Задача по экономико-математическому моделированию с решением
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 приведен в таблице.
Номер наблюдения ( t = 1,2,…,9)
Требуется:
1. Проверить наличие аномальных наблюдений.
2. Построить линейную модель Y(t) = a0 + a1t, параметры которой оценить МНК (Y(t)) – расчетные, смоделированные значения временного ряда).
3. Оценить адекватность построенных моделей, используя свойства независимости остаточной компоненты, случайности и соответствия нормальному закону распределения (при использовании R/S–критерия взять табулированные границы 2,7-3,7).
4. Оценить точность моделей на основе использования средней относительной ошибки аппроксимации.
5. По двум построенным моделям осуществить прогноз спроса на следующие две недели (доверительный интервал прогноза рассчитать при доверительной вероятности p = 70%)
6. Фактические значения показателя, результаты моделирования и прогнозирования представить графически.
Решение
1). Наличие аномальных наблюдений приводит к искажению результатов моделирования, поэтому необходимо убедиться в отсутствии аномальных данных. Для этого воспользуемся методом Ирвина и найдем характеристическое число ( ) (таблица 4.1).
Расчетные значения сравниваются с табличными значениями критерия Ирвина, и если они оказываются больше табличных, то соответствующее значение уровня ряда считается аномальным.
Все полученные значения сравнили с табличными значениями, не превышает их, то есть, аномальных наблюдений нет.
2) Построить линейную модель , параметры которой оценить МНК ( — расчетные, смоделированные значения временного ряда).
Для этого воспользуемся Анализом данных в Excel (рис. 4.2).
Результат регрессионного анализа содержится в таблице 4.2 и 4.3.
Таблица 4.2
Коэффициенты Стандартная ошибка t-статистика
Y-пересечение а0 1,944 0,249 7,810
t a1 2,633 0,044 59,516
Во втором столбце табл. 4.3 содержатся коэффициенты уравнения регрессии а0, а1, в третьем столбце – стандартные ошибки коэффициентов уравнения регрессии, а в четвертом – t – статистика, используемая для проверки значимости коэффициентов уравнения регрессии.
Уравнение регрессии зависимости (спрос на кредитные ресурсы) от (время) имеет вид (рис. 4.5).
Таблица 4.3
Вывод остатков
ВЫВОД ОСТАТКА
Наблюдение Предсказанное Y Остатки
1 4,58 0,42
2 7,21 -0,21
3 9,84 0,16
4 12,48 -0,48
5 15,11 -0,11
6 17,74 0,26
7 20,38 -0,38
8 23,01 -0,01
9 25,64 0,36
3) Оценить адекватность построенных моделей, используя свойства независимости остаточной компоненты, случайности и соответствия нормальному закону распределения (при использовании R/S-критерия взять табулированные границы 2,7—3,7).
Модель является адекватной, если математическое ожидание значений остаточного ряда случайны, независимы и подчинены нормальному закону распределения.
3.1. Проверим независимость (отсутствие автокорреляции) с помощью d – критерия Дарбина – Уотсона по формуле:
Т.к. расчетное значение d попадает в интервал от 0 до d1, т.е. в интервал от 0 до 1,08, то свойство независимости не выполняется, уровни ряда остатков содержат автокорреляцию. Следовательно, модель по этому критерию неадекватна.
3.2. Проверку случайности уровней ряда остатков проведем на основе критерия поворотных точек. P > [2/3(n-2) – 1, 96 √ (16n-29)/90]
Количество поворотных точек равно 6 (рис.4.5).
Неравенство выполняется (6 > 2). Следовательно, свойство случайности выполняется. Модель по этому критерию адекватна.
3.3. Соответствие ряда остатков нормальному закону распределения определим при помощи RS – критерия:
— максимальный уровень ряда остатков,
— минимальный уровень ряда остатков,
— среднеквадратическое отклонение,
Расчетное значение попадает в интервал (2,7-3,7), следовательно, выполняется свойство нормальности распределения. Модель по этому критерию адекватна.
3.4. Проверка равенства нулю математического ожидания уровней ряда остатков.
В нашем случае , поэтому гипотеза о равенстве математического ожидания значений остаточного ряда нулю выполняется.
В таблице 4.3 собраны данные анализа ряда остатков.
Таблица 4.3
Проверяемое свойство Используемые статистики Граница Вывод
наименование значение нижняя верхняя
Независимость d-критерий 0,85 1,08 1,36 неадекватна
Случайность Критерий поворотных точек 6>2 2 адекватна
Нормальность RS-критерий 2,81 2,7 3,7 адекватна
Среднее=0? t-статистика Стьюдента 0 -2,179 2,179 адекватна
Вывод: модель статистики неадекватна
4) Оценить точность модели на основе использования средней относительной ошибки аппроксимации.
Для оценки точности полученной модели будем использовать показатель относительной ошибки аппроксимации, который вычисляется по формуле:
, где
Расчет относительной ошибки аппроксимации
Если ошибка, вычисленная по формуле, не превосходит 15%, точность модели считается приемлемой.
5) По построенной модели осуществить прогноз спроса на следующие две недели (доверительный интервал прогноза рассчитать при доверительной вероятности р = 70%).
Воспользуемся функцией Excel СТЬЮДРАСПОБР. (рис. 4.10)
t = 1,12
Для построения интервального прогноза рассчитаем доверительный интервал. Примем значение уровня значимости , следовательно, доверительная вероятность равна 70 %, а критерий Стьюдента при равен 1,12.
Ширину доверительного интервала вычислим по формуле:
Вычисляем верхнюю и нижнюю границы прогноза (таб. 4.11).
Таблица прогноза
n +k U (k) Прогноз Формула Верхняя граница Нижняя граница
10 U(1) =0.84 28.24 Прогноз + U(1) 29.сен 27.40
11 U(2) =1.02 30.87 Прогноз — U(2) 31.89 29.85
6) Фактические значения показателя, результаты моделирования и прогнозирования представить графически.
Преобразуем график подбора (рис. 4.5), дополнив его данными прогноза.