Метод аналитического выравнивания заключается в нахождении аналитической функции, выражающей развитие явления за рассматриваемый период времени. При этом решаются следующие задачи: выбор вида уравнения, отображающего тип развития; анализ схемы сбора фактических данных и определение параметров модели; в) определение методов преобразования исходных данных с целью сведения сложных уравнений к более простым; г) выявление степени близости теоретических и фактических данных. Найденная модель позволяет получить выровненные или, как иногда называют, теоретические значения уровней, которые наблюдались бы при совпадении динамики явления с кривой найденной модели. По таким принципам можно построить частные модели, которые затем объединяются в комплексные модели, или системы моделей. Рассмотрим определение тенденции на основе полинома первой и второй степени, то есть прямой. Для уравнения прямой параметры определяются путем решения следующей системы нормальных уравнений методом наименьших квадратов:
10.5. Выбор формы тренда
Остановимся подробнее на проблеме выбора математической функции описания основной тенденции развития, то есть выбора подобной реальной динамике формы уравнения. Для отображения основной тенденции развития явлений во времени или модели этого процесса применяются разные уравнения, полиномы разной степени, экспоненты, логистические кривые и другие функции. Полиномы имеют следующий вид: полином первой степени , полином второй степени , (10.21) полином n-й степени . Наиболее простым путем решения проблемы выбора формы трендовой модели можно назвать графический, на базе общей конфигурации графика фактических уровней ряда. Однако при этом подходе риск ошибочного выбора кривой очень велик. Разные специалисты, исходя из одного итого же графика, могут прийти к разным заключениям по поводу формы уравнения. Правильность выбора уравнения в некоторой мере зависит от масштаба графика. Однако в несложных случаях подход графического выбора может дать вполне приемлемые результаты. Подбор класса выравнивающих кривых для временного ряда производится на основе качественного анализа представленного им процесса, а также если известны: (1,(2,(3…….(i – первые, вторые, третьи и т.д. разности или абсолютные ускорения; Tp(( - темпы роста первых абсолютных приростов уровней; ((lgyi первые абсолютные приросты логарифмов уровней; Тр – темпы роста. В этих случаях критерии выбора типа кривой следующие (табл.10.1). Таблица 10.1 Критерии выбора класса, выравнивающих кривых. Показатель Изменение уровней временного ряда Формула уравнения Наименование функции (( более или менее постоянные (yt=a0+a1t линейная (( уменьшающиеся (yt=a0+a1/t гиперболическая (( изменяющиеся с насыщением (yt=k/(1+be-at) логистическая ((( постоянны (yt=a0+a1t+ a2t2 параболическая 2-ой степени (((( постоянны (yt=a0+a1t+ a2t2+ a3t3 параболическая 3-ой степени ((((( постоянны (yt=a0+a1t+ a2t2+ a3t3+ a4t4 параболическая 4-ой степени Tp(1 постоянны (yt= a0(a1t ((yt=aet) экспоненциальная Tp(( Сначало быстро растут, а затем рост изменяется (yt=a0+a1lgt полулогарифмическая парабола ((lgyi изменяется с постоянным темпом роста (yt=kabt кривая Гомперца
Для полиномиальных моделей характерно отсутствие прямой связи между абсолютными приростами и приростами уровней рядов динамики. Предполагаемой функцией, отражающей процесс роста явления, может быть и экспонента или . Экспоненты характеризуют прирост, зависящий от величины основания функции. Прологарифмировав левую и правую части, найдем ; , то есть логарифмические кривые. После замены lg a0 = c0 и lg a1 = c1 получим уравнение , из которого видно, что логарифм ординаты линейно зависит от t. Вторая функция после логарифмирования дает уравнение логарифмической параболы , в котором темп прироста линейно зависит от времени. Надо помнить, что практика моделирования свидетельствует о том, что выбор тех или иных кривых всегда оказывается под воздействием представлений о желаемой форме кривой, и что на координатном поле, отображающем расстояние точек, можно построить бесконечное множество кривых. При этом необходимо отражать особенности процесса. Свойства процесса должны соответствовать свойствам функций, используемых для построения моделей. Надо иметь в виду, что отдельные уравнения выражают определенный тип динамики. Монотонное возрастание или убывание процесса характеризуют функции: линейная; параболическая; степенная; экспоненциальная простая (показательная) и производная от нее логарифмическая линейная; сложная экспоненциальная и производная от нее логарифмическая парабола; гиперболическая (главным образом убывающих процессов); комбинация их видов. Для моделирования динамических рядов, которые характеризуются стремлением к некоторой предельной величине, насыщением, применяются логистические функции. Логистическую функцию часто записывают в следующем виде: или , (10.22) где е— основание натуральных логарифмов. Логистическая кривая симметрична относительно точки перегиба и при стремится к нулю, а при стремится к некоторой постоянной величине, к которой кривая асимптотически приближается. Если найти вторую производную от yt по t и приравнять ее к нулю, то для логистической кривой, выражаемой через е, место положения точки перегиба кривой равно: ; . Тип процессов, характеризующихся наличием экстремальных значений, описывается кривой Гомперца, имеющей следующее выражение: . (10.23) Возможны четыре варианта этой кривой. Для экономистов наибольшее значение имеет кривая, у которой lg a0 < 0 и a1 < 1. Развитие уровня такой кривой имеет следующие этапы: если коэффициент a1 меньше единицы при отрицательном значении lg a0, то на первом этапе прирост кривой незначителен. Он медленно увеличивается по мере роста t, но на следующем этапе прирост увеличивается быстрее, а затем, после точки перегиба, прирост начинает уменьшаться; подойдя к линии асимптоты, прирост кривой опять незначителен. Прологарифмировав функцию Гомперца, получим: . Следовательно, после логарифмирования получим модифицированную экспоненту. Введя в модифицированной экспоненте величину, обратную yt, получим сходство с кривой Гомперца. Однако различие состоит в том, что изменение во времени первых разностей кривой Гомперца асимметрично, а у логистической кривой их изменение во времени имеет симметричный вид, напоминающий нормальное распределение. При выборе формы тренда наряду с теоретическим анализом закономерностей развития изучаемого явления используются эмпирические методы, такие как: расчет и анализ средней квадратической ошибки; критерий наименьшей суммы квадратов отклонений эмпирических и теоретических значений уровней временного ряда. метод разностного исчисления; метод дисперсионного анализа; Средняя квадратическая ошибка определяется по формуле: , (10.24) где k — число параметров уравнения. Чем меньше значение ошибки, тем функция наилучшим образом описывает тенденцию исходного временного ряда. На основе приведенного выше примера рассмотрим порядок расчета средней квадратической ошибки по линейному тренду и параболе второго порядка показателя объема платных услуг населению РФ. Критерий наименьшей суммы квадратов отклонений эмпирических уровней от теоретических также предполагает, что наилучшим образом тенденция описывается трендом, которому соответствует наименьшее значение суммы квадратов отклонений. Дисперсионный метод анализа основывается на сравнении дисперсий. Суть метода в следующем: общая дисперсия временного ряда делится на две части: вариация вследствие тенденции Vf(t); случайная вариация V( : Vобщ = Vf(t) + VEt Общая вариация определяется как сумма квадратов отклонений эмпирических значений уровней ряда (yt) от среднего уровня исходного временного ряда ( ), то есть из выражения вида: . (10.25) Случайная вариация — это сумма квадратов отклонений эмпирических значений уровней (yt) от теоретических полученных по уравнению тренда ( ), и определяется по выражению следующего вида: . (10.26) Вариация вследствие тенденции определяется как разность общей и случайной вариаций из выражения вида: Vf(t) = Vобщ - V(. (10.27) На основе рассмотренных показателей вариации определяются различные виды дисперсии: общая дисперсия: ; (10.28) дисперсия случайного компонента: , (10.29) где k — число параметров уравнения тренда. дисперсия тенденции: . (10.30) Выдвигается и проверяется гипотеза о том, что подходит или не подходит рассматриваемое уравнение тренда для описания тенденции исходного временного ряда. Гипотеза проверяется на основе F-критерия Фишера-Снедекора, расчетное значение которого определяется по следующей формуле: , если (10.31) Критическое значение критерия определяется по таблице табулированных значений (приложение ) следующим образом:
Если Fp > Fкр при заданном уровне значимости ( и числе степеней свободы ((1 = k - 1, (2 = n - k), то уравнение тренда подходит для отражения тенденции исходного временного ряда. Анализ необходимо начинать с более простого уравнения к сложным, пока не подойдет. Отдельно взятый критерий или метод при выборе формы тренда не обеспечивает правильность ее выбора. Необходим обязательно учет специфики объекта исследования, методов прогнозирования и оценки точности и надежности получаемых прогнозов. После того, как определена форма трендовой модели (уравнения), необходимо проанализировать наличие, характер и закон распределения отклонений эмпирических значений от теоретических, полученных по уравнению тренда.
Ви переглядаєте статтю (реферат): «Модели тенденции бизнес-процессов» з дисципліни «Бізнес-статистика та прогнозування»
