Підставивши в отримане рівняння значення періодів упередження, визначаємо прогнозне значення обсягу товарообороту на наступні три місяці: у25 = 654,83; у = 655,93; у"--657,07 тис.грн. 26 27
Таблиця 14.5. Характеристики вирівнювальних функцій для динамічного ряду товарообороту
| лінійна | логарифмічна | ступенева | експоненціальна | поліноміальна | ||
| 1 | Коефіцієнт кореляції (індекс кореляції) | 0,819 | 0,673 | 0,674 | 0,820 | 0,847 |
| 2 | Залишкова дисперсія | 6,40 | 10,66 | 10,64 | 6,39 | 5,52 |
| 3 | Вільний член рівняння | 639,27 | 637,46 | 637,51 | 639,29 | 641,65 |
| 4 | Коефіцієнт при першому аргументі | 0,522 | 3,651 | 0,0056 | 0,0008 | -0,0278 |
| 5 | Коефіцієнт при другому аргументі | 0,022 |
Ймовірність того, що прогнозований економічний показник у заданий момент часу буде дорівнювати значенню, яке відповідає точковому прогнозу, практично дорівнює нулю. Тому до точкового прогнозу визначаються границі можливої зміни прогнозованого значення показника - довірчий інтервал за формулою
де * (а, Т - 20 - табличне значення розподілу Стьюдента зТ-д ступенями вільності й рівнем значимості а;
а - середньоквадратична помилка прогнозу.
Середньоквадратична помилка прогнозу обчислюється за формулою
де п - число рівнів динамічного ряду;
р - число параметрів у рівнянні прогнозу;
Зазначимо, що до отриманих при прогнозуванні оцінок довірчих інтервалів слід ставитися з обережністю. Це пов'язано зі специфікою динамічних рядів. Специфічність їх полягає в тому, що збільшення числа спостережень у статичній сукупності дає змогу одержати більш точні характеристики цієї сукупності, тоді як аналогічне подовження ряду динаміки не завжди приводить до подібних результатів, особливо в тих випадках, коли ряди динаміки використовуються для прогнозування. Ця обставина пов'язана з тим, що інформаційна цінність рівнів втрачається в міру їхнього віддалення від періоду упередження, тобто значення рівнів ряду динаміки при прогнозуванні нерівноцінне. Тому параметри рівнянь апроксимуючих кривих зростання можуть мати похибки і змінювати свої оцінки при виключенні частини членів ряду або додаванні нових членів ряду динаміки, що відбивається на точності розрахункових значень рівнів ряду динаміки. Крім того, параметри моделей тренду, отримані методом найменших квадратів, залишаються незмінними протягом усього розглянутого періоду. На практиці часто трапляються випадки, коли параметри моделей змінюються, а процедури, що згладжують, за допомогою методу найменших квадратів не можуть помітити такі зміни. Тому більш ефективними виявляються адаптивні методи, у яких значимість рівнів ряду динаміки зменшується в міру їхнього віддалення від прогнозованого періоду. До них належать: метод плинних середніх, метод експоненціального згладжування, метод гармонійних ваг та інші, що входять до класу адаптивних методів.
Часто ряди динаміки характеризуються різкими коливаннями показників за роками. Такі ряди, як правило, мають слабкий зв'язок з часом і не виявляють чіткої тенденції зміни. У цьому випадку метод аналітичного вирівнювання малоефективний, тому що вірогідність розрахунків різко падає. Довірчі границі прогнозу інколи виявляються ширшими за коливання показника в ряді динаміки.
При прогнозуванні на основі часових рядів, що дуже коливаються, можна використовувати метод плинних середніх, за допомогою якого можна виключити випадкові коливання часового ряду, що досягається шляхом заміни значень у середині обраного інтервалу середньою арифметичною величиною.
Інтервал, величина якого залишається постійною, поступово зміщується на одне спостереження. Якщо спостерігається визначена циклічність змін показників, інтервал плинності має дорівнювати тривалості циклу. У разі відсутності циклічності у зміні показників рекомендується виконувати різноманітний розрахунок при параметрі згладжування, що змінюється. Кращий варіант визначається на основі подальшої оцінки вирівняних рядів.
За даними вирівняних значень ряду динаміки здійснюється підбір форми кривої, що відображає тенденцію розвитку явища. Отримане рівняння регресії використовується для визначення прогнозного значення досліджуваного показника.
Приклад 14.2
Розглянемо використання методу плинних середніх на підставі даних, наведених у табл. 14.6,
Таблиця 14.6. Вирівняні за плинними середніми значеннями товарних запасів підприємства, тис. грн
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 4. Приємного читання.
