При этом возникают две основные проблемы.
Во-первых, автокорреляция, которая была рассмотрена выше, во-вторых, существование лага, т.е. смещение во времени изменения одного показателя по сравнению с изменением другого. Для учета лага в развитии двух взаимосвязанных показателей необходимо сдвинуть уровни ряда относительно другого на некоторый промежуток времени, чтобы получить более правильную оценку коэффициента регрессии.
Подробнее »Прогнозные возможности построенной линии тренда оцениваются по показателям среднеквадратического отклонения от тренда фактических показателей ряда, величины доверительного интервала (для различных вероятностей).
После построения линии тренда проводится анализ ряда динамики с целью выявления сезонных и случайных колебаний тренда. Погрешность модели определяется на основе среднеквадратических отклонений фактических значений ряда от линии тренда за счет сезонных и случайных факторов.
Прогнозирование изменения показателя (экстраполяция) осуществляется на основе построенной линии тренда с добавлением в расчетный показатель фактора сезонности.
За построением регрессионной модели в стандартизированном масштабе осуществляется переход к модели в натуральном масштабе – перевод стандартизированных коэффициентов множественной регрессии в прямые. Последние показывают абсолютный размер влияния факторов на уровень результативного признака ух при стабильном уровне других факторов.
Для прогнозирования экономических процессов применяется анализ временных рядов, дополняющий построенную регрессионную модель возможностью составления качественного прогноза изменения факторов. Это, в свою очередь, позволяет оценить перспективное состояние исследуемого процесса.
Комментарии