. При цьому втрачаються не тільки прогностичні, а й пізнавальні св-ва таких моделей, тк в обох випадках виключається основна тенденція розвитку. p> Сильнішими прогнозними св-вами володіють моделі, в кіт в кач-ве додаткового фактора ісп час (моделі методом Фріша-Воу). Але в цьому випадку прогнозні св-ва моделі будуть базуватися на тому, що всі факторні ознаки описуються тільки однієї ф-ої тренда. Фактор часу заводиться в лінійній формі. На практиці можливе допущення, що фактор часу визна НЕ лінійною функцією. Це допущення можливо у випадку, якщо на основі перебору різних форм трендових моделей дослідником доведено, що більшість (70%), якщо не всі факторні ознаки і результативний змінюються по 1 і того ж полиному, відмінному від лінійного. p> У отд випадках для розширення прогностичних св-у вихідних даних і виключення автокореляції йдуть на значне збільшення вихідних спостережень. Те ісп-ється штучний метод В«заводи-роківВ». Моделі, побудовані за зв'язковим рядах динаміки, володіють слабкими прогностичними св-вами і м б ісп-ни для побудови короткострокових прогнозів. А в отд випадках - середньострокових, при виконанні таких умов:
. всі факторні ознаки і модельований д мати тенденцію, описувану лінійним трендом.
. Наявність дост довгих рядів динаміки з тим, щоб отримати ряди к-тів регресії, на основі яких визначати прогнозні оцінки факторних ознак з подальшим включенням їх до прогнозну модель. br/>
. Оцінка точності і надійності прогнозів
Про точність прогн. можна говорити лише як про інтервал очікуваних результатів. Надійність прогнозу - оцінка довірить інтервалів прогнозу для заданої ймовірності його здійснення. При оцінці точності необхідно враховувати час попередження, надійність, величину помилки прогнозу. Емпіричної мірою точності прогнозу , служить величина його помилки, яка визначається як різниця між прогнозними і фактичними значеннями досліджуваного показника (СКО, мах 9,9%) Даний підхід можливий тільки в двох випадках:
а) період попередження відомий, вже закінчився, і дослідник має необхідними фактичними значеннями прогнозованого показника, б) будується ретроспективний прогноз, тобто розраховуються прогнозні значення показника для періоду часу, за який вже є фактичні значення.
Абсолют. і відносить. помилки прогнозу м.б. розраховані у разі наявності даних ретроспективного прогнозу.
Всі показники оцінки точності статистичних прогнозів умовно можна розділити на три групи:
аналітичні; - порівняльні; - якісні.
Аналітичні показники точності прогнозу дозволяють кількісно визначити величину помилки прогнозу. До них відносяться: Абсолютна помилка прогнозу ( ? *) визначається як різниця між емпіричними і прогнозними значеннями ознаки і обчислюється за формулою: , де: - прогнозне значення ознаки; у t - фактичне значення ознаки
Відносна помилка прогнозу (d ош ) може бути визначена як відношення абсолютної помилки прогнозу ( ? *):
а) до фактичного значенню ознаки (уt):
б) до прогнозного значенню ознаки :
Тому на практиці іноді визначають не помилку прогнозу, а деякий коефіцієнт якості прогнозу (Кк), який показує співвідношення між числом збіглися (с) і загальним числом збіглися (с) і несовпавшіх (н) прогнозів і визначається за формулою: Кк = с/(с + н), [0; 1]
Середнім показником точності прогнозу є середня абсолютна помилка прогнозу , яка визначається як середня арифметична проста з абсолютних помилок прогнозу за формулою виду:
,
де: n - довжина часового ряду.
Для оцінки точності прогнозу використовується середня квадратична помилка прогнозу , що визначається за формулою: (при прогн методом екстраполяції трендів або методами , що містять поліноми різних ступенів, в знаменнику буде (nk-1), k-число параметрів моделі)
, [0;], [0;]