Аналіз динаміки імпорту та експорту США

[ виправити ] текст може містити помилки, будь ласка перевіряйте перш ніж використовувати.

скачати

Федеральне агентство з освіти

Державна освітня установа вищої професійної освіти

«Санкт-Петербурзький державний політехнічний університет»

Факультет «Економіки та менеджменту»

Кафедра «Стратегічний менеджмент»


Курсовий проект

з дисципліни «Статистика»

Аналіз динаміки імпорту та експорту США


м. Санкт-Петербург

2010

Зміст


Введення

1. Аналіз динамічних рядів

1.1 Вихідні дані

1.2 Графічне представлення динамічного ряду

1.3 Розрахунок показників зміни рівнів динамічних рядів і середніх

показників

1.4 Періодизація динамічних рядів

2. Аналіз основної тенденції динаміки ряду

2.1 Вирівнювання динамічного ряду по ковзної середньої

2.2 Аналітичне вирівнювання динамічного ряду


Введення


Об'єктом вивчення в даному курсовому проекті є США.

Метою курсового проекту є комплексний аналіз рядів динаміки обсягів експорту та імпорту США за період з 1977 - 2007 рр.., Оцінений в мільярдах доларів США. (Млрд. $) і побудова прогнозної моделі на 2008 р. Дані взяті з Національного фінансово-статистичного щорічника.

Дамо кілька ключових визначень, якими будемо користуватися в ході роботи.

Динаміка - зміна статистичних показників у часі

Поруч динаміки (хронологічним поруч) називається ряд послідовно розташованих у хронологічному порядку значень показника, який у своїх змінах відображає хід розвитку досліджуваного явища.

Ряд динаміки складається з двох елементів: моментів часу (зазвичай дат) або періодів часу (роки, квартали, місяці), до яких відносяться статистичні дані, і самих даних, званих рівнями ряду. Обидва елементи - час і рівень - називаються членами ряду динаміки. Загальноприйняте формальне подання динамічного ряду:


y1, y2 ,..., yt ,..., yn,


де:

yt - чисельне значення показника в момент (період) часу t;

n - число рівнів ряду.

Ряди можуть бути моментних і інтервальними.

Моментні називаються ряди, в яких значення показників фіксується на певний момент часу або на певну дату.

Інтервальними називаються ряди, рівні яких є підсумкове значення показника за будь-якої період (інтервал часу).

У залежності від того, яким показником виміряно рівень ряду, розрізняють динамічні ряди абсолютних, відносних і середніх величин.

Розрізняють також рівновіддалені і не рівновіддалені динамічні ряди. Якщо тимчасові інтервали рівні, то це рівновіддалених динамічний ряд.

Досліджуваний часовий ряд відноситься до інтервальним рядах. Рівні ряду являють собою обсяги експорту та імпорту США за певний рік (у період з 1977 по 2007 рік).

Комплексний аналіз динамічних рядів включає в себе наступні моменти:

1. Розрахунок показників змін рівнів динамічних рядів;

2. Розрахунок і аналіз середніх показників рядів динаміки;

3. Вивчення основної тенденції ряду, побудова трендової моделі;

4.Оценка автокореляції в рядах динаміки, побудова автокореляційних моделей;

5. Вивчення зв'язків між динамічними рядами (кореляція рядів динаміки);

6. Прогнозування на основі моделей динамічних рядів.


1. Аналіз динамічних рядів


1.1 Вихідні дані


У даній курсовому проекті аналізуються два динамічних ряду - показники обсягів експорту та імпорту США в період з 1977 по 2007 рр. ..


Таблиця 1

Показники обсягів експорту та імпорту США в період з 1977 по 2007 рр. .. (Млрд. $)

№ п / п

Рік

Обсяг імпорту, млрд. $

Обсяг експорту, млрд. $

1

1977

160,411

123,182

2

1978

186,046

145,847

3

1979

222,225

186,363

4

1980

256,985

225,566

5

1981

273,352

238,715

6

1982

254,884

216,442

7

1983

269,878

205,639

8

1984

346,363

223,976

9

1985

352,463

218,815

10

1986

382,294

227,158

11

1987

424,443

254,122

12

1988

459,543

322,427

13

1989

492,922

363,812

14

1990

516,987

393,592

15

1991

508,363

421,730

16

1992

553,923

448,163

17

1993

603,438

464,773

18

1994

689,215

512,627

19

1995

770,852

584,743

20

1996

822,025

625,073

21

1997

899,020

689,182

22

1998

944,353

682,138

23

1999

1059,440

695,797

24

2000

1259,300

781,918

25

2001

1179,180

729,100

26

2002

1200,230

693,103

27

2003

1303,050

724,771

28

2004

1525,680

818,520

29

2005

1732,350

907,158

30

2006

1919,430

1038,270

31

2007

2016,98

1162,98


1.2 Графічне представлення динамічного ряду


В аналізі динамічних рядів поряд з табличною формою широко використовуються графічні уявлення. Основним способом відображення динамічних рядів є статистична крива. Для її побудови береться система прямокутних координат. На осі абсцис відкладається час, а на осі ординат - рівні динамічного ряду. У результаті отримані дві статистичні криві експорту та імпорту, які дають наочне уявлення про динаміку досліджуваного ряду:


Рис. 1. Графічне представлення динаміки імпорту та експорту США (млрд. $)


Ми бачимо, що існує тенденція збільшення обсягу експорту та імпорту протягом аналізованого періоду, але ця закономірність не виявляється чітко на кожному конкретному рівні. Наприклад, можна виділити різке зниження обсягу експорту та імпорту 1999р. по 2002 р.

Побудова та аналіз рядів динаміки дозволяє виявити і виміряти закономірності розвитку суспільних явищ у часі. Ці закономірності не виявляються чітко на кожному конкретному рівні, а лише в тенденції, в досить тривалу динаміку. На основну закономірність динаміки накладаються інші, перш за все випадкові, іноді сезонні впливу. Виявлення основної тенденції у зміні рівнів, іменованої трендом, і подальше прогнозування на її основі є головними завданнями аналізу рядів динаміки.

У курсовому проекті необхідно розрахувати показники зміни рівнів динамічних рядів, середні показники, потім визначити тренд кожного ряду.


1.3 Розрахунок показників зміни рівнів динамічних рядів і середніх показників


Аналіз динамічних рядів соціально-економічних явищ звичайно починають з розгляду статистик, розрахунок яких не вимагає будь-якої попередньої обробки аналізованого динамічного ряду. Мова йде про так званих показниках динамічного ряду, що дозволяють пояснити характер, швидкість, інтенсивність і напрямок розвитку досліджуваного явища за певний проміжок часу.

У результаті того чи іншого зіставлення рівнів динамічного ряду формується система абсолютних і відносних показників динаміки, до числа яких відносяться абсолютні прирости (і їх середнє значення), прискорення, коефіцієнти росту (і їх середнє значення), коефіцієнти приросту (і їх середнє значення), абсолютне значення одного відсотка приросту.

Показники абсолютного приросту і темпу зростання, розраховані шляхом зіставлення кожного поточного рівня ряду (yt) з безпосередньо йому попереднім (yt-1), називаються ланцюговими, а розраховані шляхом зіставлення з рівнем, прийнятим за базу - базисними. У даному випадку за базу приймається перший рівень ряду, тобто значення експорту та імпорту Франції в 1977 р.

Абсолютним приростом називається різниця подальшого і попереднього рівнів ряду динаміки:


,


де:

yt-рівень ряду динаміки в момент часу t;

yt-1-рівень ряду динаміки в момент часу t-1;

Dt-абсолютний приріст.

За весь період, що описується поруч, абсолютний приріст (D) виразиться як алгебраїчна сума приватних приростів або, що очевидно, як різниця між останнім рівнем ряду і першим його рівнем:


, Де:


ynѕ останній рівень ряду;

у1ѕ перший рівень.


Прискорення - це різниця між наступним і попереднім абсолютними приростами.


При розрахунку характеристики прискорення зіставляються часові відрізки повинні бути однакові, а показник може бути розрахований тільки на основі ланцюгових абсолютних приростів.

Темп зростання (коефіцієнт зростання) - відношення наступного рівня до попереднього або якому-небудь іншому, прийнятому за базу порівняння. За допомогою темпів зростання вимірюється, у скільки разів рівень поточного періоду вище або нижче рівня базисного періоду, або скільки відсотків він складає по відношенню до базисного. Таким чином, темп росту може бути виражений у вигляді коефіцієнтів, коли визначається безпосереднє відношення абсолютних розмірів рівнів, і у відсотках, коли він показує, скільки відсотків поточний рівень складає по відношенню до базисного, прийнятому за 100%.

Темп зростання у вигляді коефіцієнтів обчислюється за формулами:


ѕ ланцюгові темпи зростання;


ѕ базисні темпи росту,


де yconst - база порівняння;


ѕ темп зростання за весь період.

Величина темпу зростання більше одиниці показує збільшення рівня поточного періоду в порівнянні з базисним. Величина темпу зростання, що дорівнює одиниці, показує, що рівень поточного періоду в порівнянні з базисним не змінився, а величина темпу зростання менше одиниці показує зменшення рівня поточного періоду. Цей показник характеризує інтенсивність зміни рівня ряду.

Темпом приросту називається відношення абсолютного приросту до базисного рівня, тобто


, Де


Dt ѕ абсолютний приріст цього рівня;

yt-1 і yconst - базисний рівень;

Tnp - темп приросту (у вигляді коефіцієнта).

Цей показник характеризує відносну швидкість зміни рівня ряду в одиницю часу.

Оскільки абсолютний приріст (D) за весь період дорівнює уп - у1, то темп приросту за весь період складе:


,


де yn/y1 є темп зростання за цей період.

Тоді Тпр = Тр - 1, якщо темп зростання і темп приросту виражаються у вигляді коефіцієнтів, і Тпр (%) = Тр (%) - 100, якщо вони виражаються у відсотках.

При темпах росту, менших 100% або одиниці (зниження рівнів ряду), отримуємо негативні темпи приросту, тобто темпи зниження.

Середній рівень динамічного ряду

Щоб знайти середній рівень інтервального ряду, досить суму рівнів цього ряду розділити на кількість періодів, до яких вона відноситься, тобто



Середній абсолютний приріст

Узагальнюючим показником швидкості зміни явища у часі служить середній абсолютний приріст - середня з абсолютних приростів за рівні проміжки часу одного періоду.



Середній темп зростання



Середній темп приросту

Для розрахунку середніх темпів приросту користуються таким співвідношенням:


, (У вигляді коефіцієнтів)

.


Показники динамічного ряду обсягів імпорту США за період з 1977 по 2007 рік представлено в Таблиці 2, а експорту в Таблиці 3.


Таблиця 2

Показники змін рівнів динамічного ряду обсягу імпорту США за період з 1977 по 2006 рр..

№ п / п

рік

Yt

Δt

Tp

T'p

Tпр

T'пр



Рівень рядів динаміки в момент t (вихідні дані)

Абсолютний приріст

Δt =

Yt - Yt-1

Ланцюгові темпи зростання

Tp = Yt/Yt-1

Базисні темпи зростання

T'p = Yt / Yconst

(Yconst = 1)

Темп приросту

(Ланцюговий)

Tпр = Δt

/ Yt-1

Темп приросту

(Базисний)

T'пр = Δt

/ Yconst

1

1977

160,411



1.00



2

1978

186,046

25,635

1,16

1,16

0,16

0,16

3

1979

222,225

36,179

1,19

1,39

0,19

0,23

4

1980

256,985

34,76

1,16

1,60

0,16

0,22

5

1981

273,352

16,367

1,06

1,70

0,06

0,10

6

1982

254,884

-18,468

0,93

1,59

-0,07

-0,12

7

1983

269,878

14,994

1,06

1,68

0,06

0,09

8

1984

346,363

76,485

1,28

2,16

0,28

0,48

9

1985

352,463

6,1

1,02

2,20

0,02

0,04

10

1986

382,294

29,831

1,08

2,38

0,08

0,19

11

1987

424,443

42,149

1,11

2,65

0,11

0,26

12

1988

459,543

35,1

1,08

2,86

0,08

0,22

13

1989

492,922

33,379

1,07

3,07

0,07

0,21

14

1990

516,987

24,065

1,05

3,22

0,05

0,15

15

1991

508,363

-8,624

0,98

3,17

-0,02

-0,05

16

1992

553,923

45,56

1,09

3,45

0,09

0,28

17

1993

603,438

49,515

1,09

3,76

0,09

0,31

18

1994

689,215

85,777

1,14

4,30

0,14

0,53

19

1995

770,852

81,637

1,12

4,81

0,12

0,51

20

1996

822,025

51,173

1,07

5,12

0,07

0,32

21

1997

899,020

76,995

1,09

5,60

0,09

0,48

22

1998

944,353

45,333

1,05

5,89

0,05

0,28

23

1999

1059,440

115,087

1,12

6,60

0,12

0,72

24

2000

1259,300

199,86

1,19

7,85

0,19

1,25

25

2001

1179,180

-80,12

0,94

7,35

-0,06

-0,50

26

2002

1200,230

21,05

1,02

7,48

0,02

0,13

27

2003

1303,050

102,82

1,09

8,12

0,09

0,64

28

2004

1525,680

222,63

1,17

9,51

0,17

1,39

29

2005

1732,350

206,67

1,14

10,80

0,14

1,29

30

2006

1919,430

187,08

1,11

11,97

0,11

1,17

31

2007

2016,980

97,55

1,05

12,57

0,05

0,61





Таблиця 3

Показники змін рівнів динамічного ряду обсягу експорту США за період з 1977 по 2007 рр..

№ п / п

рік

Yt

Δt

Tp

T'p

Tпр

T'пр



Рівень рядів динаміки в момент t (вихідні дані)

Абсолютний приріст

Δt =

Yt - Yt-1

Ланцюгові темпи зростання

Tp = Yt/Yt-1

Базисні темпи зростання

T'p = Yt / Yconst

(Yconst = 1)

Темп приросту

(Ланцюговий)

Tпр = Δt

/ Yt-1

Темп приросту

(Базисний)

T'пр = Δt

/ Yconst

1

1977

123,182



1,00



2

1978

145,847

22,665

1,18

1,18

0,18

0,18

3

1979

186,363

40,516

1,28

1,51

0,28

0,33

4

1980

225,566

39,203

1,21

1,83

0,21

0,32

5

1981

238,715

13,149

1,06

1,94

0,06

0,11

6

1982

216,442

-22,273

0,91

1,76

-0,09

-0,18

7

1983

205,639

-10,803

0,95

1,67

-0,05

-0,09

8

1984

223,976

18,337

1,09

1,82

0,09

0,15

9

1985

218,815

-5,161

0,98

1,78

-0,02

-0,04

10

1986

227,158

8,343

1,04

1,84

0,04

0,07

11

1987

254,122

26,964

1,12

2,06

0,12

0,22

12

1988

322,427

68,305

1,27

2,62

0,27

0,55

13

1989

363,812

41,385

1,13

2,95

0,13

0,34

14

1990

393,592

29,780

1,08

3,20

0,08

0,24

15

1991

421,730

28,138

1,07

3,42

0,07

0,23

16

1992

448,163

26,433

1,06

3,64

0,06

0,21

17

1993

464,773

16,610

1,04

3,77

0,04

0,13

18

1994

512,627

47,854

1,10

4,16

0,10

0,39

19

1995

584,743

72,116

1,14

4,75

0,14

0,59

20

1996

625,073

40,330

1,07

5,07

0,07

0,33

21

1997

689,182

64,109

1,10

5,59

0,10

0,52

22

1998

682,138

-7,044

0,99

5,54

-0,01

-0,06

23

1999

695,797

13,659

1,02

5,65

0,02

0,11

24

2000

781,918

86,121

1,12

6,35

0,12

0,70

25

2001

729,100

-52,818

0,93

5,92

-0,07

-0,43

26

2002

693,103

-35,997

0,95

5,63

-0,05

-0,29

27

2003

724,771

31,668

1,05

5,88

0,05

0,26

28

2004

818,520

93,749

1,13

6,64

0,13

0,76

29

2005

907,158

88,638

1,11

7,36

0,11

0,72

30

2006

1038,270

131,112

1,14

8,43

0,14

1,06

31

2007

1162,98

124,71

1,12

9,44

0,12

1,01



1.4 Періодизація динамічних рядів


Періодизація ряду динаміки - це поділ його на тимчасові етапи, однорідні з точки зору закономірності розвитку явища і зміни показника, на основі якого побудований динамічний ряд.


У курсовому проекті періодизація потрібна при побудові аналітичної форми тренду і при здійсненні екстраполяції, що припускає продовження в майбутнє тенденції, що спостерігалася в минулому, зокрема, в останньому періоді.

Проведення періодизації має грунтуватися, перш за все, на всебічному аналізі внутрішніх причин і зовнішніх умов існування і розвитку об'єкта вивчення. Найпростішим підходом до періодизації рядів динаміки є аналіз їх графічних уявлень і показників динаміки.

При аналізі графічного представлення даних з експорту та імпорту США за період з 1977 по 2007 рік видно (див. Рис.2.), Що динамічні ряди імпорту та експорту слід розбити на три періоди:

1період: 1981 - 1990 рр..;

2період: 1991 - 2007 рр..;

Таким чином, отримуємо наступні дані:


Таблиця 4

1 період: 1981 - 1990 рр..

№ п / п

Рік

Обсяг імпорту,

млрд. $

Обсяг експорту,

млрд. $

1

1981

273,352

238,715

2

1982

254,884

216,442

3

1983

269,878

205,639

4

1984

346,363

223,976

5

1985

352,463

218,815

6

1986

382,294

227,158

7

1987

424,443

254,122

8

1988

459,543

322,427

9

1989

492,922

363,812

10

1990

516,987

393,592


Рис. 3. Графічне зображення першого періоду динаміки імпорту та експорту


Таблиця 5

2 період: 1991 - 2007 рр..

№ п / п

Рік

Обсяг імпорту,

млрд. $

Обсяг експорту,

млрд. $

1

1991

508,363

421,730

2

1992

553,923

448,163

3

1993

603,438

464,773

4

1994

689,215

512,627

5

1995

770,852

584,743

6

1996

822,025

625,073

7

1997

899,020

689,182

8

1998

944,353

682,138

9

1999

1059,440

695,797

10

2000

1259,300

781,918

11

2001

1179,180

729,100

12

2002

1200,230

693,103

13

2003

1303,050

724,771

14

2004

1525,680

818,520

15

2005

1732,350

907,158

16

2006

1919,430

1038,270

17

2007

2016,98

1162,98


Рис. 4. Графічне зображення другого періоду динаміки імпорту та експорту


2. Аналіз основної тенденції динаміки ряду


Однією з найважливіших завдань статистичного аналізу рядів динаміки є виявлення і опис основної тенденції розвитку досліджуваного явища.

Тенденція - це об'єктивно існуюче властивість того чи іншого процесу, яка лише наближено описується трендом певного виду.

Тренд - це подання тенденції розвитку у формі тієї чи іншої монотонної кривої.

Для виявлення та вимірювання загальної тенденції розвитку досліджуваного явища необхідно абстрагуватися від впливу на рівень ряду неіснуючих факторів. Досягти цього дозволяють прийоми згладжування або вирівнювання динамічного ряду.

Методи вирівнювання динамічного ряду ділять на дві групи:

1 - механічний;

2 - аналітичний.

Суть різних прийомів, за допомогою яких здійснюється згладжування, зводиться до заміни фактичних рівнів динамічного ряду розрахунковими, мають значно меншу коливання, ніж вихідні дані. Зменшення колеблемости рівнів дозволяє тенденції розвитку проявитися більш чітко.


2.1 Вирівнювання динамічного ряду по ковзної середньої


Один з найбільш простих прийомів згладжування полягає в розрахунку ковзних, або, як іноді їх називають, рухомих середніх. Застосування останніх, дозволяє згладити періодичні і випадкові коливання і тим самим виявити присутню у розвитку тенденцію.

Нехай динамічний ряд складається з рівнів yt, t = 1 ,..., n. Для кожних m послідовних рівнів цього ряду (т <n) можна підрахувати середню величину. Обчисливши значення середньої для перших т рівнів, переходять до розрахунку середньої для рівнів y2 ,..., yт + i, потім y3 ,..., ym +2 і т. д. Таким чином, інтервал згладжування, тобто інтервал , для якого підраховується середня, як би ковзає по динамічному ряду з кроком, рівним одиниці. При згладжуванні краще використовувати непарне число рівнів, оскільки в цьому випадку, розрахункове значення рівня опиниться в центрі інтервалу згладжування і їм легко замінити фактичне значення. Іншими словами при непарному m (інтервал згладжування) вихідний ряд і ряд ковзних середніх виявляються повністю синхронізованими і в повній мірі порівнянними.


, Де


- Значення ковзної середньої для моменту t,

yi - фактичне значення рівня в момент i;

i - порядковий номер рівня в інтервалі згладжування;

m - інтервал згладжування (період ковзання).

Величина р легко визначається з тривалості інтервалу згладжування. Оскільки т = 2р + 1 при непарному т, то


.


Розрахунок ковзної середньої при великому числі рівнів можна дещо спростити, застосувавши ряд прийомів. Так, послідовні значення ковзної середньої можна визначити рекурсивно

або шляхом послідовного розрахунку накопичених сум рівнів. Позначимо кумулятивну суму рівнів від початку ряду до рівня j включно як uj; u1 = y1; u2 = u1 + y2; u3 = u2 + y3 і т. д. Тоді чисельник формулу можна записати як:


.


Вибір періоду ковзання має велике значення, особливо, якщо в досліджуваному ряду є циклічні коливання. У цьому випадку період ковзання повинен бути рівним, або кратним періоду коливання. Середні, розраховані за великим періоду, краще згладжують випадкові коливання. Але використання багаточленних ковзних середніх може бути обмежене незначною тривалістю вихідного ряду. Необхідно враховувати, що використання методу ковзних середніх призводить до отримання укороченого тимчасового ряду.

Для вибору кращого варіанту вирівнювання по ковзної середньої може бути використаний формальний критерій, заснований на порівнянні сум квадратів відхилень фактичних рівнів ряду від значень рівнів вирівняного ряду:


,


де

- Значення рівнів вихідного ряду;

- Значення рівнів вирівняного ряду;

- Число вирівняних рівнів.

Очевидно, що якщо тенденція в результаті згладжування проявляється досить чітко, то чим менше, тим краще вирівнювання.


У рамках курсового проекту потрібно провести згладжування 3-х і 7-членний ковзної середньої.


Рис. 6. Вирізка з ППП Statistica: динамічні ряди імпорту та експорту, згладжені 3-х членів і 7-ми членів ковзаючими середніми.

Рис. 7. Динамічний ряд імпорту, згладжений 3-х членів ковзаючими середніми.


Рис. 8. Динамічний ряд імпорту, згладжений 7-ми членів ковзаючими середніми

Рис. 9. Динамічний ряд експорту, згладжений 3-х членів ковзаючими середніми.


Рис. 10. Динамічний ряд експорту, згладжений 7-ми членів ковзаючими середніми.


Більш точно динаміку зміни обсягу експорту та імпорту описують тренди, виражені 3-х членів ковзаючими середніми. Але прості ковзні середні - щодо грубий статистичний прийом виявлення тенденції. У ряді випадків згладжування за допомогою простої ковзної середньої виявляється настільки сильним, що тенденція розвитку виявляється лише в самому загальному вигляді, а окремі важливі для економічного аналізу деталі губляться. Часто після згладжування дрібні хвилі або взагалі зникають, або міняють свій знак, тобто замість опуклого ділянки на кривій отримують увігнутий, і навпаки.


2.2 Аналітичне вирівнювання динамічного ряду


Криві зростання, що описують закономірності розвитку явищ у часі, отримують шляхом аналітичного вирівнювання динамічних рядів. Вирівнювання ряду за допомогою тих чи інших функцій (тобто їх підгонка до даних) в більшості випадків виявляється зручним засобом опису емпіричних даних, що характеризують розвиток у часі досліджуваного явища. Це засіб при дотриманні ряду умов можна застосувати і для прогнозування. Процес вирівнювання складається з наступних основних етапів:

вибору типу кривої, форма якої відповідає характеру зміни динамічного ряду;

визначення чисельних значень (оцінювання) параметрів кривої;

апостеріор контролю якості вибору тренда.

Знайдена функція дозволяє отримати вирівняні, або, як їх іноді називають, теоретичні значення рівнів динамічного ряду, тобто ті рівні, які спостерігалися б, якби динаміка явища повністю співпадала з кривою. Ця ж функція з деяким коректуванням або без неї, застосовується і для екстраполяції.

Питання про вибір типу кривої є основним при вирівнюванні ряду. При всіх інших рівних умовах помилка у вирішенні цього питання виявляється більш значущою за своїми наслідками (особливо для прогнозування), ніж помилка, пов'язана зі статистичними оцінюванням параметрів.

Досить поширеним прийомом виявлення форми тренду є графічне зображення тимчасового ряду. Але при цьому дуже великий вплив суб'єктивного фактора, навіть при відображенні вирівняних рівнів. Найбільш надійні методи вибору рівняння тренду засновані на властивостях різних кривих, що застосовуються при аналітичному вирівнюванні. Такий підхід дозволяє пов'язати тип тренда з тими чи іншими якісними властивостями розвитку явища.

Отже, розглянемо такі типи рівнянь тренду:

лінійна форма:


;


поліном 2-го ступеня:


;


поліном 3-го ступеня:


;


статечна форма:


;


експонентна форма:


, Або Yt = aebt


де - рівень ряду, отриманий в результаті вирівнювання по прямій,

- Початковий рівень тренда;

, , - Константи тренда.

Це тільки частина тих кривих, які можна було використовувати для вирівнювання ряду.

Завдання: підібрати для кожного з періодів динамічних рядів найкращий тренд, за яким буде спрогнозований подальший результат.

Отримані рівняння трендів зведені в таблиці 2.49 - 2.54 за періодами і динамічним рядах з зазначенням значень залишкової дисперсії для кожної моделі та коефіцієнта детермінації. Також був зроблений вибір найкращих трендів, заснований на мінімумі залишкової дисперсії і максимумі коефіцієнта детермінації.

Розраховані показники представлені нижче.

Для їх розрахунку будуть використовуватися такі таблиці по періодах:


1 період:

Рис. 10. Вихідні дані



2 період:

Рис. 11. Вихідні дані


Де під Т мається на увазі час.

Також нам потрібні такі позначення, які використовуються в ППП Statistica:

у таблиці «Результати розрахунку параметрів лінійної моделі тренду»

Estimate - числові значення параметрів рівняння;

Standard еrror - стандартна помилка параметра;

t-value - розрахункове значення t-критерію;

df - число ступенів свободи (n-2);

p-level - розрахунковий рівень значимості;

Lo. Conf. Limit і Up. Conf. Limit - відповідно нижня і верхня межа довірчих інтервалів для параметрів рівняння з встановленою вірогідністю (вказана як Level of Confidence у верхньому полі таблиці).

У таблиці «Результати дисперсійного аналізу лінійної моделі тренду»:

У верхній заголовної рядку таблиці видаються п'ять оцінок:

Sum of Squares - сума квадратів відхилень;

df - число ступенів свободи;

Mean Squares - середній квадрат;

F-value - критерій Фішера;

p-value - розрахунковий рівень значимості F-критерію.

У лівому стовпчику вказується джерело варіації:

Regression - квадрати теоретичних (отриманих за тренду) значень ознаки;

Residual - відхилення фактичних значень від теоретичних (отриманих по рівнянню тренда);

Total - відхилення фактичних значень від їх середньої величини.

На перетині стовпчиків і рядків отримуємо однозначно певні показники:

Regression / Sum of Squares - сума квадратів прогнозних значень;

Residual / Sum of Squares - сума квадратів відхилень теоретичних і фактичних значень (для розрахунку залишкової, непоясненної дисперсії);

Total / Sum of Squares - сума першої і другої сходинки (сума квадратів фактичних значень);

Corrected Total / Sum of Squares - сума квадратів відхилень фактичних значень від середньої величини (для розрахунку загальної дисперсії);

Regression vs. Corrected Total / Sum of Squares - повторення першого рядка;

Regression / Mean Squares - сума квадратів прогнозних значень, поділена на число ступенів свободи;

Residual / Mean Squares - залишкова, непояснена дисперсія;

Regression vs. Corrected Total / Mean Squares - повторення першого рядка;

Regression / F-value - розрахункове значення F-критерію.

У розділі таблиця спостережуваних, прогнозних значень і залишків для лінійної моделі тренду »:

Observed - спостережувані значення (тобто рівні вихідного динамічного ряду);

Predicted - прогнозні значення (отримані за рівнянням тренду для даних моментів часу);

Residuals - залишки (різниця між фактичними і прогнозними значеннями).

1 період:

1.1. Лінійна функція

1.1.1. Імпорт


Model is: v1 = a0 + a1 * v3

Dependent variable: Імпорт Independent variables: 1

Loss function: least squares

Final value: 2860,58754087

Proportion of variance accounted for:, 96459517 R =, 98213806


Рис. 12. Результати розрахунку параметрів лінійної моделі тренду

σІост = 357,6

Рис. 13. Результати дисперсійного аналізу лінійної моделі тренду


Рис. 14. Таблиця спостережуваних, прогнозних значень і залишків для лінійної моделі тренду


Рис. 15. Вихідний динамічний ряд і лінійний тренд

1.1.2. Експорт

Model is: v2 = a0 + a1 * v3

Dependent variable: Експорт Independent variables: 1

Loss function: least squares

Final value: 12239,2987404

Proportion of variance accounted for:, 70518264 R =, 83975153


Рис. 16. Результати розрахунку параметрів лінійної моделі тренду


σІост = 1529,9

Рис. 17. Результати дисперсійного аналізу лінійної моделі тренду

Рис. 18. Таблиця спостережуваних, прогнозних значень і залишків для лінійної моделі тренду


Рис. 19. Вихідний динамічний ряд і лінійний тренд


2. Поліном 2-го ступеня

1.2.1. Імпорт

Model is: v1 = a0 + a1 * v3 + a2 * v4

Dependent variable: Імпорт Independent variables: 2

Loss function: least squares

Final value: 2361,07651935

Proportion of variance accounted for:, 9707775 R =, 98528042

Рис. 20. Результати розрахунку параметрів лінійної моделі тренду


σІост = 337,3

Рис. 21. Результати дисперсійного аналізу лінійної моделі тренду


Рис. 22. Таблиця спостережуваних, прогнозних значень і залишків для лінійної моделі тренду

Рис. 23. Вихідний динамічний ряд і лінійний тренд


1.2.2. Експорт

Model is: v2 = a0 + a1 * v3 + a2 * v4

Dependent variable: Експорт Independent variables: 2

Loss function: least squares

Final value: 1182,47466764

Proportion of variance accounted for:, 97151683 R =, 98565553


Рис. 24. Результати розрахунку параметрів лінійної моделі тренду

σІост = 168,9

Рис. 25. Результати дисперсійного аналізу лінійної моделі тренду


Рис. 26. Таблиця спостережуваних, прогнозних значень і залишків для лінійної моделі тренду


Рис. 27. Вихідний динамічний ряд і лінійний тренд

3. Поліном 3-го ступеня

1.3.1. Імпорт

Model is: v1 = a0 + a1 * v3 + a2 * v4 + a3 * v5

Dependent variable: Імпорт Independent variables: 3

Loss function: least squares

Final value: 1622,93896749

Proportion of variance accounted for:, 97991326 R =, 98990568


Рис. 28. Результати розрахунку параметрів лінійної моделі тренду


σІост = 270,5

Рис. 29 Результати дисперсійного аналізу лінійної моделі тренду

Рис. 30. Таблиця спостережуваних, прогнозних значень і залишків для лінійної моделі тренду


Рис. 31Ісходний динамічний ряд і лінійний тренд


1.3.2. Експорт

Model is: v2 = a0 + a1 * v3 + a2 * v4 + a3 * v5

Dependent variable: Експорт Independent variables: 3

Loss function: least squares

Final value: 1128,49182351

Proportion of variance accounted for:, 97281715 R =, 98631494

Рис. 32. Результати розрахунку параметрів лінійної моделі тренду


σІост = 188,1

Рис. 33. Результати дисперсійного аналізу лінійної моделі тренду


Рис. 34. Таблиця спостережуваних, прогнозних значень і залишків для лінійної моделі тренду

Рис. 35. Вихідний динамічний ряд і лінійний тренд


4. Експоненціальна функція

1.4.1. Імпорт

Model is: v1 = exp (a0 + a1 * v3)

Dependent variable: Імпорт Independent variables: 1

Loss function: least squares

Final value: 2505,82525018

Proportion of variance accounted for:, 96898598 R =, 98437086


Рис. 36. Результати розрахунку параметрів лінійної моделі тренду

σІост = 313,2

Рис. 37. Результати дисперсійного аналізу лінійної моделі тренду


Рис. 38. Таблиця спостережуваних, прогнозних значень і залишків для лінійної моделі тренду


Ріс.39. Вихідний динамічний ряд і лінійний тренд


1.4.2. Експорт

Model is: v2 = exp (a0 + a1 * v3)

Dependent variable: Експорт Independent variables: 1

Loss function: least squares

Final value: 8979,74792643

Proportion of variance accounted for:, 78369793 R =, 88526715


Рис. 40. Результати розрахунку параметрів лінійної моделі тренду


σІост = 1122,5

Рис. 41. Результати дисперсійного аналізу лінійної моделі тренду

Рис. 42. Таблиця спостережуваних, прогнозних значень і залишків для лінійної моделі тренду


Рис. 43. Вихідний динамічний ряд і лінійний тренд


2 період:

2.1. Лінійна функція

2.1.1. Імпорт

Model is: v1 = a0 + a1 * v3

Dependent variable: Імпорт Independent variables: 1

Loss function: least squares

Final value: 181742,7302782

Proportion of variance accounted for:, 94787834 R =, 97359044

Рис. 44. Результати розрахунку параметрів лінійної моделі тренду


σІост = 12116

Рис. 45. Результати дисперсійного аналізу лінійної моделі тренду


Рис. 46. Таблиця спостережуваних, прогнозних значень і залишків для лінійної моделі тренду

Рис. 47. Вихідний динамічний ряд і лінійний тренд


2.1.2. Експорт

Model is: v2 = a0 + a1 * v3

Dependent variable: Експорт Independent variables: 1

Loss function: least squares

Final value: 78822,35604611

Proportion of variance accounted for:, 87764846 R =, 93682894


Рис. 48. Результати розрахунку параметрів лінійної моделі тренду


σІост = 5255

Рис. 49. Результати дисперсійного аналізу лінійної моделі тренду

Рис. 50. Таблиця спостережуваних, прогнозних значень і залишків для лінійної моделі тренду


Рис. 51. Вихідний динамічний ряд і лінійний тренд


2.2. Поліном 2-го ступеня

2.2.1. Імпорт

Model is: v1 = a0 + a1 * v3 + a2 * v4

Dependent variable: Імпорт Independent variables: 2

Loss function: least squares

Final value: 77020,10493508

Proportion of variance accounted for:, 97791155 R =, 9888941


Рис. 52. Результати розрахунку параметрів лінійної моделі тренду


σІост = 5501

Рис. 53. Результати дисперсійного аналізу лінійної моделі тренду


Рис. 54. Таблиця спостережуваних, прогнозних значень і залишків для лінійної моделі тренду

Рис. 55. Вихідний динамічний ряд і лінійний тренд


2.2.2. Експорт

Model is: v2 = a0 + a1 * v3 + a2 * v4

Dependent variable: Експорт Independent variables: 2

Loss function: least squares

Final value: 67528,68878944

Proportion of variance accounted for:, 89517899 R =, 94613899


Рис. 56. Результати розрахунку параметрів лінійної моделі тренду


σІост = 4823

Ріс.57. Результати дисперсійного аналізу лінійної моделі тренду


Рис. 58. Таблиця спостережуваних, прогнозних значень і залишків для лінійної моделі тренду


Рис. 59. Вихідний динамічний ряд і лінійний тренд

2.3. Поліном 3-го ступеня

2.3.1. Імпорт

Model is: v1 = a0 + a1 * v3 + a2 * v4 + a3 * v5

Dependent variable: Імпорт Independent variables: 3

Loss function: least squares

Final value: 53761,72516076

Proportion of variance accounted for:, 98458178 R =, 99226094


Рис. 60. Результати розрахунку параметрів лінійної моделі тренду


σІост = 4136

Рис. 61. Результати дисперсійного аналізу лінійної моделі тренду

Рис. 62. Таблиця спостережуваних, прогнозних значень і залишків для лінійної моделі тренду


Рис. 63. Вихідний динамічний ряд і лінійний тренд


2.3.2. Експорт

Model is: v2 = a0 + a1 * v3 + a2 * v4 + a3 * v5

Dependent variable: Експорт Independent variables: 3

Loss function: least squares

Final value: 28456,49743882

Proportion of variance accounted for:, 95582857 R =, 97766486

Рис. 64. Результати розрахунку параметрів лінійної моделі тренду


σІост = 2189

Рис. 65. Результати дисперсійного аналізу лінійної моделі тренду


Рис. 66. Таблиця спостережуваних, прогнозних значень і залишків для лінійної моделі тренду

Рис. 67. Вихідний динамічний ряд і лінійний тренд


2.4. Експоненціальна функція

2.4.1. Імпорт

Model is: v1 = Exp (ao + a1 * v3)

Dependent variable: Імпорт Independent variables: 1

Loss function: least squares

Final value: 66494,98911735

Proportion of variance accounted for:, 98093003 R =, 99041912


Рис. 68. Результати розрахунку параметрів лінійної моделі тренду

σІост = 4433

Рис. 69. Результати дисперсійного аналізу лінійної моделі тренду


Рис. 70. Таблиця спостережуваних, прогнозних значень і залишків для лінійної моделі тренду


Рис. 71. Вихідний динамічний ряд і лінійний тренд

2.4.2. Експорт

Model is: v2 = Exp (ao + a1 * v3)

Dependent variable: Експорт Independent variables: 1

Loss function: least squares

Final value: 65142,58593893

Proportion of variance accounted for:, 8988828 R =, 9480943


Рис. 72 Результати розрахунку параметрів лінійної моделі тренду


σІост = 4343

Рис. 73Результати дисперсійного аналізу лінійної моделі тренду

Рис. 74 Таблиця спостережуваних, прогнозних значень і залишків для лінійної моделі тренду


Рис. 75. Вихідний динамічний ряд і лінійний тренд


На даному етапі належить провести порівняння отриманих раннє даних і виявити найкращу модель. Кращою регресійної моделлю можна вважати таку, якій відповідає максимальне значення коефіцієнта детермінації, а залишкова дисперсія мінімальна.

Дані приведені по періодах у таблицях 7 - 10.

1 період

Імпорт

Таблиця 7

Модель

Рівняння

σІост

Лінійна

357,6

, 96459517

Поліном другого ступеня

337,3

, 9707775

Поліном третього ступеня

270,5

, 97991326

Експоненціальна

313,2

, 96898598


Експорт


Таблиця 8

Модель

Рівняння

σІост

Лінійна

1529,9

, 70518264

Поліном другого ступеня

168,9

, 97151683

Поліном третього ступеня

188,1

, 97281715

Експоненціальна

1122,5

, 78369793


2 період

Імпорт


Таблиця 9

Модель

Рівняння

σІост

Лінійна

12116

, 94787834

Поліном другого ступеня

5501

, 97791155

Поліном третього ступеня

4136

, 98458178

Експоненціальна

4433

, 98093003


Експорт


Таблиця 10

Модель

Рівняння

σІост

Лінійна

5255

, 87764846

Поліном другого ступеня

4823

, 89517899

Поліном третього ступеня

2189

, 95582857

Експоненціальна

4343

, 8988828


З отриманих даних випливає, що «поліном 3-го ступеня» є для роботи найкращою формою тренда. Але також варто оцінити і такі параметри, як F-критерій Фішера і t-статистику. Рівняння в цілому по F-критерієм Фішера значимо, якщо Fфакт> Fтеор. Вивчаючи t-критерій, треба вибрати модель, де t-статистика по модулю перевищує табличне значення.

По 1 і 2 періодах «поліном 3-го ступеня» є походящей формою тренда як по імпорту, так і з експорту, отже, рівняння в цілому суттєво.

Додати в блог або на сайт

Цей текст може містити помилки.

Міжнародні відносини та світова економіка | Курсова
89.7кб. | скачати


Схожі роботи:
Статистика зовнішньоекономічних зв`язків Динаміка експорту та імпорту в РФ
Аналіз основних показників імпорту країн, що розвиваються
Аналіз динаміки трудомісткості продукції підприємства дуп ПМК194 і кореляційний аналіз впливу середнього
Аналіз динаміки трудо мкості продукції підприємства дуп ПМК 194 і кореляційний аналіз впливу середнього
Фінансовий аналіз діяльності підприємства 2 Аналіз динаміки
Економічний аналіз підприємства Аналіз динаміки
Аналіз динаміки населення Росії
Аналіз та і прогнозування динаміки РЦБ
Аналіз динаміки чисельності населення
© Усі права захищені
написати до нас