Прогнозирование в регрессионных моделях
Рассмотренная формула стандартной ошибки предсказываемого среднего значения у при заданном значении хk характеризует ошибку положения линии регрессии. Величина стандартной ошибки как видно из формулы, достигает минимума при хк =, и возрастает по мере того, как «удаляется» от в любом направлении. Иными словами, чем больше разность между хк и х, тем больше ошибка с которой предсказывается среднее… Читать ещё >
Прогнозирование в регрессионных моделях (реферат, курсовая, диплом, контрольная)
Прогнозирование в регрессионных моделях
Введение
Глава 1. Сущность прогнозирования
1.1 Понятие прогнозирования и его особенности
1.2 Точечное и интервальное прогнозирование
1.3 Условное и безусловное прогнозирование
1.4 Прогнозирование при наличии авторегрессии ошибок Глава 2. Пример построения прогноза по эконометрической модели
2.1 Точечное и интервальное прогнозирование, основанное на модели линейной регрессии Заключение Библиографический список
Процесс прогнозирования достаточно актуален в настоящее время. Широка сфера его применения. Прогнозирование широко используется в экономике. Прогнозирование позволяют управлять массовыми экономическими явлениями и процессами и предвидеть их развитие.
В современном быстро меняющемся мире, когда рыночная конкуренция становится все более жесткой, основной проблемой для предприятий является проблема выживания и обеспечения развития. В наши дни ни одно предприятие не может обойтись без прогнозирования и планирования своей дальнейшей деятельности. В условиях ожесточенной конкурентной борьбы, особенно на мировом рынке, уже недостаточно только поддержания высокого качества реализуемой продукции. Необходимы тщательный учет специфики требований потребителей в различных странах, анализ деятельности основных фирм-конкурентов, широкая рекламная компания, выбор оптимальных форм и методов сбыта, т. е. деятельность предприятия необходимо планировать и прогнозировать.
Современные условия рыночного хозяйствования предъявляют к методам прогнозирования очень высокие требования, в виду все возрастающей важности правильного прогноза для судьбы предприятия, да и экономики страны в целом.
Прогнозирование следует рассматривать как важнейшую функцию управления любой экономической системой, в том числе экономикой рыночного типа, поскольку формирование рыночных отношений связано с предпринимательской деятельностью, стратегического менеджмента и систем прогнозирования.
Прогнозирование является важным связующим звеном между теорией и практикой во всех областях жизни общества.
Обычно термин «прогнозирование» используется в тех ситуациях, когда требуется предсказать состояние системы в будущем. Для регрессионных моделей он имеет более широкое значение. Данные могут не иметь временной структуры, но и в этих случаях вполне может возникнуть задача оценить значение зависимой переменной для некоторого набора независимых, объясняющих переменных, которых нет в исходных наблюдениях. Именно в этом смысле — как построение оценки зависимой переменной — и следует понимать прогнозирование в эконометрике.
Общественные явления находятся не только во взаимной связи, но и в непрерывном движении, изменении, развитии — именно это обусловливает необходимость прогнозирования.
Предметом прогнозирования в сфере является система, воспроизводящая объект исследования так, что на ее основе могут быть изучены структура и размещение социально-экономических явлений, их изменения во времени, связи зависимости.
Объектом прогнозирования является модель, интересующая исследователя.
Целью курсовой является выявление перспектив ближайшего будущего в области потребления домохозяйством в зависимости от располагаемого дохода и установление основных тенденций развития.
Для достижения поставленной цели представляется необходимым в рамках данной работы решение следующих задач:
1. Определить понятие «прогнозирование» и исследовать его особенности.
2. Рассмотреть точечное и интервальное, условное и безусловное прогнозирование.
3. Проанализировать прогнозирование при наличии авторегрессии ошибок.
4. Провести точечное и интервальное прогнозирование, основанное на модели линейной регрессии.
Глава 1. Сущность прогнозирования
1.1 Понятие прогнозирования и его особенности
Прогнозирование — это вид познавательной деятельности человека, направленной на формирование прогнозов развития объектов, на основе анализа тенденций и закономерностей его развития.
Прогнозирование — это научное, основанное на системе установленных причинно-следственных связей и закономерностей, выявление состояния и вероятностных путей развития явлений и процессов.
Оно предопределяет оценку показателей и дает характеристику явлений и процессов в будущем. Прогнозирование распространяется на такие процессы управления, которые в момент выработки прогнозов можно определить в весьма малом диапазоне, либо совсем невозможно, либо возможно, но требует учета действия таких факторов, влияние которых не может быть полностью или однозначно определено. 5]
Прогнозирование определяет реальность и благоприятность для хозяйственной структуры поставленных перед ней целей. Разумеется, что некоторые приемы и средства прогнозирования применяются и в процессе определения целей, особенно долгосрочных, но при выборе целей и определении степени их достижения главную роль играют субъективные факторы, в то время когда прогноз опирается на объективные процессы и явления.
Прогноз носит вероятностный характер, но обладает определенной достоверностью. Прогноз на практике — это предплановый документ, фиксирующий вероятную степень достижения поставленной цели в зависимости от масштаба и способа будущих действий Задачи прогнозирования связаны с тем, что прогноз, помимо анализа возможностей, является основой для разработки стратегии, планирования и управления предприятием.
Прогноз должен определять:
— основные технические и организационно-экономические проблемы и сроки их решения;
— материалы, технологические процессы и оборудование, предназначенные для изготовления новой перспективной и традиционной продукции;
— ожидаемые объемы производства продукции у конкурентов и потребность в ней на рынках;
— ожидаемую себестоимость разработки и производства этой продукции;
— мощность предприятия, необходимую для разработки и изготовления новой продукции;
— потребность в трудовых ресурсах с учетом изменения их структуры, квалификации и ожидаемого роста производительности труда. Прогноз должен включать:
— краткий анализ развития прогнозируемого направления производства и характеристику его современного состояния;
— выявление перспективных технических и экономических проблем, уже решенных, но не получивших практического применения;
— оценку важности проводящихся исследований, требующих внимания и затрат для решения будущих проблем. 4]
Прогнозы можно подразделять в зависимости от целей, задач, объектов, времени упреждения, методов организации прогнозирования, источников информации и т. д. Большое количество таких признаков и отсутствие их строго определенных характеристик затрудняют создание единой классификации. [1]
Выбор методов прогнозирования осуществляется в соответствии с характером объекта, требований, предъявляемых к информационному обеспечению, а также на основе сравнения эффективности и оптимальности решения аналогичных задач. Отличительной чертой социально-экономических явлений и процессов является инерционность, проявляющаяся, с одной стороны в сохранении взаимосвязей прогнозируемого явления с другими явлениями, а с другой — в сохранении тенденции во времени. 5]
Проблема прогнозирования имеет много различных аспектов. Можно различать точечное и интервальное прогнозирование. В первом случае оценка — это конкретное число, во второминтервал, в котором истинное значение переменной находится с заданным уровнем доверия. Выделяют также безусловное и условное прогнозирование в зависимости от того, известны ли интересующие нас объясняющие переменные точно или приближенно. Кроме того, для временных рядов при нахождении прогноза существенно наличие или отсутствие корреляции по времени между ошибками.
1.2Точечное и интервальное прогнозирование
В прогнозных расчетах по уравнению регрессии определяется предсказываемое (уp) значение как точечный прогноз при хp=хk, т. е. путем подстановки в уравнение регрессии соответствующего значения х. Однако точечный прогноз явно не реален. Поэтому он дополняется расчетом стандартной ошибки, т. е. и соответственно интервальной оценкой прогнозного значения (у*)
-<�у*< + (1.1)
Чтобы понять, как строится формула для определения величин стандартной ошибки, обратимся к уравнению линейной регрессии:
(1.2)
Подставим в это уравнение выражение параметра b1:
b1= -b0
тогда уравнение регрессии примет вид:
= -b0+b0 x=+b0(x-) (1.3)
Отсюда вытекает, что стандартная ошибка зависит от ошибки и ошибки коэффициента регрессии b0, т. е.
2 = (1.4)
Из теории выборки известно, что. Используя в качестве оценки у2 остаточную дисперсию на одну степень свободы S2, получим формулу расчета ошибки среднего значения переменной у:
(1.5)
Ошибка коэффициента регрессии, как уже было показано, определяется формулой
? (1.6)
Считая, что прогнозное значение фактора хp=хk, получим следующую формулу расчета стандартной ошибки предсказываемого по линии регрессии значения, т. е.
? = (1.7)
Соответственно имеет выражение:
(1.8)
Рассмотренная формула стандартной ошибки предсказываемого среднего значения у при заданном значении хk характеризует ошибку положения линии регрессии. Величина стандартной ошибки как видно из формулы, достигает минимума при хк =, и возрастает по мере того, как «удаляется» от в любом направлении. Иными словами, чем больше разность между хк и х, тем больше ошибка с которой предсказывается среднее значение у для заданного значения хk. Можно ожидать наилучшие результаты прогноза, если признакфактор х находится в центре области наблюдений х и нельзя ожидать хороших результатов прогноза при удалении хк от. Если же значение хк оказывается за пределами наблюдаемых значений х, используемых при построении линейной регрессии, то результаты прогноза ухудшаются в зависимости от того, насколько хк отклоняется от области наблюдаемых значений фактора х.
Фактические значения у варьируют около среднего значения Индивидуальные значения у могут отклоняться от на величину случайной ошибки е, дисперсия которой оценивается как остаточная дисперсия на одну степень свободы S2. Поэтому ошибка предсказываемого индивидуального значения у должна включать не только стандартную ошибку, но и случайную ошибку S.
Рис. 1 Доверительный интервал линии регрессии: а — верхняя доверительная граница; б — линия регрессии; в — доверительный интервал для при хк; г — нижняя доверительная граница Средняя ошибка прогнозируемого индивидуального значения у составит:
(1.9)
При прогнозировании на основе уравнения регрессии следует помнить, что величина прогноза зависит не только от стандартной ошибки индивидуального значения у, но и от точности прогноза значения фактора х. Его величина может задаваться на основе анализа других моделей исходя из конкретной ситуации, а также из анализа динамики данного фактора. Рассмотренная формула средней ошибки индивидуального значения признака у () может быть использована также для оценки существенности различия предсказываемого значения исходя из регрессионной модели. 6]
1.3 Условное и безусловное прогнозирование
Безусловное прогнозирование
Термин безусловное прогнозирование означает, что вектор независимых переменных xn+i известен точно.
Пусть есть еще один набор xn+1 = (хn+1,1,…, xn+1,k)' объясняющих переменных и известно, что соответствующая зависимая переменная удовлетворяет модели у=Хв+е, т. е.
Уn+1 = х'n+1в+еn+1 (2.0)
где, Eеn+1= 0, V (еn+1) = у2, и случайная величина еn+1 не коррелирована с е. Требуется по (у, Х, xn+1) оценить yn+1. Подчеркнем, что в данном случае надо построить оценку не параметра, а случайной величины.
Предположим, что мы знаем значения параметров в и у2. Тогда естественно в качестве оценки y n+1= y величины yn+1 взять Е (yn+1) = x'n+1в. Среднеквадратичная ошибка такого прогноза есть E (yn+1 —y)2 = Е (е2n+1) = у2.
Пусть параметры в и у2 неизвестны, что, как правило, и бывает на практике. Обозначим и s2 их МНК-оценки на основании модели у=Хв+е: = (Х'Х)-1Х’у, s2 = е’е/(n — к). Возьмем в качестве оценки уn+1 величину
y =x'n+1 в (2.1)
Нетрудно проверить, что поскольку Е = в, то Е y = Еуn+1, т. е. оценка y является несмещенной. Оказывается, в классе линейных (по у) несмещенных оценок она обладает наименьшей среднеквадратичной ошибкой. 3]
Нетрудно проверить, что среднеквадратичная ошибка прогноза есть Е (y -уn+1)2 = у2(1+ x'n+1 (Х'X)-lxn+1). (2.2)
Заменим у2 на ее оценку s2 и обозначим Получаем, что если ошибки (е,еn+1) имеют совместное нормальное распределение, то случайная величина (y -yn+1)/д имеет распределение Стьюдента с nк степенями свободы. Поэтому доверительным интервалом для yn+1 с уровнем доверия б будет интервал (y — д tб, y — д tб) где tб — двусторонняя бквантиль распределения Стьюдента с n — к степенями свободы.
Можно показать, что в случае парной регрессии, т. е. когда система у=Хв+е имеет вид
yt = в1 +в2xt + еt t= 1,.. ., n,
формула (2.2) выглядит так:
(2.3)
где x=1/n ?xt. Из (2.3) следует, что среднеквадратичная ошибка прогноза минимальна при xn+1=, и чем дальше xn+1 от, тем шире соответствующий доверительный интервал (см. рис. 2).
Рис. 2 доверительный интервал
Условное прогнозирование
В предыдущих рассуждениях мы предполагали, что независимая переменная xn+1 известна точно. Однако на практике встречаются ситуации, когда в xn+1 содержатся ошибки. Так, при прогнозировании временных рядов часто приходится прогнозировать значения независимых переменных, что неизбежно приводит к отклонениям от истинных значений. Поэтому рассмотрим задачу условного прогнозирования. Пусть выполнены соотношения у=Хв+е и (2.0), но вектор xn+1 наблюдается с ошибкой
z = xn+1+ u, (2.4)
где u — k х 1 случайный вектор, не зависящий от (е,еn+1).
Прогноз (2.1) заменяется теперь на
y = z'. (2.5)
Пусть е = y- yn+1 — ошибка прогнозирования. Тогда Ее = Е (z') — x'n+1 в = Е[(xn+1 + u)'] - x'n+1 в
= Е (x'n+1) + Е (u') — x'n+1 в = 0,?
так как и u и в независимы и Еu = 0. Иными словами, оценка (2.5) является несмещенной. Из этого следует, что Ее2 = у2 [l + x'n+1 (X'X)-lxn+1+ у2u tr ((X'X)-l)]+ у2uв' в. (2.6)
Таким образом, при наличии ошибок в независимой переменной к ошибке прогнозирования (2.2) добавляются два новых положительных слагаемых, пропорциональных дисперсии у2u.
В случае условного прогнозирования нельзя так же просто, как при безусловном прогнозировании, построить доверительный интервал для yn+1. Это связано с тем, что при нормально распределенных ошибках (е,еn+1, u) оценка у есть скалярное произведение двух независимых нормальных векторов. Поэтому доверительный интервал нельзя найти аналитически, однако существуют численные процедуры, позволяющие строить его приближенно. 3]
1.4 Прогнозирование при наличии авторегрессии ошибок
Остановимся на задаче прогнозирования, когда ошибки в исходной модели у=Хв+е, (2.0) коррелированы по времени, а именно, образуют авторегрессионный процесс первого порядка:
еt = p еt+1 + vt, t = 1,. ., n, n+ 1, (2.7)
где {vt, t = 1,…, n, n + 1} — последовательность независимых нормально распределенных случайных величин с нулевым средним и постоянной дисперсией у2, |р| < 1. Покажем, как можно использовать информацию об ошибках (2.7) для улучшения прогнозирования. Предположим, как и в начале этого раздела, что все параметры (в, р) известны. Но теперь в качестве оценки y величины Уn+i возьмем не x'n+1 в, как раньше, а
y = x'n+1 + p еn = x'n+1 в + р (yn-x'n). (2.8)
Нетрудно проверить, что
е = уn+1 — y =vn+1,
Откуда сразу следует, что Ее=0 и Ее2= у2v=(1-p2) у2е (2.9)
Таким образом, удается уменьшить ошибку прогноза по сравнению со случаем некоррелированных ошибок. 3]
Реально параметры регрессии неизвестны, поэтому при прогнозировании величины yn+1 в формуле (2.8) значения в и р заменяют их оценками:
Y= x'n+1 в + r (yn— x'nв) (3.0)
Мы не можем дать аналитическое выражение для среднеквадратичной ошибки прогноза. На практике используют формулу (2.9) с заменой величины у2v на ее оценку, получаемую из регрессии, при t=1.
Глава2. Пример построения прогноза по эконометрической модели
2.1 Точечное и интервальное прогнозирование, основанное на модели линейной регрессии
Проведем регрессионный анализ зависимости объема потребления (руб.) домохозяйства от располагаемого дохода (руб), отобрана выборка n=12 (помесячно в течение года).
Данные и расчеты представлены в таблице 1.
Табл.1 Исходные данные и расчеты.
месяц | |||||||||
10 320,38 | — 120,38 | 14 490,43 | |||||||
10 511,75 | — 11,75 | 138,07 | |||||||
10 607,44 | 192,56 | 37 080,27 | |||||||
10 894,50 | 105,50 | 11 130,44 | |||||||
11 564,31 | — 64,31 | 4135,66 | |||||||
11 755,68 | — 55,68 | 3100,64 | |||||||
11 851,37 | 48,63 | 2364,82 | |||||||
12 329,81 | 170,19 | 28 965,89 | |||||||
13 095,30 | 104,70 | 10 961,35 | |||||||
13 478,05 | — 478,05 | 228 533,84 | |||||||
13 956,49 | 143,51 | 20 595,73 | |||||||
14 434,92 | — 34,92 | 1219,66 | |||||||
сумма | 143 899,64 | 0,00 | 362 716,80 | ||||||
ср.знач. | 12 066,67 | 152 980 833,33 | |||||||
Согласно
Таким образом, уравнение парной регрессии имеет вид:. Можно сделать вывод, что объем потребления в среднем увеличивается на 81.8511 руб.
Рис. 3 Линейная регрессионная модель Для оценки дисперсии рассчитаем, а ряд фактических ошибок также, которые представлены в таблице.
Стандартная ошибка оценивания S=191, те в среднем наблюдаемые значения отличаются от расчетных на 191 руб.
Найдем стандартные ошибки оценок параметров
; .
;
Рассчитаем коэффициент детерминации :
Получаем, что оцененное уравнение на 99% объясняет поведение зависимой переменнойобъема потребления домохозяйства.
Проверим статистическую значимость коэффициентов регрессии и :
и .
Критическое значение при уровне значимости равно. Так как, то гипотеза о статистической значимости коэффициента отклоняется.
Определим доверительные интервалы коэффициентов регрессии по формуле прогнозирование регрессионный модель
где s (
которые с надежность 95% будут следующими:
для
для
Проверка гипотезы о статистической незначимости осуществляется с помощью критической статистики
Fнабл.=(n-2)*(R2/(1-R2)= 485 717>Fб=(p, p-n-1)=4,96
То есть гипотеза отвеграется с вероятностью ошибки б.
Произведем точечный прогноз по формуле:
Таб.2 Точечный прогноз
точечный прогноз | |||
месяц | прогноз | ||
(1)13 | 14 913,36 | ||
(2)14 | 15 391,80 | ||
(3)15 | 15 726,70 | ||
Рассчитаем границы интервала, в котором будет сосредоточено 95% возможных объемов потребления
Где Табл.3 Интервальный прогноз.
интервальный прогноз | |||||
месяц | точ.прогноз | нижняя граница доверит. инт-ла | верхняя граница доверит. инт-ала | ||
(1)13 | 14 913,36 | 14 443,73 | 15 382,99 | ||
(2)14 | 15 391,80 | 15 391,80 | 15 391,80 | ||
(3)15 | 15 726,70 | 15 726,70 | 15 726,70 | ||
Таким образом с доверительной вероятностью 0,999 (или 99,9%) можно утверждать, что сохранении сложившихся закономерностей развития прогнозируемая величина попадет в интервал, образованный нижней и верхней границами.
Заключение
Прогнозирование позволяет заглянуть в будущее и увидеть наиболее вероятные изменения в исследуемой области.
Анализ методов прогнозирования, изучение этих методов, использование их в разных сферах деятельности является мероприятием рационализаторского характера. Степень достоверности прогнозов можно затем сравнить с действительно реальными показателями, и, сделав выводы, приступить к следующему прогнозу уже с существующими данными, т. е. имеющейся тенденцией. Опираясь на полученные данные, можно во временном аспекте переходить на более высокую ступень развития и совершенствовать деятельность определенной сферы.
Изучив результаты работы можно признать цель работы в основном достигнутой. В нынешней ситуации, когда объем потребления и располагаемый доход является неотъемлемыми в нашей повседневной жизни, без контроля и планирования этой сферы нормальное функционирование национальной экономики практически невозможно. Поэтому нельзя не признать актуальность решаемых в курсовой работе задач.
По результатам проведенного исследования, решены следующие задачи:
1. Определены понятие «прогнозирование» и исследованы его особенности, позволяющие более глубже понять интересующую нас тему.
2. Рассмотрены точечное и интервальное, условное и безусловное прогнозирование.
3. Проанализировано прогнозирование при наличии авторегрессии ошибок.
4. Проведено точечное и интервальное прогнозирование, основанное на модели линейной регрессии.
Библиографический список
1. Гмурман В. Е. Теория вероятностей и математическая статистика: Учеб. пособие для вузов. — М.: Высшая школа, 2003. — 479 с.
2. Дорошенко О. В.
Введение
в эконометрику: практикум.-Краснодар: Кубан.гос.ун-т, 2012
3. Мангуст Я. Р., Катышев П. К., Пересецкий А. А., Эконометрика. Начальный курс.-М.:Дело, 2005
4. Нанивская В. Г., Андронова И. В. Теория экономического прогнозирования: Учебное пособие. — Тюмень: ТюмГНГУ, 2010. — 98 с.
5. Садовникова Н. А. Шмойлова Р.А., Анализ временных рядов и прогнозирование Выпуск 2 Учебное пособие Руководство по изучению дисциплины, Москва 2004
6.Эконометрика/ под ред. И. И. Елисеевой.-М.:Финансы и статистика, 2014