Fghfgh

  • 23 дек. 2012 г.
  • 1576 Слова
1176,0
1221,1
1211,7
1199,7
В среднем
103,2
98,0
101,8
101,0
100,0
Средний индекс сезонности для 12 месяцев должен быть равен 100%, тогда сумма индексов должна составлять 1200%. У нас — 1199,7% (погрешность — следствие округлений). Значит, расчеты верны.
Выводы:
1) объем пассажирских авиаперевозок характеризуется ярко выраженной сезонностью;
2) объем пассажирских авиаперевозок поотдельным месяцам года значительно отклоняется от среднемесячного;
3) наибольший объем характерен для мая, наименьший — для декабря.
Для наглядного изображения сезонной волны индексы сезонности изображают в виде графика.
Индекс сезонности авиаперевозок пассажиров
6.4. Статистические методы прогнозирования экономических показателей
Прогнозирование — процесс определения возможных в будущем значенийэкономических показателей на основании уже известных.
Различают прогнозы по периоду упреждения: оперативные (до 1 мес.); краткосрочные (до 1 года); среднесрочные (1 — 5 лет); долгосрочные (более 5 лет).
Различают методы прогнозирования:
Экстраполяция тенденций:
- упрощенные приемы, основанные на средних показателях динамики (средние темпы роста, прироста);
- аналитические методы (метод наименьшихквадратов, тренды, т.е. математические функции);
- адаптивные методы, учитывающие степень устаревания данных (методы скользящих и экспоненциальных средних, методы авторегрессии).
Методы статистического моделирования:
- статические (методы парной и множественной регрессии);
- динамические (анализ динамических рядов):
- методы агрегатного моделирования (разложение ряда на тенденции, сезонность,случайные составляющие);
- методы регрессии по взаимосвязанным рядам динамики (включаются в модель не только факторы, но и лаговые переменные);
- методы регрессии по пространственно-временной информации (для каждого ряда строится регрессионная модель по совокупности объектов).
6.4.1. Прогнозирование на основе экстраполяции тренда
Тренд — основная тенденция развития. Методы выявления тренданазываются методами выравнивания временного ряда (метод наименьших квадратов, скользящей средней, конечных разностей).
При наличии тенденции в ряду динамики модель уровня динамического ряда:
, (6.25)
где  — средний уровень динамического ряда;
 — теоретический (расчетный, трендовый) уровень;
 — эффект тенденции;
 — случайная составляющая (остаточные колебания) ε.
Чем меньше остаточные колебания , темвыше адекватность (практическая значимость) модели. Следовательно, результаты прогноза зависят от типа кривой тренда ŷ(t).
1. Линейный тренд ŷt = a0 + a1·t означает, что уровни динамики ряда изменяются с одинаковой скоростью.
a0 — начальный уровень тренда (t = 0);
a1·— средний абсолютный прирост в единицу времени.
В линейном тренде уровни динамики ряда изменяются в арифметической прогрессии,а темпы роста уровня — падающие.
2. Параболический тренд ŷt = a0 + a1·t + a2·t2 применяется, если ряд характеризуется относительным абсолютным ускорением, т.е. постоянными являются вторые разности (производные) — приросты абсолютных приростов.
a0 — начальный уровень тренда (t = 0);
a1·— средний абсолютный прирост за период;
a2·— половина абсолютного ускорения динамического ряда.
Параболаозначает смену тенденций (рост сменяется падением или наоборот). Это, как правило, связано с новым этапом в развитии явления по времени. Применяется для краткосрочного прогноза.
3. Парабола кубическая характеризует три этапа развития: рост, падение и опять рост. Число наблюдений должно быть около 6—7 временных единиц на один шаг прогноза. Следовательно, чтобы применить полином третьей степени надо иметь рядза 20 лет, и корректно это только в стабильной экономике.
4. Показательная кривая , применяется при стабильном темпе роста динамического ряда. Рост по экспоненте означает геометрическую прогрессию уровней ряда. Это возможно в экономике в сравнительно небольшой период времени, когда ограничены ресурсы, меняются условия рынка.
a0 — начальный уровень тренда (t = 0);
a1·—...
tracking img