Распределение критерия Дарбина-Уотсона для положительной автокорреляции
(для 5%-ного уровня значимости)
n | V=1 | V=2 | V=3 | V=4 | V=5 | |||||
d1 | d2 | d1 | d2 | d1 | d2 | d1 | d2 | d1 | d2 | |
1,08 | 1,36 | 0,95 | 1,54 | 0,82 | 1,75 | 0,69 | 1,97 | 0,56 | 2,21 | |
1,10 | 1,37 | 0,98 | 1,54 | 0,86 | 1,73 | 0,74 | 1,93 | 0,62 | 2,15 | |
1,13 | 1,38 | 1,02 | 1,54 | 0,90 | 1,71 | 0,78 | 1,90 | 0,67 | 2,10 | |
1,16 | 1,39 | 1,05 | 1,53 | 0,93 | 1,69 | 0,82 | 1,87 | 0,71 | 2,06 | |
1,18 | 1,40 | 1,08 | 1,53 | 0,97 | 1,68 | 0,86 | 1,85 | 0,75 | 2,02 | |
1,20 | 1,41 | 1,10 | 1,54 | 1,00 | 1,68 | 0,90 | 1,83 | 0,79 | 1,99 | |
1,22 | 1,42 | 1,13 | 1,54 | 1,03 | 1,67 | 0,93 | 1,81 | 0,83 | 1,96 | |
1,24 | 1,43 | 1,15 | 1,54 | 1,05 | 1,66 | 0,96 | 1,80 | 0,86 | 1,94 | |
1,26 | 1,44 | 1,17 | 1,54 | 1,08 | 1,66 | 0,99 | 1,79 | 0,90 | 1,92 | |
1,27 | 1,45 | 1,19 | 1,55 | 1,10 | 1,66 | 1,01 | 1,78 | 0,93 | 1,90 | |
1,29 | 1,45 | 1,21 | 1,55 | 1,12 | 1,66 | 1,04 | 1,77 | 0,95 | 1,89 | |
1,30 | 1,46 | 1,22 | 1,55 | 1,14 | 1,65 | 1,06 | 1,76 | 0,98 | 1,89 | |
1,32 | 1,47 | 1,24 | 1,56 | 1,16 | 1,65 | 1,08 | 1,76 | 1,01 | 1,86 | |
1,33 | 1,48 | 1,26 | 1,56 | 1,18 | 1,65 | 1,10 | 1,75 | 1,03 | 1,85 | |
1,34 | 1,48 | 1,27 | 1,56 | 1,20 | 1,65 | 1,12 | 1,74 | 1,05 | 1,84 | |
1,35 | 1,49 | 1,28 | 1,57 | 1,21 | 1,65 | 1,14 | 1,74 | 1,07 | 1,83 | |
1,36 | 1,50 | 1,30 | 1,57 | 1,23 | 1,65 | 1,16 | 1,74 | 1,09 | 1,83 | |
1,37 | 1,50 | 1,31 | 1,57 | 1,24 | 1,65 | 1,18 | 1,73 | 1,11 | 1,82 | |
1,38 | 1,51 | 1,32 | 1,58 | 1,26 | 1,63 | 1,19 | 1,73 | 1,13 | 1,81 | |
1,39 | 1,51 | 1,33 | 1,58 | 1,27 | 1,65 | 1,21 | 1,73 | 1,15 | 1,81 | |
1,40 | 1,52 | 1,34 | 1,58 | 1,28 | 1,65 | 1,22 | 1,73 | 1,16 | 1,80 | |
1,41 | 1,52 | 1,35 | 1,59 | 1,29 | 1,65 | 1,24 | 1,73 | 1,18 | 1,80 | |
1,42 | 1,53 | 1,36 | 1,59 | 1,31 | 1,66 | 1,25 | 1,72 | 1,19 | 1,80 | |
1,43 | 1,54 | 1,37 | 1,59 | 1,32 | 1,66 | 1,26 | 1,72 | 1,21 | 1,79 | |
1,43 | 1,54 | 1,38 | 1,60 | 1,33 | 1,66 | 1,27 | 1,72 | 1,22 | 1,79 | |
1,44 | 1,54 | 1,39 | 1,60 | 1,34 | 1,66 | 1,29 | 1,72 | 1,23 | 1,79 | |
1,48 | 1,57 | 1,43 | 1,62 | 1,38 | 1,67 | 1,34 | 1,72 | 1,29 | 1,78 | |
1,50 | 1,59 | 1,46 | 1,63 | 1,42 | 1,67 | 1,38 | 1,72 | 1,34 | 1,77 | |
1,53 | 1,60 | 1,49 | 1,64 | 1,45 | 1,68 | 1,41 | 1,72 | 1,38 | 1,77 | |
1,55 | 1,62 | 1,51 | 1,65 | 1,48 | 1,69 | 1,44 | 1,73 | 1,41 | 1,77 | |
1,57 | 1,63 | 1,54 | 1,66 | 1,50 | 1,70 | 1,47 | 1,73 | 1,44 | 1,77 | |
1,58 | 1,64 | 1,55 | 1,67 | 1,52 | 1,70 | 1,49 | 1,74 | 1,46 | 1,77 | |
1,60 | 1,65 | 1,57 | 1,68 | 1,54 | 1,71 | 1,51 | 1,74 | 1,49 | 1,77 | |
1,61 | 1,66 | 1,59 | 1,69 | 1,56 | 1,72 | 1,53 | 1,74 | 1,51 | 1,77 | |
1,62 | 1,67 | 1,60 | 1,70 | 1,57 | 1,72 | 1,55 | 1,75 | 1,52 | 1,77 | |
1,63 | 1,68 | 1,61 | 1,70 | 1,59 | 1,73 | 1,57 | 1,75 | 1,54 | 1,78 | |
1,64 | 1,69 | 1,62 | 1,71 | 1,60 | 1,73 | 1,58 | 1,75 | 1,56 | 1,78 | |
1,65 | 1,69 | 1,63 | 1,72 | 1,61 | 1,74 | 1,59 | 1,76 | 1,57 | 2,21 |
ОЦЕНКА ТОЧНОСТИ И НАДЕЖНОСТИ ПРОГНОЗОВ.
Важным этапом прогнозирования социально-экономических явлений является оценка точности и надежности прогнозов.
Эмпирической мерой точности прогноза, служит величина его ошибки, которая определяется как разность между прогнозными ( ) и фактическими (уt) значениями исследуемого показателя. Данный подход возможен только в двух случаях:
а) период упреждения известен, уже закончился, и исследователь располагает необходимыми фактическими значениями прогнозируемого показателя;
б) строится ретроспективный прогноз, то есть рассчитываются прогнозные значения показателя для периода времени, за который уже имеются фактические значения. Это делается с целью проверки разработанной методики прогнозирования.
В данном случае вся имеющаяся информация делится на две части в соотношении 2/3 к 1/3. Одна часть информации (первые 2/3 от исходного временного ряда) служит для оценивания параметров модели прогноза. Вторая часть информации (последняя 1/3 части исходного ряда) служит для реализации оценок прогноза.
Полученные таким образом ретроспективно ошибки прогноза в некоторой степени характеризуют точность предлагаемой и реализуемой методики прогнозирования. Однако величина ошибки ретроспективного прогноза не может в полной мере и окончательно характеризовать используемый метод прогнозирования, так как она рассчитана только для 2/3 имеющихся данных, а не по всему временному ряду.
В случае если, ретроспективное прогнозирование осуществлять по связным и многомерным динамическим рядам, то точность прогноза, соответственно, будет зависеть от точности определения значений факторных признаков, включенных в многофакторную динамическую модель, на всем периоде упреждения. При этом, возможны следующие подходы к прогнозированию по связным временным рядам: можно использовать как фактические, так и прогнозные значения признаков.
Все показатели оценки точности статистических прогнозов условно можно разделить на три группы:
- аналитические;
- сравнительные;
- качественные.
Аналитические показатели точности прогноза позволяют количественно определить величину ошибки прогноза. К ним относятся следующие показатели точности прогноза:
Абсолютная ошибка прогноза ( ) определяется как разность между эмпирическим и прогнозным значениями признака и вычисляется по формуле:
где:
yt - фактическое значение признака;
- прогнозное значение признака.
Относительная ошибка прогноза (d*отн) может быть определена как отношение абсолютной ошибки прогноза ( ):
- к фактическому значению признака (yt):
- к прогнозному значению признака ( )
Абсолютная и относительная ошибки прогноза являются оценкой проверки точности единичного прогноза, что снижает их значимость в оценке точности всей прогнозной модели, так как изучаемое социально-экономическое явление подвержено влиянию различных факторов внешнего и внутреннего свойства. Единично удовлетворительный прогноз может быть получен и на базе реализации слабо обусловленной и недостаточно адекватной прогнозной модели и наоборот можно получить большую ошибку прогноза по достаточно хорошо аппроксимирующей модели.
Поэтому на практике иногда определяют не ошибку прогноза, а некоторый коэффициент качества прогноза (Кк), который показывает соотношение между числом совпавших (с) и общим числом совпавших (с) и несовпавших (н) прогнозов и определяется по формуле:
Значение Кк = 1 означает, что имеет место полное совпадение значений прогнозных и фактических значений и модель на 100% описывает изучаемое явление. Данный показатель оценивает удовлетворительный вес совпавших прогнозных значений в целом по временному ряду и изменяющегося в пределах от 0 до 1.
Следовательно, оценку точности получаемых прогнозных моделей целесообразно проводить по совокупности сопоставлений прогнозных и фактических значений изучаемых признаков.
Средним показателем точности прогноза является средняя абсолютная ошибка прогноза ( ), которая определяется как средняя арифметическая простая из абсолютных ошибок прогноза по формуле вида:
где:
n - длина временного ряда.
Средняя абсолютная ошибка прогноза показывает обобщенную характеристику степени отклонения фактических и прогнозных значений признака и имеет ту же размерность, что и размерность изучаемого признака.
Для оценки точности прогноза используется средняя квадратическая ошибка прогноза, определяемая по формуле:
Размерность средней квадратической ошибки прогноза также соответствует размерности изучаемого признака. Между средней абсолютной и средней квадратической ошибками прогноза существует следующее примерное соотношение:
Недостатками средней абсолютной и средней квадратической ошибок прогноза является их существенная зависимость от масштаба измерения уровней изучаемых социально-экономических явлений.
Поэтому на практике в качестве характеристики точности прогноза определяют среднюю ошибку аппроксимации, которая выражается в процентах относительно фактических значений признака, и определяется по формуле вида:
Данный показатель является относительным показателем точности прогноза и не отражает размерность изучаемых признаков, выражается в процентах и на практике используется для сравнения точности прогнозов полученных как по различным моделям, так и по различным объектам. Интерпретация оценки точности прогноза на основе данного показателя представлена в следующей таблице:
, % | Интерпретация точности |
Высокая | |
10 - 20 | Хорошая |
20 - 50 | Удовлетворительная |
> 50 | Не удовлетворительная |
В качестве сравнительного показателя точности прогноза используется коэффициент корреляции между прогнозными и фактическими значениями признака, который определяется по формуле:
,
где:
- средний уровень ряда динамики прогнозных оценок.
Используя данный коэффициент в оценке точности прогноза следует помнить, что коэффициент парной корреляции в силу своей сущности отражает линейное соотношение коррелируемых величин и характеризует лишь взаимосвязь между временным рядом фактических значений и рядом прогнозных значений признаков. И даже если коэффициент корреляции R=1, то это еще не предполагает полного совпадения фактических и прогнозных оценок, а свидетельствует лишь о наличии линейной зависимости между временными рядами прогнозных и фактических значений признака.
Одним из показателей оценки точности статистических прогнозов является коэффициент несоответствия (КН), который был предложен Г. Тейлом и может рассчитываться в различных модификациях:
1. Коэффициент несоответствия (КН1), определяемый как отношение средней квадратической ошибки к квадрату фактических значений признака:
КН = 0, если , то есть полное совпадение фактических и прогнозных значений признака.
КН = 1, если при прогнозировании получают среднюю квадратическую ошибку адекватную по величине ошибке, полученной одним из простейших методов экстраполяции неизменности абсолютных цепных приростов.
КН > 1, когда прогноз дает худшие результаты, чем предположение о неизменности исследуемого явления. Верхней границы коэффициент несоответствия не имеет.
2. Коэффициент несоответствия (КН2), определяется как отношение средней квадратической ошибки прогноза к сумме квадратов отклонений фактических значений признака от среднего уровня исходного временного ряда за весь рассматриваемый период:
где:
- средний уровень исходного ряда динаики.
Если КН > 1, то прогноз на уровне среднего значения признака дал бы лучший результат, чем имеющийся прогноз.
3. Коэффициент несоответствия (КН3), определяемый как отношение средней квадратической ошибки прогноза к сумме квадратов отклонений фактических значений признака от теоретических, выравненных по уравнению тренда:
где:
- теоретические уровни временного ряда, полученные по модели тренда.
Если КН > 1, то прогноз методом экстраполяции тренда дает хороший результат.
Формулы для определения значений коэффициентов линейных и нелинейных уравнений, описывающих изменение рассматриваемого показателя во времени и характеризующих тенденцию динамического ряда y=f(t) имеют вид:
Для прямой
для параболы
для экспоненты вида
y= b0 + b1/t
система уравнений для определения коэффициентов уравнения регрессии имеет вид:
для функции вида
для функции вида
Y=a0+a1/x
|
гипербола
Y=ax
|
|
показательная
ТАБЛИЦА ВЫЧИСЛЕНИЯ ЗНАЧЕНИЙ ПО РЯДУ ФУРЬЕ
t | Yi | cos t | cos 2t | sin t | sin 2t |
Y1 | |||||
π/6 | Y2 | 0,866 | 0,5 | 0,5 | 0,866 |
π/3 | Y3 | 0,5 | -0,5 | 0,866 | 0,866 |
π/2 | Y4 | -1 | |||
2π/3 | Y5 | -0,5 | -0,5 | 0,866 | -0,866 |
5π/6 | Y6 | -0,866 | 0,5 | 0,5 | -0,866 |
π | Y7 | -1 | |||
7π/6 | Y8 | -0,866 | 0,5 | -0,5 | 0,866 |
4π/3 | Y9 | -0,5 | -0,5 | -0,866 | 0,866 |
3π/2 | Y10 | -1 | -1 | ||
5π/3 | Y11 | 0,5 | -0,5 | -0,866 | -0,866 |
11π/6 | Y12 | 0,866 | 0,5 | -0,5 | -0,866 |
Для изучения сезонности как периодической функции Фурье за n берется число месяцев года, тогда ряд динамики по отношению к значениям определится в виде следующих значений Y (1и2 столбцы).
Дата добавления: 2016-02-04; просмотров: 687;