Отже, система, яка складається з λ-рівнянь, як відомі величини містить λ-невідомих величин аj. Розв'язок цієї системи стосовно а0, а1, aλ і дає значення параметрів, які відшукують.
Одним із головних методів прогнозування випадкової компоненти є метод авторегресії. Прогнозуючи деяку величину, природно допустити залежність її в довільний момент часу від значень у попередні моменти. Будь-який процес залежить від низки факторів. Модель прогнозування, побудована як функція від передісторії, повинна враховувати можливі дії цих факторів. Тоді досліджуваний процес можна записати так:
Модель є авторегресивною формою прогнозованого процесу. Головною умовою правомірності її застосування є випадковість і стаціонарність. Для отримання точніших оцінок схему авторегресії можна модифікувати на підставі застосування вагових коефіцієнтів.
Якщо ряди дуже довгі, то для виділення тренда використовують метод, що ґрунтується на переході від вихідної інформації до різниць того чи іншого порядку.
До методів спільного прогнозування трендової і випадкової складових динамічного ряду належить метод Бокса—Дженкінса. Безпосередньо модель Бокса—Дженкінса — це об'єднання двох форм подання вихідного динамічного ряду: авто-регресивного і ковзної середньої.
Для прогнозування багатовимірних процесів використовують методи багатофакторного прогнозування. Вони прості в реалізації, досить "м'які" щодо вимог до вихідної інформації і дають змогу отримати достовірні прогнозні результати.
Процедурні переваги методів передбачають чіткий вибір виду функціональної залежності пояснювальної змінної від часу і незалежних змінних. По суті, якість отриманих прогнозних результатів залежить, насамперед, від правильності вибору виду функціональної залежності й меншою мірою — від якості вихідної інформації.
Вихідною інформацією для отримання прогнозних результатів за допомогою методів багатофакторного прогнозування є матриця спостережень за часом залежної і незалежних змінних (тобто застосування матричного методу).
Кожний стовпчик цієї матриці — часовий ряд спостережень, упорядкований за часом. Для вихідної інформації мають виконуватися деякі головні передумови — такі як Т≥ 3—5, Т≥ 15— 20, Це означає, що кількість спостережень за кожним фактором має бути у 3—5 разів більшою від досліджуваних факторів, у всякому разі — не менше 15—20 спостережень.
Найпоширенішими є методи регресійного і кореляційного аналізів.
Регресійний аналіз використовують для дослідження форм зв'язку, які визначають кількісні співвідношення між випадковими величинами досліджуваного випадкового процесу. Регресійний аналіз є частиною теорії кореляції. Нехай
Регресією називають функцію
Коефіцієнти а і В обчислюють методом найменших, квадратів на підставі умови мінімізації функції помилки.
Для найскладніших процесів будують модель множинної лінійної регресії:
Сторінки
В нашій електронній бібліотеці ви можете безкоштовно і без реєстрації прочитати «Економіка праці та соціально-трудові відносини» автора Автор невідомий на телефоні, Android, iPhone, iPads. Зараз ви знаходитесь в розділі „Метод ковзної середньої“ на сторінці 2. Приємного читання.
