Пример, построения прогнозной модели с мультипликативной компонентой

Для решения предыдущей задачи воспользуемся первым способом построения модели с мультипликативной компонентой. В общем случае его целесообразно использовать, если значение сезонной компоненты не является постоянной абсолютной величиной, а представляет определенную долю трендового значения.

1. Последовательность расчета значений сезонной компоненты существенно не отличается от рассмотренного в предыдущем примере. Также рассчитывается центрированная скользящая средняя, но оценка сезонной компоненты представляет собой не абсолютные отклонения, а относительные, которые принято называть индексами сезонности.

Таблица 21

Расчет коэффициентов сезонности

Период Фактическое значение Центрированная скользящая средняя Алгоритм расчета Индекс сезонности индивидуальный  
1 квартал 2003        
2 квартал 2003        
3 квартал 2003 1791/2128 0,8418  
4 квартал 2003 3332/2086 1,5972  
1 квартал 2004 1658/2045 0,8108  
2 квартал 2004 1486/1987 0,7477  
3 квартал 2004 1617/1938 0,8346  
4 квартал 2004 3045/1913 1,5915  
1 квартал 2005        
2 квартал 2005        

2. Мы имеем оценки коэффициентов сезонности для каждого квартала. Для прогнозирования будущих тенденций нам необходимо оценить среднее влияние сезонного фактора для каждого сезона. С этой целью найдем среднее значение для каждого квартала. К сожалению, расчет по средней арифметической дает некоторую погрешность. Для устранения погрешности рассчитаем корректирующую составляющую, разделив сумму индексов сезонности на количество сезонов 3,9911/4=0,9978 и проведем корректировку (таблица 22).

Таблица 22

Расчет средних индексов сезонности.

Номер квартала Индекс сезонности Алгоритм расчета Скорректированный индекс сезонности
1 квартал 0,8108 0,8108/0,9978 0,8126
2 квартал 0,7477 0,7477/0,9978 0,7494
3 квартал 0,8382 0,8382/0,9978 0,8401
4 квартал 1,5944 1,5944/0,9978 1,5979
Итого 3,9911  

Значения индексов сезонности подтверждают наш вывод о наличие сезонных колебаний. В четвертом квартале объем продаж мяса значительно, в 1,5979 раз превышает среднеквартальный, а в остальные ниже среднеквартального.

 

3. Расчет тренда на основе полученных десезонализированных данных проводится традиционным методом прогнозной экстраполяции. Мы воспользуемся табличным редактором Excel, статистической функцией ЛИНЕЙН для определения параметров тренда. В результате нами получены параметры a= 2232, b=-43. Следовательно, уравнение модели тренда имеет следующий вид:

4. Оценим ошибку традиционными статистическими характеристиками дисперсия и среднеквадратическое отклонение. Дисперсия составит 43700, а среднеквадратическое отклонение 209,05

5. Прогнозирование по мультипликативной модели

Прогнозное значение объема продаж в 3 квартале 2005 г.

Y11= (2232-43*11)*0,8401=1498 тыс. тонн

Прогнозное значение объема продаж в 4 квартале 2005 г.

Y12= (2232-43*12)*1,5979=2782 тыс. тонн








Дата добавления: 2016-04-22; просмотров: 1069;


Поиск по сайту:

При помощи поиска вы сможете найти нужную вам информацию.

Поделитесь с друзьями:

Если вам перенёс пользу информационный материал, или помог в учебе – поделитесь этим сайтом с друзьями и знакомыми.
helpiks.org - Хелпикс.Орг - 2014-2024 год. Материал сайта представляется для ознакомительного и учебного использования. | Поддержка
Генерация страницы за: 0.005 сек.