• 3) оцінка вірогідності прогнозних розрахунків.
Вибір форми кривої можна здійснювати на основі побудови графіка, загальний вигляд якого, як правило, дає змогу встановити:
• а) чи має динамічний ряд показника чітко виражену тенденцію;
• б) якщо так, то чи ця тенденція плавна;
• в) який характер тенденції.
Відповідаючи на ці питання, необхідно пам'ятати, що зовнішня простота графіка хибна. Будь-яке динамічне завдання набагато складніше від статичного й кожна точка кривої є результатом зміни явища як у просторі, так і в часі.
У зв'язку з цим для підвищення обґрунтованості й вірогідності вирівнювання з метою більш точного виявлення наявної тенденції необхідно провести варіантний розрахунок за кількома аналітичними функціями й на основі експертних і статистичних оцінок визначити кращу форму зв'язку.
На другому етапі необхідно визначити параметри рівняння зв'язку. Для їх знаходження використовують метод найменших квадратів. У цьому випадку вирівнювальна функція буде займати таке положення серед фактичних значень показників, при якому сумарне відхилення точок від функції буде мінімальним.
Достовірну й обґрунтовану оцінку отриманим результатам можна дати, використовуючи такі статистичні показники, як середній коефіцієнт зростання, загальна і залишкова дисперсія, коефіцієнт кореляції, індекс кореляції, коефіцієнт кореляції вихідного ряду і ряду відхилень визначеного за різницею фактичних і вирівняних за будь-якою аналітичною функцією даних.
Для перевірки гіпотези про наявність або відсутність автокореляції використовують таблиці з критичними значеннями коефіцієнта автокореляції при різних рівнях значимості. Якщо табличне значення коефіцієнта автокореляції вище від фактичного, то можна стверджувати, що автокореляція відсутня або усувається, а отже, можна використовувати формули для імовірнісної оцінки значень, які прогнозуються за цими точками.
Приклад 14.1
Розглянемо використання методу аналітичного вирівнювання за даними діяльності TOB "Браво" м. Харкова, наведеними в табл. 14.4.
Таблиця 14.4. Динаміка товарообороту TOB "Браво"
| 2005 р. | 2006 р. | |
| Січень | 1156,3 | 1054,3 |
| Лютий | 1254,3 | 1149,6 |
| Березень | 1156,2 | 1098,2 |
| Квітень | 1150,4 | 1135,2 |
| Травень | 987,6 | 976,4 |
| Червень | 1021,3 | 999,5 |
| Липень | 1051,6 | 1045,6 |
| Серпень | 1115,4 | 1054,9 |
| Вересень | 1254,2 | 1235,8 |
| Жовтень | 1061,3 | 1035,4 |
| Листопад | 1124,2 | 1108,5 |
| Грудень | 1256,9 | 1249,4 |
Для прогнозу були обрані такі функції, як лінійна, логарифмічна, поліноміальна, ступенева та експоненціальна.
Наочне зображення коливань обсягу товарообігу за вказаними аналітичними функціями наведено на рис. 14.8.
Статистичні оцінки розглянутих аналітичних функцій наведені в табл. 14.5 (с. 539).
Як показують дані таблиці, не всі обрані аналітичні функції добре вирівнюють вихідний динамічний ряд. Про це свідчить значення коефіцієнта (індексу) кореляції. Для прогнозування, тобто продовження сформованої тенденції на найближчу перспективу, можуть бути використані тільки ті функції, для яких коефіцієнт (індекс) кореляції перевищує 0,7. До таких належать лінійна, експоненціальна й поліноміальна функції. Остання має найбільший коефіцієнт кореляції, який дорівнює 0,847, і найменшу величину залишкової дисперсії.
Рис. 14.8. Вихідні та вирівняні за аналітичними функціями значення обсягу товарообороту TOB "Браво"
Отже, найбільш прийнятною формою аналітичної функції для прогнозування є поліноміальна функція, яка представлена таким рівнянням:
Сторінки
В нашій електронній бібліотеці ви можете безкоштовно і без реєстрації прочитати «Моделі і методи прийняття рішень в аналізі та аудиті» автора Автор невідомий на телефоні, Android, iPhone, iPads. Зараз ви знаходитесь в розділі „Методи екстраполяції“ на сторінці 3. Приємного читання.
