розглядаються лише як функція часу.
Відсутність урахування впливу зовн факторів не дозволяє осущ прогноз на долгосроч перспективу.
2.Метод гармонійних ваг базується на ідеї побудови так званих ковзних середніх трендів. Передбачається, що виконуються раніше перераховані передумови. Для опред-ия ковзаючого тренда вих ряд динаміки розбивають на фази (к). Число фаз д б менше довжини вих ряду. Зазвичай довжина фази дорівнює 3-5 рівням. Для кожної фази окремо визна рівняння тренду, яке найкращим чином описание тенденції, властиві цій фазі зміни явища. Для кожної фази рассчит лінійний тренд. На основі отриманих рівнянь тренду визна значення ковзаючого тренда. Визначаються ланцюгові абс прирости з теоретич значень (вирівняних), отриманих за ковзаючим трендам. . p> Прогноз осущ за моделлю:
.
У методі гармонійних ваг ср абс приріст НЕ явл величиною сталою, тобто після отримання кожного наступного прогнозного рівня процедура реалізації методу повторюється заново.
21. Прогнозування на основі кривих росту Гомперца і Перля-Ріда
Прогнозування соціально-економічних явищ на основі кривих росту (кривих насичення) стало застосовуватися порівняно недавно. Криві зростання добре себе зарекомендували і при прогнозуванні соціально-економічних явищ. Їх застосування в цьому випадку вимагає дотримання певних умов. p align="justify">. Вихідний часовий ряд повинен бути досить довгим (30-40 років). 2.Ісходное тимчасової ряд не повинен мати стрибків, і тенденція такого ряду повинна описуватися досить плавною кривою. 3.Використання кривих зростання в прогнозуванні соціально-економічних явищ може давати досить хороші результати, якщо межа насичення буде визначений порівняно точно. p align="justify"> Криві зростання відображають кумулятивні зростання до певного заздалегідь максимальній межі. Особливістю кривих зростання є те, що абсолютні збільшення зменшуються в міру наближення до межі. Однак процес зростання йде до кінця. Значення кривих зростання як методів статистичного прогнозування соціально-економічних явищ полягає в тому, що вони сприяють емпірично правильному відтворення тенденції розвитку досліджуваного явища. Найбільш поширеними кривими зростання, використовуваними в статистичній практиці прогнозування, є крива зростання Гомперца і крива зростання Перля-Ріда. Обидві криві, загалом, схожі одна на іншу і графічно зображуються S-подібної кривої. Особливістю рівнянь цих кривих є те, що їх параметри можуть бути визначені методом найменших квадратів лише приблизно. Для розрахунку параметрів цих кривих використовується ряд штучних методів, заснованих на розбитті вихідного ряду динаміки на окремі групи. Наприклад, для того щоб здійснити прогноз на основі кривої зростання Гомперца необхідно виконати наступне:
1. крива описується рівнянням:
. Прологаріфміровав рівняння, отримуємо:, де: lg a - логарифм максимального значення, до якого наближається прогнозний рівень явища; lg b - відстань, що відокремлює в кожен даний момент значення рівня від його максимального значення; с - має значення від нуля до одиниці; х - початок на шкалі х, до якого належить перше значення рівня (t = 0, 1, 2, ..., n);
. потім весь ряд динаміки розбивається на три приблизно рівні частини:
довжини ряду;
. для кожної виділеної частини розраховуються суми логарифмів значень рівнів;
. потім визначаються перші різниці за цими сумами:
. на підставі цих розрахунків отримаємо параметри рівняння з, які рассчит. наступним чином: де: n - число рівнів ряду в кожній частині;, можна прогнозувати, якщо
,
Поряд з кривої зростання Гомперца досить широкого поширення набула крива зростання Перля-Ріда, яка в прогнозуванні соціально-економічних явищ вперше була використана для демографічних розрахунків американським вченими - біологом Р. Перла і математиком Л. Рідом. Ця крива висловлює модифіковану геометричну прогресію, в якій зростання затухає у міру наближення до деякого певної межі. Так само, як і крива Гомперца, крива Перля-Ріда використовує той же штучний прийом для визначення параметрів кривої. Однак слід зазначити, що порівняно з кривою Гомперца прогнозні дані, отримані за цією кривою, мають деяку невизначеність. Крива росту Перля-Ріда описується рівнянням:
В
Параметри рівняння знаходяться наступним чином:
В
. Автокорреляция: причини виникнення та способи виявлення
Автокорреляция - це наявність сильної кореляційної залежності між послідовними рівнями часового ряду. Якщо при виявленні та моделюванні тенденції така залежність має позитивний характер, тому що при її наявності тренд проявляється більш чітко, то при моделюванні зв'язкових рядів динаміки (рядів динаміки, що характеризують взаємозв'язок 2 або більше показників, ...
