Головна

Критерії точності прогнозних розрахунків

  1.  А. При відсутності недостатності кровообігу
  2.  Адміністративні податкові правопорушення проти дотримання строку подання податкових деклараці? (розрахунків), обчислення податків та їх сплати
  3.  аналіз беззбитковості
  4.  Аналіз беззбитковості і визначення оптимального масштабу виробництва на основі залежності доходів і витрат
  5.  Аналіз беззбитковості рішень при зміні цін і витрат
  6.  Аналіз беззбитковості рішень при продажу взаємозамінних і взаємодоповнюючих товарів
  7.  Аналіз беззбитковості. Взаємозв'язок виручки, витрат і прибутку від реалізації продукції.

Розраховані за рівнянням тренду оцінки прийнято називати точковими, так як для кожного моменту часу визначається тільки одне значення прогнозованого показника. Імовірність того, що реальне значення в майбутньому співпаде з прогнозною оцінкою, невелика. Тому на додаток до точкового прогнозу визначають межі можливої ??зміни прогнозованого показника, тобто, фактично обчислюють інтервальний прогноз. Розбіжність фактичних значень з точковим прогнозом може бути викликано:

1) суб'єктивної помилкою при виборі виду кривої;

2) похибкою оцінювання параметрів кривих;

3) похибкою, пов'язаної з відхиленням окремих спостережень від кривої тренду.

Похибка, породжувана другим і третім джерелом, може бути відображена у вигляді довірчого інтервалу прогнозного значення

 , (2.31)

де  - Точковий прогноз на момент ;

 - значення t-Статистика Стьюдента;

 - Середня квадратична помилка прогнозу;

 - Довжина часового ряду;

- період попередження.

Для лінійної моделі тренду дисперсія  може бути представлена ??у вигляді

 (2.32)

де  - Дисперсія відхилень фактичних спостережень від розрахункових;

 - Час попередження, для якого робиться екстраполяція, ;

- Порядковий номер рівнів ряду, ;

 - Порядковий номер рівня, що стоїть в середині ряду.

Використовуючи формулу (2.32), довірчий інтервал можна представити у вигляді

 (2.33)

Довірчі інтервали прогнозів, отримані з використанням нелінійних моделей (експоненційної, статечної і т.д.), визначаються аналогічним чином. Відмінність полягає лише в тому, що як при обчисленні параметрів кривої, так і при обчисленні середньої квадратичної помилки використовуються перетворені значення рівнів часового ряду (наприклад, логарифми).

Найважливішими характеристиками якості прогнозної моделі є показники її точності. Показники розраховуються на основі помилок прогнозу. Помилка прогнозу - Величина, що характеризує розбіжність між фактичним і розрахунковим показником. Вона визначається за формулою

 (2.34)

де  - Фактичне значення показника;

 - Прогнозне значення показника.

Поряд з помилками (2.34) широко використовуються відносні помилки прогнозу, виражені у відсотках щодо фактичних значень показників

 (2.35)

Про точність моделі можна сформувати правильне уявлення щодо окремих прогнозними помилок, тому, крім миттєвих характеристик (помилка, відносна помилка), використовуються середні показники по модулю (абсолютні, відносні)

 (2.36)

 (2.37)

При проведенні порівняльної оцінки моделей може також використовуватися среднеквадратическая помилка прогнозу

 . (2.38)

Якщо наведені характеристики обчислюються для перспективного періоду, то їх обчислення можливо тільки в тому випадку, коли стануть відомі фактичні значення цього періоду.

Іноді в якості запобіжного якості прогнозної моделі може стати  - Відносне число випадків, коли фактичне значення охоплювалося інтервальним прогнозом

 (2.39)

де  - Число прогнозів, підтверджених фактичними даними;

- Число прогнозів, не підтверджених фактичними даними.

У разі, коли всі прогнози підтверджуються (  ), То  . Якщо жоден прогноз не підтверджується (  ), То .

коефіцієнт  можна використовувати для зіставлення по точності різних прогнозних моделей. Таке зіставлення коректно за умови, що для всіх зіставляються моделей довірчі ймовірності прийняті однаковими.



 Вирішуючи лінійну систему (2.26) за допомогою заміни |  Регресійний аналіз ПРОГНОЗ

 ПРОГНОЗУВАННЯ |  Сутність економічного прогнозування |  типологія прогнозів |  етапи прогнозування |  сутність екстраполяції |  Типи росту і трендові моделі |  Метод найменших квадратів (МНК) |  Загальний вигляд моделі множинної регресії |  Метод найменших квадратів в матричної формі |  Парна регресія як окремий випадок множинної |

© um.co.ua - учбові матеріали та реферати