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

Рис. 10. Исходные данные для проведения экспоненциального сглаживания

Элементы диалогового окна «Экспоненциальное сглаживание»:

1)входной диапазон. Введите ссылку на ячейки, содержащие анализируемые данные. Входной диапазон должен состоять из одного столбца или одной строки, содержащих данные как минимум в четырех ячейках.

2)фактор затухания. Введите фактор затухания, который будет использоваться в качестве константы экспоненциального сглаживания. Фактором затухания называется корректировочный фактор, минимизирующий нестабильность данных генеральной совокупности. Значение фактора по умолчанию равно 0,3.

Для константы сглаживания наиболее подходящими являются значения от 0,2 до 0,3. Эти значения показывают, что ошибка текущего прогноза установлена на уровне от 20 до 30 процентов ошибки предыдущего прогноза. Более высокие значения константы ускоряют отклик, но могут привести к непредсказуемым выбросам. Низкие значения константы могут привести к большим промежуткам между предсказанными значениями.

3)метки. Установите флажок, если первая строка или первый столбец входного интервала содержит заголовки. Снимите флажок, если заголовки отсутствуют; в этом случае подходящие названия для данных выходного диапазона будут созданы автоматически.

4)выходной диапазон. Введите ссылку на. левую верхнюю ячейку выходного диапазона. Если установлен флажок «Стандартные погрешности», то выходной диапазон состоит из двух столбцов и значения стандартных

11

погрешностей содержатся в правом столбце. Если исходных значений для построения прогноза или для вычисления стандартной ошибки недостаточно, Microsoft Excel возвратит значение ошибки #Н/Д.

5)вывод графика. У становите флажок, чтобы построить встроенную диаграмму для фактических и прогнозируемых значений.

6)стандартные погрешности. Установите флажок, чтобы включить в выходной диапазон столбец стандартных погрешностей. Снимите флажок, чтобы получить выходной диапазон в виде одного столбца без значений стандартных погрешностей. В результате проведения экспоненциального сглаживания получен следующий вариант прогноза (рис. 11).

Метод скользящего среднего исходит из простого предположения, что следующий во времени показатель по своей величине равен средней арифметической, рассчитанной за последние три месяца.

Для прогнозирования методом скользящего среднего используется функция «Скользящее среднее» пункта меню «Сервис», «Анализ данных». Окно исходных данных прогнозирования объемов инвестиций методом скользящего среднего представлено на рис. 12.

Рис. 12. Прогнозирование методом экспоненциального сглаживания

Элементы диалогового окна «Скользящее среднее»:

1) входной диапазон. Введите ссылку на диапазон исследуемых данных. Входной диапазон должен состоять из одного столбца или одной строки,

12

Многофакторные модели позволяют одновременно учитывать воздействие нескольких факторов на уровень прогнозируемого показателя. Данные модели используются при прогнозировании макроэкономических показателей, показателей спроса на продукцию, себестоимости, цен, прибыли и др. Эконометрической моделью называют систему регрессионных уравнений и тождеств, описывающих взаимосвязи и зависимости основных показателей развития экономики. Система экономико-математических моделей эконометрического типа служит для описания сложных социальноэкономических процессов. Факторы (переменные) эконометрической модели подразделяются на экзогенные (внешние) и эндогенные (внутренние). Экзогенные переменные выбираются так, чтобы они оказывали влияние на моделируемую систему, а сами ее влиянию не подвергались. Они могут вводиться в модель на основе экспертных оценок или результатов корреляционного анализа. Эндогенные переменные определяются путем решения стохастических и тождественных уравнений. Для каждой эндогенной переменной методом наименьших квадратов оценивается несколько вариантов регрессионных уравнений и выбирается лучший для включения в модель.

Задание по вариантам приведено в табл. 4 прил. 1.

Задание 2. Прогнозирование по уравнениям регрессии

Применение уравнений регрессии в прогнозировании связано, как правило, с предположением о том, что тенденции, сложившиеся в прошлом, в основном сохранятся и в будущем. Поскольку такой гарантии нет, к таким моделям следует относиться с большой осторожностью. Однако любые исследования, обращенные в будущее, исходят из информации о прошлом и настоящем.

При корреляционном анализе решаются следующие задачи:

1.Устанавливается наличие корреляции или связи между величинами;

2.Устанавливается форма линии связи (линии регрессии);

3.Определяются параметры линии регрессии;

4.Определяется достоверность установленной зависимости и достоверность отдельных параметров.

Тесноту связи между двумя величинами можно определить визуально по соотношению короткой и продольной осей эллипса рассеяния наблюдений, нанесенных на поле корреляции. Чем больше отношение продольной стороны к короткой, тем связь теснее.

Более точно теснота связи характеризуется коэффициентом корреляции r. Коэффициент корреляции лежит в пределах -1 < r <1. В случае если r=0, то линейной связи нет. Если r =1, то между двумя величинами существует функциональная связь. При положительном r наблюдается прямая связь, т.е. с увеличением независимой переменной х увеличивается зависимая -у. При

14

отрицательном коэффициенте существует обратная связь с увеличением независимой переменной зависимая переменная уменьшается.

Приведем пример построения прогноза прибыли компаний субъектов РФ по добыче сырой нефти и природного газа на основе данных статистики. Исходные данные приведены в табл. 5 прил. 1.

Для определения тесноты связи между изучаемыми показателями используется функция «Корреляция» пункта меню «Сервис», «Анализ данных».

Результаты обработки исходных данных приведены на рис. 14.

Рис. 14. Значения коэффициентов парной корреляции

Проведя статистический анализ данных можно сказать, что основными факторами, влияющими на прибыли компаний являются оборотные активы и запасы готовой продукции.

Анализ формы взаимосвязи между факторами проводится с помощью функции «Регрессия» пункта меню «Сервис», «Анализ данных». Результаты обработки исходных данных приведены на рис. 15.

15