Материал: Теория отраслевых рынков. методические указания к выполнению курсового проекта для студентов направления 38.03.01 Экономика. Шибаева М.А., Уварова С.С

Внимание! Если размещение файла нарушает Ваши авторские права, то обязательно сообщите нам

фактических данных динамики ВВП выбраны линейная и экспоненциальная

линии тренда (рис. 3, 4).

 

 

 

 

120

 

 

 

 

 

100

 

 

y = 5,791x - 11585

 

 

 

 

 

 

80

 

 

 

 

 

60

 

 

 

 

Ряд1

40

 

 

 

 

Линейная (Ряд1)

 

 

 

 

 

20

 

 

 

 

 

0

 

 

 

 

 

2010

2012

2014

2016

2018

2020

 

Рис. 3. Линейная Аппроксимация динамики ВВП

120

 

 

 

 

 

100

 

 

y = 8E-60e0,0697x

 

 

 

 

 

 

80

 

 

 

 

 

60

 

 

 

 

Ряд1

40

 

 

 

 

Экспоненциальная (Ряд1)

 

 

 

 

 

20

 

 

 

 

 

0

 

 

 

 

 

2010

2012

2014

2016

2018

2020

Рис. 4. Экспоненциальная линия тренда ряда динамики ВВП

Исходя из допущения о неизменности прогнозных тенденций в будущем, функция «Тенденция» возвращает значения в соответствии с линейным трендом. Аппроксимирует прямой линией (по методу наименьших квадратов) массивы «известные значения у» и «известные значения х». Возвращает значения у в соответствии с этой прямой для заданного массива «новые значениях».

Синтаксис: ТЕНДЕНЦИЯ (известные значения у; известные значения х; новые значениях; конст.).

6

«Известные значения у» - это множество значений у, которые уже известны для соотношения у = mx + b. «Известные значения х» - это необязательное множество значений х, которые уже известны для соотношения у = mx + b.

Массив «известные значения х» может содержать одно или несколько множеств переменных. Если используется только одна переменная, то «известные значения у» и «известные значения х» могут иметь любую форму при условии, что они имеют одинаковую размерность. Если используется более одной переменной, то «известные значения у» должны быть вектором (то есть интервалом высотой в одну строку или шириной в один столбец).

Если «известные значения х» опущены, то предполагается, что это массив {1;2;3; ...} такого же размера, как и «известные значения у».

«Новые значения х» − это новые значения х, для которых ТЕНДЕНЦИЯ возвращает соответствующие значения у. «Конст» - это логическое значение, которое указывает, требуется ли, чтобы константа b была равна 1. Если конст имеет значение ИСТИНА или опущено, то b вычисляется обычным образом.

Если конст имеет значение ЛОЖЬ, то b полагается равным 0, и значения m подбираются таким образом, чтобы выполнялось соотношение у = mx. Замечания: формулы, которые возвращают массивы, должны быть введены как формулы массива; при вводе константы массива для аргyмента, такого как «известные значения х», следует использовать точку с запятой для разделения значений в одной строке и двоеточие для разделения сток. Рассмотрим пример построения прогноза значений валового внутреннего продукта РФ. Информация о динамике и структуре ВВП приведена в прил. 1.

Исходные данные для построения прогноза заносят в систему электронных таблиц Excel (рис.5).

Рис. 5. Оформление исходных данных и выбор функций программировани

7

Далее необходимо заполнить поля диалогового окна функции:

Рис. 6. Диалоговое окно функции «Тенденция»

Рис. 7. Результаты прогнозирования объема ВВП с использованием линейной аппроксимации (функции «Тенденция»)

По такой системе действуют и другие функции прогнозирования в Microsoft Excel. Различие состоит в способах аппроксимации значений. Функция «Лгрфприбл» в регрессионном анализе вычисляет экспоненциальную кривую, аппроксимирующую данные и возвращает массив значений, описывающий эту кривую.

8

Функция «Рост» рассчитывает прогнозируемый экспоненциальный рост на основании имеющихся данных. Функция РОСТ возвращает значения у для последовательности новых значений х, задаваемых с помощью существующих х- и у-значений. Функция рабочего листа РОСТ может применяться также для для аппроксимации существующих х- и у-значений экспоненциальной кривой.

Синтаксис: РОСТ(известные значения у; известные значения х;новые

значения х; конст). «Известные значения у» - это множество значений у,

которые уже известны для соотношения

 

 

. «Известные значения х» -

Если « = b

 

значений

х, которые уже известны для

это необязательное

множество

 

 

= b

 

соотношения

 

.

 

 

 

 

известные значения х» опущены, то предполагается, что это массив { 1 ;2;3; ... } такого же размера как и «известные значения у».

«Новые значения х» - это новые значения х, для которых РОСТ возвращает соответствующие значения у. «Конст» - это логическое значение, которое указывает, требуется ли, чтобы константа b была равна 1.

Если конст имеет значение ИСТИНА или опущено, то b вычисляется обычным образом: Если конст имеет значение ЛОЖЬ, то b полагается равном 1, а значения m подбираются так, чтобы Ух =mx .

Замечания: если какие-либо числа в массиве «известные значения у» равны О или отрицательны, то функция РОСТ возвращает значение ошибки #ЧИСЛО!; при вводе константы массива для аргумента, такого как «известные значения х», следует использовать точку с запятой для разделения значений в одной строке и двоеточие для разделения строк.

Рассмотрим пример построения прогноза значений валового внутреннего продукта РФ. В этом примере используются те же данные, что и в примере для функции «Тенденция». Диалоговое окно функции «Рост» выглядит следующим образом (рис.8).

Рис. 8. Параметры диалогового окна функции «Рост»

9

Рис. 9. Результаты прогнозирования объема ВВП с использованием экспоненциальной линии тренда (функции «Рост»)

Следует отметить, что значение у, предсказанное с помощью уравнения регрессии, может быть недостоверным, если оно находится вне диапазона значений у, которые использовались для определения уравнения.

Метод экспоненциального сглаживания представляет прогноз показателя на будущий период в виде суммы фактического показателя за данный период и прогноза на данный период, взвешенных при помощи специальных

коэффициентов. Представим, что составляется прогноз определенной

экономической1 величины на 1следующий+ 1 = а месяц+ .[1Тогда− а]: 1 , (1)где + 1- прогноз на месяц 1 + 1; 1 - значение исследуемой величины в месяце (фактические данные);

- прогноз на месяц 1; а - специальный коэффициент, определяемый статистическим путем.

Рассмотрим прогнозирование объемов инвестиций в основной капитал в РФ методом экспоненциального сглаживания на конкретном примере. Задание по вариантам в табл. 3 и рис. 1 прил. 1.

Для прогнозирования методом экспоненциального сглаживания используется функция «Экспоненциальное сглаживание» пункта меню «Сервис», «Анализ данных». Окно исходных данных экспоненциального сглаживания представлено на рис. 10.

10

Источник: https://studfile.net/preview/16568548/