Аналитическое выравнивание динамического ряда МНК

Выравнивание динамического ряда, его цель, метод скользящей средней.

Распространенным приемом при выявлении тенденции развития является сглаживание ряда динамики. Суть различных приемов сглаживания сводится к замене фактических уровней ряда расчетными уровнями, которые в меньшей степени подвержены колебаниям. Это способствует более четкому проявлению тенденции развития. Метод простой скользящей средней. Сглаживание ряда динамики с помощью скользящей средней заключается в том, что вычисляется средний уровень из определенного числа первых по порядку уровней ряда, затем средний уровень из такого же числа уровней, начиная со второго, далее – начиная с третьего и т.д. Таким образом, при расчете средних уровней они как бы «скользят» по ряду динамики от его начала к концу, каждый раз отбрасывая один уровень вначале и добавляя один следующий. Отсюда название – скользящая средняя.

Каждое звено скользящей средней – это средний уровень за соответствующий период, который относится к середине выбранного периода, если число уровней ряда динамики нечетное. Нахождение скользящей средней по четному числу членов рядов динамики несколько сложнее, так как средняя может быть отнесена только к середине между двумя датами, находящимся в середине интервала сглаживания. Например, средняя, найденная для четырех уровней, относится к середине между вторым и третьим, третьим и четвертым уровнями и так далее. Чтобы ликвидировать такой сдвиг, применяют так называемый способ центрирования. Центрирование заключается в нахождении средней из двух смежных скользящих средних для отнесения полученного уровня к определенной дате. При центрировании необходимо находить скользящие суммы, скользящие средние нецентрированные по этим суммам и средние из двух смежных нецентрированных скользящих средних. Недостаток метода простой скользящей средней состоит в том, что сглаженный ряд динамики сокращается ввиду невозможности получить сглаженные уровни для начала и конца ряда. Этот недостаток устраняется применением метода аналитического выравнивания для анализа основной тенденции.

Аналитическое выравнивание предполагает представление уровней данного ряда динамики в виде функции времени – y = f(t). При таком подходе изменение явления связывают лишь с течением времени, считается, что влияние других факторов несущественно или косвенно сказывается через фактор времени. Правильно построенная модель должна соответствовать характеру изменения тенденции исследуемого явления. Выбранная функция позволяет получить выровненные или теоретические значения уровней ряда динамики. Для отображения основной тенденции развития явлений во времени применяются различные функции: полиномы разной степени, экспоненты, логистические кривые и другие виды.

Оценка параметров в моделях находится МНК. Суть его состоит в определении таких параметров (коэффициентов), при которых сумма квадратов отклонений расчетных значений уровней от фактических значений была бы минимальной. Таким образом, эти оценки находятся в результате минимизации выражения: В результате минимизации выражения получается система нормальных уравнений:

Система, состоящая из “р” уравнений, содержит в качестве известных величин Σy, Σyt,...,Σyt_p, то есть суммы наблюдаемых значений уровней динамического ряда, умноженные на показатели времени в степени 1,2,...,р и неизвестных величин a_j. Решение этой системы относительно a₀, a₁,...,a_p и дает искомые значения параметров. Системы для расчета параметров полиномов невысоких степеней намного проще: прямая парабола

Дата добавления: 2015-04-24