АвтоАвтоматизацияАрхитектураАстрономияАудитБиологияБухгалтерияВоенное делоГенетикаГеографияГеологияГосударствоДомДругоеЖурналистика и СМИИзобретательствоИностранные языкиИнформатикаИскусствоИсторияКомпьютерыКулинарияКультураЛексикологияЛитератураЛогикаМаркетингМатематикаМашиностроениеМедицинаМенеджментМеталлы и СваркаМеханикаМузыкаНаселениеОбразованиеОхрана безопасности жизниОхрана ТрудаПедагогикаПолитикаПравоПриборостроениеПрограммированиеПроизводствоПромышленностьПсихологияРадиоРегилияСвязьСоциологияСпортСтандартизацияСтроительствоТехнологииТорговляТуризмФизикаФизиологияФилософияФинансыХимияХозяйствоЦеннообразованиеЧерчениеЭкологияЭконометрикаЭкономикаЭлектроникаЮриспунденкция

Модели сезонности: аддитивная и мультипликативная

Читайте также:
  1. II. Право на фабричные рисунки и модели (прикладное искусство), на товарные знаки и фирму
  2. Автокорреляция остатков модели регрессии. Последствия автокорреляции. Автокорреляционная функция
  3. Аддитивная и мульпликативная модели временного ряда
  4. Аддитивная модель временного ряда
  5. Адекватность трендовой модели
  6. Алгоритм оценки и проверки адекватности нелинейной по параметрам модели (на примере функции Кобба-Дугласа).
  7. Алгоритм проверки адекватности множественной регрессионной модели (сущность этапов проверки, расчетные формулы, формулировка вывода).
  8. Алгоритм проверки адекватности парной регрессионной модели.
  9. Алгоритм проверки адекватности парной регрессионной модели.
  10. Алгоритм проверки значимости регрессоров во множественной регрессионной модели: выдвигаемая статистическая гипотеза, процедура ее проверки, формулы для расчета статистики.
  11. Альтернативные модели потребления.
  12. Анализ дискреционной налогово-бюджетной и кредитно-денежной политики с помощью модели «IS-LM».

Простейший подход к моделированию сезонных колебаний – это расчет значений сезонной компоненты методом скользящей средней и построение аддитивной или мультипликативной модели временного ряда. Общий вид аддитивной модели следующий:

Эта модель предполагает, что каждый уровень временного ряда может быть представлен как сумма трендовой (T), сезонной (S) и случайной (E) компонент.

Общий вид мультипликативной модели выглядит так:

 

Эта модель предполагает, что каждый уровень временного ряда может быть представлен как произведение трендовой (T), сезонной (E) и случайной (E) компонент.

Выбор одной из двух моделей осуществляется на основе анализа структуры сезонных колебаний. Если амплитуда колебаний приблизительно постоянна, строят аддитивную модель временного ряда, в которой значения сезонной компоненты предполагаются постоянными для различных циклов. Если амплитуда сезонных колебаний возрастает или уменьшается, строят мультипликативную модель временного ряда, которая ставит уровни ряда в зависимость от значений сезонной компоненты.

Построение аддитивной и мультипликативной моделей сводится к расчету значений T, S и E для каждого уровня ряда. Процесс построения модели включает в себя следующие шаги. 1)Выравнивание исходного ряда методом скользящей средней. 2)Расчет значений сезонной компоненты S(Определяется оценка сезонной компоненты.Определяется среднее значение сезонной компоненты. Предполагается, что сезонные воздействия за период поглощаются. Для выполнения условия рассчитывается корректирующий коэффициент. Определяются скорректированные значения компоненты).3)Устранение сезонной компоненты из исходных уровней ряда и получение выровненных данных (T + E) в аддитивной или (T · E) в мультипликативной модели. 4)Аналитическое выравнивание уровней (T + E) или (T · E) и расчет значений T с использованием полученного уравнения тренда.5)Расчет полученных по модели значений (T + E) или (T · E). 6)Расчет абсолютных и/или относительных ошибок. Если полученные значения ошибок не содержат автокорреляции, ими можно заменить исходные уровни ряда и в дальнейшем использовать временной ряд ошибок E для анализа взаимосвязи исходного ряда и других временных рядов.

7)(Оценка качества построенной модели. Прогнозирование)

 

Исключение тенденции на основе метода отклонений от тренда.

Алгоритм:

1.По каждому ряду (xt и yt) моделируется тренд.

2.На основе каждого тренда определяются остатки или даже ошибки

 

3.Строят уравнения по этим ошибкам

 

Если значения t, xt, yt => рассчитывают eyt, ext. а – превращается в 0, т.к. сумма е=0.

От этого уравнения можно перейти к исходным уровням

 

4.Далее осуществляем прогнозирование

 

Где xp и yp – прогнозное значение по каждому из трендов.

- факторное значение каждой из переменных задаем сами, а затем получаем прогноз

 


1 | 2 | 3 | 4 | 5 | 6 | 7 |

Поиск по сайту:

Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. Студалл.Орг (0.003 сек.)