Применение в анализе рядов динамики методов укрупнения интервалов и скользящей средней позволяет выявить тренд для его описания, но получить обобщенную оценку тренда с помощью этих методов невозможно. Измерение тренда достигается с помощью метода аналитического выравнивания. Исследуемые динамические ряды товарооборота не имеют явной тенденции к росту, спаду или постоянству, и форма связи неочевидна. В этом случае расчет модели производится с применением нескольких уравнений регрессии. [c.184]
Смешанная модель авторегрессии и скользящего среднего 363 Смещенные оценки коэффициентов регрессии 269 Спецификация модели 405 Сплайн 328—334 [c.474]
Глава 8 посвящена рассмотрению стохастических регрессо-ров и использованию специальных методов инструментальных переменных. Здесь же дано описание специальных моделей временных рядов (авторегрессионных, скользящей средней, с распределенными лагами и их модификаций), позволяющих наиболее эффективно решать задачи анализа и прогнозирования временных рядов. [c.4]
Общий вывод таков лучше использовать несколько методов прогнозирования, а не ограничиваться каким-то одним. В первую очередь, стоит подумать о Делъфи, подкрепляя этот метод анализом временных рядов и скользящими средними. Чтобы объяснить некоторые из полученных тенденций, можно воспользоваться барометрическим подходом (чтобы специально посмотреть, как продажи продукта связаны с покупками потребителей, как-то продажи экскаваторов и строительство новых домов). В несколько более длительной перспективе по причине использования ресурсов выгоднее один раз построить простую модель множественной регрессии и использовать ее с помощью любого табличного процессора, такого как Lotus 1-2-3. [c.211]
ТРЕНД [trend, time trend] —длительная ("вековая") тенденция изменения экономических показателей. Когда строятся экономико-математические модели прогноза, Т. оказывается основной составляющей прогнозируемого временного ряда, на которую уже накладываются другие составляющие (напр., сезонные колебания). Среди способов выявления Т. наибольшее распространение имеют метод наименьших квадратов и разные способы выравнивания временных рядов (по средней, скользящей средней и т.д.). Линейный тренд имеет вид у = а + Ы, где t — время а и Ъ — параметры, которые можно выявить методом наименьших квадратов. График такой функции — прямая. Степенной тренд может иметь вид yt- A tb, где параметры А и Ь находятся из линейной регрессии после логарифмирования In yt = In A + b In t. При b > 1 степень роста показателя выше, чем у линейного тренда, при Ъ < 1 — ниже, чем у линейного. [c.368]
МЕТОД ПРОГНОЗИРОВАНИЯ СТАТИСТИЧЕСКИЙ — метод прогнозирования, опирающийся на методы математической статистики и распадающийся на два этапа. Первый этап (индуктивный) заключается в обобщении данных и представлении соответствующих закономерностей в виде экономико-статистической модели. В ходе второго этапа (дедуктивного) составляется непосредственно сам прогноз. В качестве прогностических моделей применяются различные виды средних, в том числе скользящих и экспоненциальных, уравнения трендов, регрессии, авторегресеии, эконометриче-ские модели и т. д. Получаемые на их основе прогнозы имеют смысл только в рамках тех условий, гипотез и предположений, которые были учтены при разработке соответствующих моделей. [c.369]