1009 | 1 | 27502 | -34739,2 | |||||||
11 | 1100,3 | 1 | 1 | 1100 | 1100 | 1 | 31486,8 | -39370,5 | |||||||
12 | 1105,4 | 2 | 4 | 2211 | 4422 | 16 | 35844,6 | -44373,5 | |||||||
13 | 1204,9 | 3 | 9 | 3615 | 10844 | 81 | 40575,4 | -49843,6 | |||||||
14 | 1305,7 | 4 | 16 | 5223 | 20891 | 256 | 45679,2 | -55501,4 | |||||||
15 | 1312,4 | 5 | 25 | 6562 | 32810 | 625 | 51156 | -61440,4 | |||||||
16 | 1504,4 | 6 | 36 | 9026 | 54158 | 1296 | 57005,8 | -67837,2 | |||||||
17 | 1788,2 | 7 | 49 | 12517 | 87622 | 2401 | 63228,6 | -76793,2 | |||||||
18 | 1987,2 | 8 | 64 | 15898 | 127181 | 4096 | 69824,4 | -84135 | |||||||
19 | 2003,1 | 9 | 81 | 18028 | 162251 | 6561 | 76793,2 | -9229,3 | |||||||
20 | 2054,4 | 10 | 100 | 20544 | 205440 | 10000 | 84135 | -10561,9 | |||||||
Сумма | 24283,2 | 700 | 47858 | 1025339 | 50666 | 712978 | -692752 |
Таблица5.8- Расчеты для определения коэффициентов параболической модели
Задание 5.Оценить адекватность модели полученной ранее, описывающей временной ряд Y(t), на основе исследования:
• случайности остаточной компоненты по критерию пиков;
• независимости уровней ряда остатков по d-критерию (в качестве критических используйте уровни d1 = 0,697 и d2 = 1,641) или по первому коэффициенту корреляции, критический уровень которого r(1)= 0,36;
• нормальности распределения остаточной компоненты по RS-критерию с критическими уровнями 2,7—3,7.
Качество модели определяется ее адекватностью исследуемому процессу, которая характеризуется выполнением определенных статистических свойств, и точностью, т.е. степенью близости к фактическим данным.
Модель считается хорошей со статистической точки зрения, если она адекватна и достаточно точна.
Модель является адекватной, если ряд остатков обладает свойствами случайности, независимости последовательных уровней, нормальности распределения и равенства нулю средней ошибки.
Отклонения расчетных значений от фактических наблюдений вычисляются как
Е(t) = Y(t)-Yp(t), t=1,2,…,17.
Проверку случайности уровней ряда остатков
проведем на основе критерия поворотных
точек. В соответствии с ним каждый
уровень ряда сравнивается с двумя рядом
стоящими. Если он больше или меньше их,
то эта точка считается поворотной. Далее
подсчитывается сумма поворотных точек
"р". В случайном ряду чисел должно
выполняться строгое неравенство:
Р > (5.24)
При N=20 в правой части неравенства будем иметь:
Таким образом число поворотные точек должно быть больше 8. В нашем случае количество поворотных точек 19>8. Неравенство выполняется, следовательно, свойство случайности выполняется. Необходимые расчеты представлены в таблице 5.9.
При проверке отсутствия автокорреляции определяется отсутствие в ряду остатков систематической составляющей. Это проверяется с помощью d-критерия Дарбина – Уотсона
d = 0,1
Вычисленная величина этого критерия сравнивается с двумя табличными уровнями (нижним d1=0,697 и верхним d2= 1,641).
Если 0 < d < d1 - то уровни остатков сильно автокоррелированы, а модель не адеквата;
d2 < d < 2 - то уровни ряда являются независимыми;
d > 2 - то это свидетельствует об отрицательной корреляции и перед входом в таблицу необходимо выполнить преобразование: d = 4 - d;
В нашем случае значение попадает в интервал 0 < d < d1,что значит что модель сильно автокоррелирована.
Соответствие ряда остатков нормальному закону распределения определим при помощи RS- критерия (5.5):
RS= : SE,
где Emax-максимальный уровень ряда остатков;
Emin - минимальный уровень ряда остатков;
SE - среднее квадратическое отклонение.
Se = 181589
Emax = -7660,2; Emin = -82080,6
Если расчетное значение RS-критерия попадает между критическими значениями с заданным уровнем вероятности, то гипотеза о нормальном распределении ряда остатков принимается. Для N=20 и 5%-ного уровня значимости этот интервал равен [3,18;4,49](см.приложение С)
RS = 4,09
Расчетное значение попадает в интервал. Следовательно, свойство нормальности распределения выполняется, что позволяет строить доверительный интервал прогноза и указывает на то, что остаточная компонента распределена нормально.
Построим доверительный интервал:
Верхняя граница: Yp (N+k)+ U(k)
Нижняя граница: Yp(N+k)- U(k)
Величина U(k) для линейной модели имеет вид (5.28):
Uτ
Если в качестве линии тренда используется уравнение прямой, то
τ = 191677
Коэффициент Кр является табличным значением t-статистики Стьюдента tтабл(a=0,1k=18) = 1,734 (см.приложение В)
U1916771,734 = 1 287055
U1916771,734 = 1 414484
Расчеты прогнозных оценок сведем в таблицу 5.10.
Таблица 5.10 – Расчеты прогнозных оценок
k | t | Yp(t) | Нижняя граница | Верхняя граница |
1 | 11 | 31486,8 | 1287087 | -128024 |
2 | 12 | 35844,6 | 1414448 | 3584601 |
Оценим точность линейной модели по среднему квадратическому отклонению и по средней по модулю ошибки (5.30):
Eотн = (5.30)
Eотн = 9,5%
Модели со средней относительной ошибкой менее 5% считаются хорошими, до 15% - приемлемыми, поэтому в нашем случае величина Eотн = 9,5% считается приемлемой моделью.
В данной модели выполняется свойство случайности. По d-критерию Дарбина – Уотсона модель является сильно автокаррелированой, т.е. d стремиться к 0.
Автокорреляция остатков может возникать
по несколькими причинами:
Во-первых, иногда автокорреляция связана
с исходными данными и вызвана наличием
ошибок измерения в значениях Y.
Во-вторых, иногда причину автокорреляции остатков следует искать в формулировке
модели. В модель может быть не включен
фактор, оказывающий существенное воздействие
на результат, но влияние которого отражается
в остатках, вследствие чего последние
могут оказаться
RS- критерия подтверждает соответствие ряда остатков нормальному закону распределения.
t | Отклонение E(t) | Точки поворота | E(t)2 | E(t)- E(t-1) | [E(t)- E(t-1)]2 | E(t)E(t-1) | E(t):Y(t)100% |
1 | -7660,2 | 85179978,49 | -1332,6 | 1775822,8 | 2275947,5 | 91% | |
2 | -8271,4 | 1 | 111553731,6 | -1707,9 | 2916922,4 | 3578733,7 | 91% |
3 | -9229,3 | 1 | 150547992 | -2095,4 | 4390701,2 | 5214612,4 | 92% |
4 | -10561,9 | 1 | 206358971 | -2488,6 | 6193130 | 7084297,6 | 92% |
5 | -12269,8 | 1 | 284050574,4 | -2846,7 | 8103700,9 | 9184592,9 | 93% |
6 | -14365,2 | 1 | 388109700,3 | -3226,4 | 10409657 | 11505020 | 94% |
7 | -16853,8 | 1 | 525642743,6 | -3565,9 | 12715643 | 13884545 | 95% |
8 | -19700,5 | 1 | 701868451,8 | -3893,7 | 15160900 | 16948108 | 95% |
9 | -22926,9 | 1 | 923339382,3 | -4352,7 | 18945997 | 20158660 | 96% |
10 | -26492,8 | 1 | 1206812017 | -4631,3 | 21448940 | 23170394 | 96% |
11 | -30386,5 | 1 | 1550036270 | -5003 | 25030009 | 27366910 | 97% |
12 | -34739,2 | 1 | 1969007502 | -5470,1 | 29921994 | 30948732 | 97% |
13 | -39370,5 | 1 | 2484384461 | -5657,8 | 32010701 | 33601674 | 97% |
14 | -44373,5 | 1 | 3080405402 | -5939 | 35271721 | 37990595 | 97% |
15 | -49843,6 | 1 | 3774922752 | -6396,8 | 40919050 | 44476311 | 97% |
16 | -55501,4 | 1 | 4601885704 | -6952,9 | 48342818 | 50690117 | 97% |
17 | -61440,4 | 1 | 5593559058 | -7290,5 | 53151390 | 531122403 | 97% |
18 | -67837,2 | 1 | 6737224896 | -72851,3 | 366709097 | 869201652 | 97% |
19 | -74790,1 | 1 | 34374889588 | -1332,6 | 1775822,8 | 2275947,5 | 97% |
20 | -82080,6 | 1 | 75167978,49 | -1707,9 | 2916922,4 | 3578733,7 | 98% |
Сумма | -688695 | 111553731,6 | -2095,4 | 4390701,2 | 5214612,4 | 1908% |
Информация о работе Анализ и прогнозирование доходов населения