Тема 11. Производственные функции

Авторегрессия

Прогнозирования на основе регрессионных моделей

Аналогично прогнозированию по тренду. Однако, для прогноза необходимо знать прогнозные значения рядов-факторов. Это несколько затрудняет экстраполяцию, но несущественно для интерполяции, где регрессия даёт лучший (чем тренд) результат.

Для экстраполяции на N периодов можно построить регрессию к факторам, сдвинутым на N периодов. (Напр., искать зависимость выпуска продукции о закупки сырья не в том же месяце, а 3 месяца назад. Тогда уже известная закупка сырья в последнем месяце даст прогноз выпуска через 3 месяца.)

При отсутствии прогнозных значений факторов для прогнозирования можно использовать авторегрессию, т.е. зависимость текущих значений динамического ряда от своих значений в прошлом, или иначе: Авторегрессия – регрессия, где в качестве факторов выступают сдвинутые во времени копии изучаемого ряда.

Для построения авторегрессии необходимо сначала построить сдвинутые ряды, для которых значение в первом [по крайней мере] прогнозном периоде известно. Опираясь на значения сдвинутых рядов (факторов регрессии), получается первое прогнозное значение, которое «удлиняет», наряду с изучаемым рядом, и сдвинутые. Это позволяет получить следующее прогнозное значение и т.д.

Рисунок 1‑18 Авторегрессия

Авторегрессия даёт хорошие результаты для прогнозирования строго периодических рядов.

Специфически экономической регрессией является идея о производственной функции.

Дата добавления: 2014-01-05