Методические положения расчета перспективных технико-экономических показателей деятельности предприятия на основе экстраполяционного метода прогнозирования

Постановка задачи

В лабораторной работе № 1 необходимо составить прогноз величины технико-экономического показателя y_t производственной деятельности предприятия отрасли, предсказав его возможную величину на основе статистических данных о его изменении за несколько предыдущих лет.

Исходные данные для расчета даются в табл. П. 1.1 и представляют собой информацию о величине прогнозируемого показателя на интервале времени за несколько предыдущих лет [t₁; t₂ …t_n].

Совокупность числовых значений показателя y_t образует динамический ряд y_t = {y₁, y₂…y_n} на отрезки времени T = {t₁, t₂…t_n}. Количество числовых значений, необходимых для решения поставленной задачи, должно быть не менее 8.

Методические положения расчета перспективных технико-экономических показателей деятельности предприятия на основе экстраполяционного метода прогнозирования

Этап 1. Установление наличия и тесноты связи между величиной прогнозируемого показателя и фактором времени.

1.1. Определение точечной оценки коэффициента корреляции по формуле:

,

(1.2)

где y_ti – текущее значение показателя y_t (t = 1…n),

t_i - текущее значение показателя t (i = 1…n),

n – количество лет, за которые собраны статистические данные о значении показателя y_t.

По величине r_yt определяется сила взаимосвязи y_t и t при наличии между ними линейной связи. Чем ближе r_yt к «+1» или «–1», тем ближе связь между y_t и t к линейной. Наличие нелинейной связи определяется с помощью корреляционного отношения (расчет см. далее).

1.2. Проверка значения рассчитанного коэффициента корреляции по критерию :

(1.3)

где - коэффициент оценки достоверности гипотезы о значимости коэффициента парной корреляции (табл. П.1.1);

k = n - 2 – число степеней свободы (характеристика суммы квадратов (отклонений) показывает, сколько отклонений в сумме квадратов может изменяться "свободно”);

- вход в таблицу ;

- уровень значимости гипотезы.

При выполнении критерия (1.3) гипотеза о значимости коэффициента парной корреляции подтверждается, т. е. величина y_t зависит от фактора времени.

Этап 2. Выбор вида математической модели, описывающей взаимозависимости y_t и t.

2.1. Построение графика изменения показателя y_t на интервале [t₁, t_n].

2.2. Выбор вида математической модели, описывающей взаимозависимость y_t и t .

Наиболее простой путь выбора формы кривой, описывающей динамику показателя y_t ,визуальный – выбор формы кривой на основе графически построенного ряда динамики (этап 2.1). В табл. 1.1 приводится перечень наиболее употребляемых видов кривых, на основе которых выбирают математическую модель и анализируют данные.

Таблица 1.1

Визуальный выбор формы взаимосвязи

График функции	Вид зависимости	Уравнение тренда
	Прямая
	Парабола 2-го порядка
t t Уt Уt	Парабола 3-го порядка
	Показательная кривая (экспонента)

В большинстве случаев практически приемлемым является метод характеристик прироста, который основывается на сравнении характеристик изменения приростов исследуемого динамического ряда с соответствующими характеристиками кривых роста [4]. Расчет количественных оценок приростов показателя, дополненный визуальным выбором формы взаимосвязи, уменьшает риск неправильного выбора модели для прогнозирования.

2.3. Расчет параметров тренда .

1. Расчет параметров тренда, выбранного для экстраполяции, осуществляется по методу наименьших квадратов (МНК), сущность которого сводится к минимизации суммы квадратов отклонений фактических значений от расчетных (формула 1.4).

. (1.4)

На основе МНК параметры уравнения тренда определяются с помощью системы нормальных уравнений.

Нормальные уравнения для расчета параметров прямой имеют вид

(1.5)

Для параболических зависимостей параметры уравнения находят, решая соответствующие системы алгебраических уравнений [2, с. 27-29], или используя встроенные функции Ехсеl.

При выполнении данной лабораторной работы следует учитывать, что в практических исследованиях в основном используются следующие функции: линейная, показательная (экспонента), параболическая (2-го и 3-го порядка), гипербола. Поэтому при форме связи следует отдавать предпочтение именно этим зависимостям (для упрощения расчетов). При выполнении вычислений на компьютере на практике осуществляется перебор всех поддающихся вычислению моделей и производится выбор наилучшей из них. Лучшей считается та модель, для которой приведенные критерии оценки точности принимают наименьшее значение.

2. Параметры тренда также можно определить в Excel по следующей последовательности действий:

1. Данные заносятся в таблицу.

2. Выбирается меню «Вставка» – «Диаграмма» – «Точечная».

3. Правой кнопкой мыши щелкните на точки графика, в появившемся окне выберите «Добавить линию тренда».

4. Открывшееся диалоговое окно представлено на рис. 1.2.

5. Далее выбирается наиболее подходящий тип зависимости для вашей кривой (линейная, логарифмическая и т. д.).

6. Перейдите ко вкладке «Параметры».

7. Отметьте флажком «Показать уравнение на диаграмме», нажмите ОК.

Рис. 1.2. Построение линии тренда и параметров уравнения тренда

Полученное уравнение можно в дальнейшем использовать для прогноза и получения его точечного значения.

Этап 3. Расчет критериев точности математической модели.

3.1. Определение расчетных значений моделируемого показателя , подставляя значения аргументов (t) в полученное уравнение тренда.

3.2. Расчет отклонения фактических значений y_t от расчетных по формуле:

.

(1.6)

3.3. Расчет среднего квадратического отклонения.

,

(1.7)

где n - число наблюдений,

р – количество расчетных коэффициентов в уравнении тренда.

3.4. Расчет средней относительной ошибки

.

(1.8)

Критерии (1.7) и (1.8) показывают степень точности воспроизведения моделью реального изменения моделируемого показателя.

3.5. Важным критерием надежности модели является эмпирическое корреляционное отклонение

,

(1.9)

где S2– общая дисперсия,

- остаточная дисперсия.

S2= ,

(1.10)

где - математическое ожидание показателя (среднее значение), вычисленное по заданному динамическому ряду.

Корреляционное отношение характеризует тесноту связи между y_t и t при нелинейных зависимостях, его значения находятся в пределах от 0 до 1. Если зависимость линейна, то .

Поскольку можно утверждать, что если r_yt = 0, 0, то в совокупности с графическим анализом зависимости y_t и t с помощью коэффициента парной корреляции можно оценивать наличие взаимосвязи как при линейной, так и нелинейной корреляционной зависимости.

Это условие может быть использовано в качестве критерия линейности модели. Если условие выполняется, то линейность регрессии подтверждается.

Этап 4. Прогнозирование показателя y_t.

1. Расчет точечной оценки прогноза показателя осуществляется подстановкой величины t_i = n+1 в полученное уравнение тренда.

2. Расчет интервальной оценки прогноза осуществляется по зависимости

(1.11)

, (1.12)

где t_{gk –} статистика Стьюдента, определяемая (приложение 2, табл. П. 2.1) по выходам k= n-2 и p = 1- /2;

n -число наблюдений в динамическом ряду;

t _n+1 - величина t для прогноза года;

- математическое ожидание t;

- среднее квадратическое отклонение фактических наблюдений y_t от расчетных (см. формулу 1.7).

Тема: Методы экспоненциального сглаживания

Лабораторная работа № 2