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

Состав временного ряда

  1. Тренд (T) – это компонента временного ряда, отражающая основную тенденцию изменения объемов продаж. Применительно к данной задаче под трендом можно понимать рост средних объемов продаж зимней одежды в год, связанный с открытием новых точек продаж, формированием положительного имиджа фирмы, широкой рекламной компанией и т.п.
  2. Сезонность (S) – это компонента временного ряда, отражающая повторяемость экономических процессов в течение небольших промежутков времени (не более года). Применительно к данной задаче под сезонностью можно понимать ежегодное увеличение объемов продаж во втором полугодии по сравнению с объемами продаж в первом полугодии этого же года. Это увеличение связано не с общим ростом средних объемов продаж, а с соответствующими климатическими условиями, обуславливающими необходимость покупать зимнюю одежду до наступления зимы, с одной стороны, и психологией большинства покупателей, не желающих задумываться об этом заблаговременно (например, весной) с другой стороны. По этим причинам сезонные колебания спроса повторяются каждый год, т.е. каждое первое полугодие наблюдается снижение объемов продаж относительно среднего уровня продаж текущего года, а каждое второе – увеличение. Для того чтобы подчеркнуть, что однотипное влияние сезонности повторяется каждый второй период (а не каждый четвертый, если используются квартальные данные, и не каждый двенадцатый, если используются месячные данные), с математической точки зрения говорят, что параметр сезонности равен s=2.
  3. Случайность (E) – это компонента временного ряда, отражающая влияние всех оставшихся факторов, которые не поддаются учету или влиянием которых можно пренебречь.
Представим уровни временного ряда Yt в виде суммы рассмотренных составляющих временного ряда, т.е. будем использовать аддитивную модель вида: Yt = Tt + St + Et. Другими словами, для данной задачи каждое значение переменной Yt необходимо представить в виде суммы трех чисел таким образом, чтобы: Так как все пожелания к значениям составляющих временного ряда выражены качественным образом (т.е. не количественным), то это порождает бесконечное количество возможных вариантов решения поставленной задачи. При этом многие варианты в принципе не противоречат друг другу и расходятся лишь в незначительных нюансах, определить справедливость которых с экономической точки зрения не представляется возможным. Вот здесь и приходит на помощь эконометрика, предлагающая ряд алгоритмов, моделей, в которых принципиальные моменты задаются непосредственно исследователем, а вопросы с нюансами решаются, как правило, с помощью не экономических, а математических методов.

В частности, одним из методов предварительной, неточной оценки трендовой составляющей является метод скользящих средних. Идея этого метода очень проста. Начнем по порядку. Так как тренд отражает средние объемы продаж за год, то давайте и рассчитаем эти средние значения для каждого года: три года – три средних значения. Поскольку в этом случае мы прыгаем от одного года к другому, то полученные таким образом средние можно было бы назвать «прыгающими». Недостатком этой идеи является небольшое количество получаемых значений, поэтому предлагается находить средние значения не только для полугодий, принадлежащих к одному и тому же году, но и для соседних полугодий, принадлежащих к разным годам. Первая средняя рассчитывается на основе объемов продаж за 1 и 2 полугодие, вторая – за 2 и 3 полугодие, третья – за 3 и 4 полугодие и т.д. Поскольку, выбирая соответствующие пары чисел, мы «скользим» по временному ряду, то получаемые средние называются скользящими. Число усредняемых значений называется порядком k скользящей средней, который, в случае наличия сезонных колебаний, рекомендуется брать равным параметру сезонности s.

Статистика
правило сложения дисперсий
Правило сложения дисперсий: общая дисперсия = остаточная дисперсия . межгрупповая дисперсия
Статистика
Проверка гипотезы о виде распределения: нормальное распределение, распределение Пуассона, показательное и равномерное распределение
Проверка гипотезы о виде распределения
Статистика
Расчет моды и медианы, квартилей и децилей
Мода и медиана
Курсовые на заказ