Разработка прогнозов методом наименьших квадратов

Сущность метода состоит в минимизации суммы квадратических отклонений между наблюдаемыми и расчетными величинами. Расчетные величины находятся по подобранному уравнению – уравнению регрессии.

Чем меньше расстояние между фактическими значениями и расчетными, тем более точен прогноз, построенный на основе уравнения регрессии. Теоретический анализ сущности изучаемого явления, изменение которого отображается временным рядом, служит основой для выбора кривой. Иногда принимаются во внимание соображения о характере роста уровней ряда. Так, если рост выпуска продукции ожидается в арифметической прогрессии, то сглаживание производится по прямой. Если же оказывается, что рост идет в геометрической прогрессии, то сглаживание надо производить по показательной функции.

Рабочая формула метода наименьших квадратов:

у t+1 = а*Х + b, (4)

где t + 1 – прогнозный период;

yt+1 – прогнозируемый показатель;

a и b - коэффициенты;

Х - условное обозначение времени.

Расчет коэффициентов a иbосуществляется по следующим формулам:

 
  Разработка прогнозов методом наименьших квадратов - student2.ru

где, Уф – фактические значения ряда динамики;

n – число уровней временного ряда;

 
  Разработка прогнозов методом наименьших квадратов - student2.ru

Разработка прогнозов методом наименьших квадратов - student2.ru
Сглаживание временных рядов методом наименьших квадратов служит для отражения закономерности развития изучаемого явления. В аналитическом выражении тренда время рассматривается как независимая переменная, а уровни ряда выступают как функция этой независимой переменной. Ясно, что развитие явления зависит не от того, сколько лет прошло с отправного момента, а от того, какие факторы влияли на его развитие, в каком направлении и с какой интенсивностью. Развитие явления во времени выступает как результат действия этих факторов.

Правильно установить тип кривой, тип аналитической зависимости от времени – одна из самых трудных задач предпрогнозного анализа.

Подбор вида функции, описывающей тренд, параметры которой определяются методом наименьших квадратов, производится в большинстве случаев эмпирически, путем построения ряда функций и сравнения их между собой по величине среднеквадратической ошибки, вычисляемой по формуле

Разработка прогнозов методом наименьших квадратов - student2.ru S = Разработка прогнозов методом наименьших квадратов - student2.ru , (7)

где yф – фактические значения ряда динамики;

yр – расчетные (сглаженные) значения ряда динамики;

n – число уровней временного ряда;

р – число параметров, определяемых в формулах, описывающих тренд.

Недостатки метода наименьших квадратов:

1) изучаемое экономическое явление мы пытаемся описать с помощью математического уравнения, поэтому прогноз будет точен для небольшого периода времени, и уравнение регрессии следует пересчитывать по мере поступления новой информации;

2) сложность подбора уравнения регрессии. Эта проблема разрешима при использовании типовых компьютерных программ.

Оценка точности прогнозов, построенных методами

Экстраполяции

Точность прогноза – это важнейшая его характеристика. Существует несколько способов оценки точности прогнозов:

1) средняя абсолютная оценка:

Δ Разработка прогнозов методом наименьших квадратов - student2.ru ,(8)

где n – число уровней временного ряда;

2) средняя квадратическая оценка:

Разработка прогнозов методом наименьших квадратов - student2.ru . (9)

Чем ближе к нулю первый и второй показатели, тем выше точность прогноза;

3) средняя относительная ошибка:

ε= Разработка прогнозов методом наименьших квадратов - student2.ru (10)

Интерпретация значений средней относительной ошибки для оценки точности прогнозов:

ε, % Интерпретация
< 10 Точность прогноза высокая
10-20 Точность хорошая
20-50 Точность удовлетворительная
> 50 Точность неудовлетворительная

Наши рекомендации