Уравнение регрессии
Уравнение парной регрессии
Решить онлайн
Примеры решений Множественная регрессия Линейная регрессия Нелинейная регрессия Коэффициент Кендалла Показатели ряда динамики Тест Дарбина-Уотсона Ошибка аппроксимации Экспоненциальное сглаживание

Абсолютная ошибка аппроксимации

Расчет абсолютных и/или относительных ошибок. Часто рассчитывают: среднюю абсолютную процентную ошибку (Mean Absolute Percentage Error):

Если модель подогнана с высокой точностью MAPE<10%, хорошей - 10% < MAPE < 20%, удовлетворительной - 20% < MAPE < 50%, неудовлетворительной - MAPE > 50%.
Целесообразно пропускать значения ряда, для которых yi=0.
Средняя процентная ошибка (Mean Percentage Error) и средняя ошибка (Mean Error). Средняя процентная ошибка не определена при нулевых данных и не должна превышать 5% для хорошо подогнанной модели:

Средняя ошибка:

случайная компонента получается как разность E=y-y(x)

Пример. 1. Находим параметры уравнения методом наименьших квадратов .
Линейное уравнение тренда имеет вид y=at+b (Тренд — систематическая составляющая временного ряда).
Система уравнений

Для наших данных система уравнений имеет вид

Из первого уравнения выражаем а0 и подставим во второе уравнение
Получаем a0 = -4.13, a1 = 78.57
Уравнение тренда: y = -4.13 t + 78.57
Оценим качество уравнения тренда с помощью ошибки абсолютной аппроксимации.

Абсолютная ошибка аппроксимации
ошибка абсолютной аппроксимации
Поскольку ошибка больше 15%, то данное уравнение не желательно использовать в качестве тренда.
Средние значения:



Дисперсия


Среднеквадратическое отклонение

Коэффициент детерминации


т.е. в 78.66 % случаев влияет на изменение данных. Другими словами - точность подбора уравнения тренда - высокая

tyt2y2t•y y(t) (y-y cp)2 (y-y(t))2 (t-t p)2 (y-y(t)) : y
1 80 1 6400 80 74.44 1653.78 30.93 72.25 444.91
2 79 4 6241 158 70.31 1573.44 75.54 56.25 686.62
3 75 9 5625 225 66.18 1272.11 77.82 42.25 661.61
4 70 16 4900 280 62.05 940.44 63.23 30.25 556.6
5 65 25 4225 325 57.92 658.78 50.15 20.25 460.3
6 60 36 3600 360 53.79 427.11 38.58 12.25 372.69
7 39 49 1521 273 49.66 0.11 113.6 6.25 415.68
8 35 64 1225 280 45.53 18.78 110.85 2.25 368.49
9 30 81 900 270 41.4 87.11 129.92 0.25 341.95
10 25 100 625 250 37.27 205.44 150.51 0.25 306.71
11 20 121 400 220 33.14 373.78 172.61 2.25 262.77
12 10 144 100 120 29.01 860.44 361.31 6.25 190.08
13 13 169 169 169 24.88 693.44 141.09 12.25 154.42
14 19 196 361 266 20.75 413.44 3.06 20.25 33.22
15 29 225 841 435 16.62 106.78 153.31 30.25 359.07
16 14 256 196 224 12.49 641.78 2.29 42.25 21.17
17 20 289 400 340 8.36 373.78 135.53 56.25 232.84
18 25 324 625 450 4.23 205.44 431.47 72.25 519.3
171 708 2109 38354 4725 708 10506 2241.81 484.5 6388.43

2) F-статистика. Критерий Фишера.
Критерий Фишера
Fkp = 4.45
Поскольку F > Fkp, то коэффициент детерминации статистически значим
4. Тест Дарбина-Уотсона на наличие автокорреляции остатков для временного ряда.
y y(x) ei = y-y(x) e2 (ei - ei-1)2
80 74.44 5.56 30.93 0
79 70.31 8.69 75.54 9.8
75 66.18 8.82 77.82 0.02
70 62.05 7.95 63.23 0.76
65 57.92 7.08 50.15 0.76
60 53.79 6.21 38.58 0.76
39 49.66 -10.66 113.6 284.6
35 45.53 -10.53 110.85 0.02
30 41.4 -11.4 129.92 0.76
25 37.27 -12.27 150.51 0.76
20 33.14 -13.14 172.61 0.76
10 29.01 -19.01 361.31 34.46
13 24.88 -11.88 141.09 50.84
19 20.75 -1.75 3.06 102.62
29 16.62 12.38 153.31 199.66
14 12.49 1.51 2.29 118.16
20 8.36 11.64 135.53 102.62
25 4.23 20.77 431.47 83.36
2241.81 990.67


Критические значения d1 и d2 определяются на основе специальных таблиц для требуемого уровня значимости a, числа наблюдений n и количества объясняющих переменных m.
Не обращаясь к таблицам, можно пользоваться приблизительным правилом и считать, что автокорреляция остатков отсутствует, если 1.5 < DW < 2.5. Для более надежного вывода целесообразно обращаться к табличным значениям.
d1 < DW и d2 < DW < 4 - d2.

Пример №2. Исследовать динамику экономического показателя на основе анализа одномерного временного ряда.
В течение девяти последовательных недель фиксировался спрос Y(t) (млн руб.) на кредитные ресурсы финансовой компании. Временной ряд Y(t) этого показателя (повариантно) приведен ниже в таблице.

Решение проводим при помощь онлайн калькулятора Линейное уравнение тренда.
1. Находим параметры уравнения методом наименьших квадратов.
Система уравнений МНК:
a0n + a1∑t = ∑y
a0∑t + a1∑t2 = ∑y•t
Для наших данных система уравнений имеет вид:
9a0 + 45a1 = 390
45a0 + 285a1  = 2094
Из первого уравнения выражаем а0 и подставим во второе уравнение
Получаем a0 = 2.4, a1 = 31.33
Уравнение тренда:
y = 2.4 t + 31.33
Эмпирические коэффициенты тренда a и b являются лишь оценками теоретических коэффициентов βi, а само уравнение отражает лишь общую тенденцию в поведении рассматриваемых переменных.
Коэффициент тренда b = 2.4 показывает среднее изменение результативного показателя (в единицах измерения у) с изменением периода времени t на единицу его измерения. В данном примере с увеличением t на 1 единицу, y изменится в среднем на 2.4.
Ошибка аппроксимации.
Оценим качество уравнения тренда с помощью ошибки абсолютной аппроксимации.

Ошибка аппроксимации в пределах 5%-7% свидетельствует о хорошем подборе уравнения тренда к исходным данным.

Поскольку ошибка меньше 7%, то данное уравнение можно использовать в качестве тренда.

tyt2y2t•yy(t)(y-y(t)) : y
133110893333.730.0222
2 35 4 1225 70 36.13 0.0324
3 40 9 1600 120 38.53 0.0367
4 41 16 1681 164 40.93 0.00163
5 45 25 2025 225 43.33 0.037
6 47 36 2209 282 45.73 0.027
7 45 49 2025 315 48.13 0.0696
8 51 64 2601 408 50.53 0.00915
9 53 81 2809 477 52.93 0.00126
45 390 285 17264 2094 390 0.24

Перейти к онлайн решению своей задачи

Налоговый вычет на обучение
√ 120 тыс. руб. - максимальная сумма расходов на обучение
√ вычет от государства
√ вычет от работодателя
Подробнее
Требуются авторы студенческих работ!
  • регулярный поток заказов;
  • стабильный доход
Подробнее
Учебно-методический
  • курсы переподготовки и повышения квалификации;
  • вебинары;
  • сертификаты на публикацию методического пособия
Подробнее
Курсовые на заказ