1.

5 Прогнозирование показателей методом экстраполяции с помощью

авторегрессии

Авторегрессии – класс регрессий, аргументом которых является не

время, а состояние самого прогнозируемого процесса на предшествующих
периодах. Выбор производится из трех типов функций:
- линейная функция

; (1.23)

- экспоненциальная функция

; (1.24)

- асимптотическая функция

, (1.25)

где А0 и А1 – постоянные коэффициенты;

y – прогнозируемый фактор;
yi-1 – величина фактора на предшествующем периоде;
е – экспонента.

Далее расчеты производятся аналогично последовательности

выполнения расчетной работы 1.1. Расчеты сводят в таблицу 3.

Таблица 3 – Расчет параметров прогнозирования с использованием

авторегрессии

y y2 1/y (1/y)2 ln(y) (ln(y))2 ln(y) 


 2

Затем определяются коэффициенты регрессии. Выбирается вид

функции. Рассчитывается показатель на прогнозный период времени yпрог
(вместо t=6 подставляют предшествующее контрольному значение фактора).
Оценивается ошибка прогноза по формуле (1.15).

1.6 Прогнозирование показателей методом экстраполяции с помощью

взвешенной по динамике полиномиальной регрессии

1.6.1 Полиномиальная регрессия 2-го порядка

Составим систему уравнений согласно правилу построения систем

нормальных уравнений для полиномиальных взвешенных регрессий
произвольного порядка:
а) первое уравнение системы получается произведением исходного
уравнения регрессии на его вес и почленным суммированием по числу точек
динамического ряда;
б) каждое последующее уравнение системы получается путем
умножения предыдущего на зависимую переменную;
в) количество уравнений системы равно количеству неизвестных
коэффициентов.

(1.26)
 3

В связи с различием весов некоторые точки динамического ряда

уменьшают свой вклад в решение, что эквивалентно уменьшению длины
динамического ряда. Статистическая надежность взвешенных регрессий всегда
меньше по сравнению с невзвешенными на том же динамическом ряду.
При этом коэффициент сокращения динамического ряда определяется
по формуле:

, (1.27)

где n – количество точек динамического ряда;

W – вес точек;
Wmax – максимальный вес точек динамического ряда.

Определяются коэффициенты полиномиальной регрессии.

Рассчитывается показатель на прогнозный период времени yпрог. Определяется
ошибка прогноза по формуле (1.15)

1.6.2 Полиномиальная регрессия 3-го порядка

Расчет выполняется аналогично согласно правилу построения систем

нормальных уравнений для полиномиальных взвешенных регрессий
произвольного порядка. Количество уравнений системы равно количеству
неизвестных коэффициентов, т.е. четырем.

(1.28)

1.7 Прогнозирование показателей методом экстраполяции

с учетом сезонной компоненты
При прогнозировании с учетом сезонной компоненты может быть
использован метод коэффициентов неравномерности.
В таблице 4 приведены задания для выполнения данной расчетной
работы. Периоды времени с 1 по 8 означают кварталы рассматриваемых двух
лет. Значения с 9 по 12 – контрольные значения третьего года.

Таблица 4 – Задания к занятиям по расчетным работам 1.7 и 1.8

Период времени
Вар.
1 2 3 4 5 6 7 8 9 10 11 12
1 64,8 93,8 103,7 94,2 103,2 131,0 141,1 131,2 137,9 166,8 177,9 168,7
2 69,7 88,2 97,2 91,9 95,0 113,6 124,6 116,5 121,7 143,1 149,1 142,9
3 77,2 97,7 105,7 102,2 103,6 126,6 136,1 131,4 133,9 154,0 167,0 159,7
 4

4 56,7 72,6 75,9 71,4 77,3 93,9 97,9 91,1 97,1 114,7 116,7 110,4
5 95,2 113,0 113,5 103,3 115,6 131,7 135,9 127,2 133,5 153,8 154,8 146,1
6 83,5 106,8 112,5 105,4 117,0 142,3 147,6 140,5 151,8 175,6 180,1 174,8
7 79,1 104,8 111,6 104,2 113,0 137,3 145,1 137,1 143,9 169,4 179,2 168,4
8 58,8 81,8 85,9 77,7 90,7 113,0 116,1 109,8 120,5 144,6 148,1 139,9
9 102,3 122,6 128,9 121,5 130,3 153,5 158,7 147,4 160,0 185,2 187,9 177,6
10 101,8 125,1 132,0 126,4 136,4 159,3 168,3 158,9 168,5 193,4 198,8 193,1
11 68,4 89,7 98,7 92,8 101,4 124,4 134,4 130,0 136,8 160,8 168,4 163,0
12 71,3 92,1 96,4 87,6 96,7 121,3 123,0 113,0 122,3 146,4 152,3 141,7
13 94,6 116,0 125,0 117,7 126,6 150,1 154,1 149,3 156,1 179,1 187,0 181,4
14 83,8 109,9 118,6 108,1 117,2 140,3 149,4 142,8 150,3 173,7 182,6 173,9
15 102,6 115,7 121,1 115,0 121,5 141,2 144,5 135,9 142,6 158,5 162,9 157,1
16 60,0 80,0 88,2 84,2 92,5 113,7 121,9 118,1 125,2 146,5 156,0 148,8
17 91,0 115,7 125,5 118,7 118,8 144,7 155,6 145,7 150,3 172,9 181,1 175,4
18 53,6 74,5 81,8 77,6 87,7 107,5 114,7 110,7 120,7 139,8 146,5 144,2
19 96,0 118,1 127,0 123,5 130,8 153,5 162,2 158,7 167,6 190,7 201,1 197,0
20 85,3 109,1 115,3 111,4 119,9 142,4 148,6 144,2 156,0 175,0 184,9 177,3

Последовательность применения метода сводится к следующему:

 выбирается вид регрессии для аппроксимации тренда (методика 1.1);
 строится уравнение регрессии тренда (методика 1.1);
 для каждой точки динамического ряда рассчитывается расчетное
значение по полученному уравнению регрессии; определяем расчетные
значения объемов производства для восьми заданных точек динамического
ряда по формуле уравнения регрессии выбранной функции с рассчитанными
коэффициентами А0 и А1;
 рассчитываются отношения фактических значений точек
динамического ряда к расчетным (соответственно кварталам);
 5

 определяются коэффициенты неравномерности по кварталам, как

усреднения отношений для одноименных кварталов;
 выполняется прогноз тренда на четыре точки вперед (четыре квартала
прогнозного года);
 прогноз фактора получается умножением прогноза тренда на
соответствующий коэффициент неравномерности;
 рассчитывается ошибка прогноза для всех четырех прогнозных точек
(методика 1.1);
 определяется средняя ошибка прогноза на год, как квадратичное
усреднение квартальных прогнозов.

1.8 Прогнозирование показателей методом гармонического анализа

с учетом сезонной компоненты

При прогнозировании с учетом сезонной компоненты может быть

использован метод гармонического анализа. Последовательность применения
метода сводится к следующему:
 строится уравнение регрессии тренда (уравнение регрессии
определяется аналогично работе 1.7);
 коэффициенты А0 и А1 определяются с учетом значений t=0,1,2….7;
 для каждой точки динамического ряда рассчитывается расчетное
значение по полученному уравнению регрессии;
 определяется ряд остатков i (отклонений) как разница между
фактическими и расчетными точками динамического ряда;
 на ряде остатков (сезонная составляющая) составляется уравнение
регрессии как двухфакторная модель вида:
 6

i , (1.29)

где В0, В1, В2 – постоянные коэффициенты;

w – частота колебаний сезонной составляющей.

Частота колебаний сезонной составляющей, из смысла задачи, есть

квартальная сезонность, которую можно определить по формуле

= / 2 , (1.30)

где  = 3,1414.
Для построения модели вводится замена:

, (1.31)
. (1.32)

Таблица 5 – Расчет показателей сезонной составляющей

t
0 0 1
1 1 0
2 0 -1
3 -1 0
4 0 1
5 1 0
6 0 -1
7 -1 0
 7

Составляется система уравнений вида:

(1.33)

 определяются постоянные коэффициенты В0, В1, В2;

 выполняется прогноз тренда утр=ур (при t=8…11);
 выполняется прогноз периодической составляющей по уравнению
регрессии для ряда остатков, i пр (при t=8…11);
 результирующий прогноз определяется как сумма прогноза тренда
(при t=8…11) и периодической составляющей

упр=утр + i ; (1.34)

 рассчитывается поквартальная и среднегодовая ошибка прогноза.

 8

СПИСОК ЛИТЕРАТУРЫ
 9

1 Айвазян С.А. Прикладная статистика и основы эконометрики/

С.А. Айвазян, В.С. Мхитарян. – М.: ЮНИТИ, 1998. – С. 320
2 Антохонова И.В. Методы прогнозирования социально-
экономических процессов: Учебное пособие. – Улан-Удэ: Изд-во ВСГТУ, 2004.
– С. 212
3 Бестужев-Лада И.В. Нормативное социальное прогнозирование. –
М.: Наука, 1987. – С. 216
4 Бестужев-Лада И.В. Перспективы развития культуры в
проблематике социального прогнозирования. – СПб: ГУП, 1997. – С. 187
5 Бестужев-Лада И.В. Поисковое социальное прогнозирование. – М.:
Наука, 1984. – С. 256
6 Бестужев-Лада И.В. Социальное прогнозирование: Курс лекций /
И.В. Бестужев-Лада, Г.А. Наместникова. – М.: Педагогическое общество
России, 2002. – С. 392.
7 Бестужев-Лада И.В. Наместникова Г.А. Технология прогнозных
разработок социальных процессов / И.В. Бестужев-Лада, Г.А. Наместникова. –
М.: Поиск, 1992. – С. 412
8 Бестужев-Лада И.В. Прогнозное обоснование социальных
нововведений. – М.: Наука, 1993. – С. 146
9 Владимирова Л.П. Прогнозирование и планирование в условиях
рынка: Учебное пособие. М.: Издательский дом «Дашков и Ко», 2000. – С. 308.
10 Впереди XXI век: перспективы, прогнозы, футурологи. Антология
современной классической прогностики 1952—1999 / Редактор-составитель
И.В. Бестужев-Лада. – М.: Academia, 2000. – С. 156.
11 Кугаенко А.А. Синтез динамических моделей народного хозяйства
и методы прогнозирования социально-экономических процессов. – М.:
Прометей, 1991. – С. 294.
12 Математическое моделирование в экономике: Сборник научных
трудов / НГАЭиУ. – Новосибирск, 1996. – С. 178.
13 Минцберг Г., Стратегический процесс. – Пер. с англ. / Г.Минцберг,
Куинн Дж.Б., Гошал С.; Под ред. Ю.Н. Каптуревского. – СПб: Питер, 2001. ––
С. 688 .
14 Основы экономического и социального прогнозирования / Под ред.
В.Н. Мосина, Д.М. Крука. М.: Высшая школа, 1985. – С. 316
15 Прогнозирование и планирование в условиях рынка: Учебное
пособие для вузов/Т.Г. Морозова, А.В. Пикулькин, В.Ф. Тихонов; Под ред. Т.Г.
Морозовой, А.В. Пикулькина. – М.: ЮНИТИ-ДАНА, 2000. – С. 318.
16 Рабочая книга по прогнозированию / Отв. ред. И.В. Бестужев-Лада.
– М.: Мысль, 1982. – С. 210
17 Рихтер Дж. Программирование на платформе Microsoft Net
Framework. – Пер. с англ. – М.: Издательско-торговый дом «Русская редакция»,
2002. – С. 512.
18 Статистическое моделирование и прогнозирование: Учебное
пособие / Под ред. А.Г. Гранберга. - М.: Финансы и статистика, 1990. – С. 189
 10

19 Теория прогнозирования и принятия решений /Под ред. С.А. Сар-

кисяна. – М.: Высшая школа, 1977. – С. 460.
20 Тихомиров Н.П. Методы социально-экономического
прогнозирования/. Тихомиров Н.П., Попов В.А. – М.: Изд-во ВЗПИ, АО
«Росвузнаука», 1992. – С. 228.
21 Четыркин Е.М. Статистические методы прогнозирования. – 2-е
изд., перераб. и доп. - М.: "Статистика", 1977. – С. 200.
22 Эконометрика: Учебник/Под ред. И.И. Елисеевой. – М.: Финансы и
статистика, 2002. – С. 344.
23 Янч Э. Прогнозирование научно-технического прогресса. – М.:
Прогресс, 1974. – С. 302