Главная Случайная страница


Категории:

ДомЗдоровьеЗоологияИнформатикаИскусствоИскусствоКомпьютерыКулинарияМаркетингМатематикаМедицинаМенеджментОбразованиеПедагогикаПитомцыПрограммированиеПроизводствоПромышленностьПсихологияРазноеРелигияСоциологияСпортСтатистикаТранспортФизикаФилософияФинансыХимияХоббиЭкологияЭкономикаЭлектроника






Прогнозирование на основе тренда и колеблемости

Прогнозирование возможных значений признаков изучаемого объекта — одна из основных задач науки. В ее решении роль статистических методов очень значительна. Одним из них является расчет прогнозов на основе тренда и колеблемости динамического ряда до настоящего времени. Если мы будем знать, как быстро и в каком направлении изменились уровни какого-то признака, то сможем узнать, какого значения достигнет уровень спустя известное время. Методика статистического прогноза по тренду и колеблемости основана на их экстраполяции, т.е. на предположении, что параметры тренда и колебаний сохраняются до прогнозируемого периода. Такая экстраполяция справедлива, если система развивается эволюционно в достаточно стабильных условиях. Чем крупнее система, тем выше вероятность сохранения параметров ее изменения, конечно, на срок не слишком большой! Обычно рекомендуют, чтобы срок прогноза не превышал 1/3 длительности базы расчета тренда.

В отличие от прогноза на основе регрессионного уравнения прогноз по тренду учитывает факторы развития только в неявном виде, и это не позволяет «проигрывать» разные варианты прогнозов при разных возможных значениях факторов, влияющих на изучаемый признак. Зато прогноз по тренду охватывает все факторы, в то время как в регрессионную модель невозможно включить в явном виде более 10—20 факторов в самом лучшем случае.

 

 

Сущность прогноза на основе тренда хорошо иллюстрируется следующим рассказом о греческом философе Диогене, жившем в большой бочке на берегу Саронического залива, недалеко от афинского порта Пирея. Как-то вечером Диогена стал окликать снаружи неизвестный. Диоген вышел к нему. «Скажи, мудрый человек, — спросил путник, — дойду ли я к закату в Афины?» Диоген посмотрел на него и сказал: «Иди!» Путник повторил свой вопрос. «Иди!», — закричал Диоген, и путник, пожав плечами, побрел по берегу. «Вернись!», — снова закричал Диоген, и путник вернулся к нему. «Вот теперь я тебе скажу, что до заката ты не дойдешь до Афин. Оставайся у меня». «А почему же ты сразу мне это не сказал, а прогнал меня?» Диоген усмехнулся: «А как же я скажу, дойдешь ли ты до Афин, если я не видел, как быстро ты ходишь?» Прогноз по тренду — это и есть Диогенов прогноз на основе того, как изучаемая система «шла» до настоящего времени.

Рассмотрим методику прогнозирования по тренду с учетом колеблемости на примере цен на нетопливные товары развивающихся стран, тренд и колеблемость которых были измерены в подразд. 12.6 и 12.7 (табл. 12.5 и 12.8). За основу прогнозов возьмем параметры, полученные методом многократного скользящего выравнивания. Параллельно будет показана и методика расчетов при однократном выравнивании.

Это означает, что наиболее вероятное значение индекса цен на нетопливные товары развивающихся стран в 1998 г. составит около 89% к уровню цен 1990 г., принятому за 100%. Однако параметры тренда, полученные по ограниченному числу уровней ряда, — это лишь выборочные средние оценки, не свободные от влияния распределения колебаний отдельных уровней во времени, как уже сказано ранее. При изменении базы расчета тренда, если, скажем, взять 1977—1993 гг. или 1981 — 1997 гг., были бы получены несколько иные значения параметров, а значит, и другие значения р1998- Прогноз должен быть вероятным, как всякое суждение о будущем.

 

513

 

514

Из имеющейся информации нельзя извлечь больше, чем в ней содержится: как в физике действует закон сохранения массы и энергии, импульса («количества движения»), так здесь действует закон сохранения информации: увеличивая точность, мы понижаем надежность, увеличивая надежность — понижаем точность. Методика анализа и прогнозирования тоже имеет значение. Она определяет степень полноты извлечения информации, содержащейся в исходном ряду динамики. С помощью методики многократного выравнивания удается более полно извлечь информацию о тренде и уменьшить среднюю ошибку прогноза его положения в прогнозируемом периоде с 5,44 до 4,39. Однако, как видно из (12.41), главной составляющей ошибки прогноза конкретного уровня в нашем расчете является не ошибка прогноза положения тренда, а колеблемость уровней около тренда. Поэтому ошибка прогноза конкретного уровня незначительно сократилась за счет многократного выравнивания. При слабой колеблемости уровней и прогнозировании на значительное удаление от базы главную роль станет играть ошибка положения тренда. Тогда многократное выравнивание даст значительное сокращение средней ошибки прогноза конкретных уровней. Но в любом случае эта ошибка всегда больше показателя колеблемости уровней — среднего квадратического отклонения Sy^K В указанной литературе содержатся формулы для вычисления средней ошибки прогноза положения линии тренда при параболической и экспоненциальной его формах . Если средняя ошибка положения тренда вычислена, ошибку конкретного уровня при любой форме тренда вычисляют по формуле (12.41).

--------------------------------------

'Четыркин Е. М. Статистические методы прогнозирования. — М.: Статистика, 1977.

2Юзбашев М. М., Манелля А. И. Статистический анализ тенденций и колеблемости. — М.: Финансы и статистика, 1983.

Корреляция рядов динамики

 

В главах, посвященных статистическому изучению взаимосвязей методом аналитической группировки и методом корреляционного анализа, рассматривались зависимости между признаками, варьирующими в пространственной совокупности. Но необходимо изучать и связи, проявляющиеся в развитии, во времени. Например, есть ли связь между изменениями урожайности сельскохозяйственных культур и изменениями ее себестоимости, рентабельности? Есть ли связь между динамикой рождаемости и динамикой обеспеченности населения жильем? К сожалению, проблема изучения причинных связей во времени очень сложна, и полное решение всех задач такого рода до сих пор не разработано.

Характерным примером для иллюстрации особенностей методики анализа корреляции в рядах динамики служит связь динамики урожайности сельскохозяйственных культур с себестоимостью продукции в 1970—-1980-е гг. в СССР. Официально тогда не признавалось наличие инфляции. Однако даже в тех хозяйствах, где применение агротехники прогрессировало и урожайность имела тенденцию роста, себестоимость продукции тоже возрастала. Такой пример представлен в табл. 12.15.

Основная сложность состоит в том, что, как показано в подразд. 12.10, при наличии тренда за достаточно длительный период большая часть суммы квадратов отклонений связана с трендом. Если два признака имеют тренды с одинаковым направлением изменения уровней, то между уровнями этих признаков будет наблюдаться положительная ковариация. И в одном, и в другом ряду уровни более поздних лет будут либо больше, либо меньше уровней более ранних периодов. Коэффициент корреляции уровней окажется положительным. При разной направленности трендов ковариация уровней и коэффициент их корреляции окажутся отрицательными.

Но одинаковая направленность трендов вовсе не означает причинной зависимости. Например, рост производства ракет не причина происходившего в тот же период роста производства мяса. Гораздо вероятнее, что при отсутствии гонки производства ракетного оружия производство мяса росло бы значительно быстрее. А коэффициенты корреляции уровней

 

517

518

519

520

уровня) урожайности 10 341 большую часть составляет дисперсия за счет колеблемости 7678, то для себестоимости преобладающим моментом общей дисперсии, равной 405,16, является не колеблемость, дающая только 133,43, а тренд; это эффект скрытой инфляции до 1989 г.

Другим приемом измерения корреляции в рядах динамики может служить корреляция между теми из цепных показателей рядов, которые являются константами уравнений трендов. При линейных трендах — это цепные абсолютные приросты. Вычислив их по исходным рядам динамики (axi, ayj), находим коэффициент корреляции между абсолютными изменениями по формуле (12.43) или, что более точно, по формуле (12.42), так как средние изменения не равны нулю в отличие от средних отклонений от трендов. Допустимость данного способа основана на том, что разность между соседними уровнями в основном состоит из колебаний, а доля тренда в них невелика, следовательно, искажение корреляции от тренда очень большое при кумулятивном эффекте на протяжении длительного периода, весьма мало — за каждый год в отдельности. Однако нужно помнить, что это справедливо лишь для рядов с с-по-казателем, существенно меньшим единицы. В нашем примере для ряда урожайности с-показатель равен 0,144, для себестоимости он равен 0,350. Коэффициент корреляции цепных абсолютных изменений составил 0,928, что очень близко к коэффициенту корреляции отклонений от трендов.

Для рядов с тенденцией, близкой к экспоненте, следует рекомендовать корреляцию цепных темпов роста. Вычисление корреляции рядов динамики по цепным показателям не требует предварительного вычисления трендов, но все же желательно иметь приближенное представление о характере тенденции. Для параболических трендов с не очень большими ускорениями можно коррелировать цепные абсолютные изменения; при больших ускорениях лучше их не коррелировать. Если коррелируемые ряды имеют разные типы тенденций, вполне допустимо коррелировать соответствующие разные цепные показатели: абсолютные изменения в одном ряду с темпами изменений в другом и т.д.

 

К сожалению, все вышеизложенные приемы, по существу, решают только задачу измерения связи между колебаниями признаков, а не между тенденциями их изменений. Насколь-

 

ко допустимо переносить выводы о тесноте связи между колебаниями на связь динамических рядов в целом, зависит от материального, качественного содержания процесса и причинного механизма связи. Это проблема, выходящая далеко за пределы статистической науки. Если колебания урожайности являются на самом деле следствиями колебания суммы осадков за лето, т.е. корреляция именно колебаний отвечает сущности причинной связи, то, например, причинную связь между дозой удобрений и урожайностью нельзя свести к зависимости только между колебаниями. Здесь главное — причинная связь тенденций, а измерять ее мы так и не научились.

Завершая этим признанием главу о статистическом анализе рядов динамики, дадим последние методологические советы изучающим статистику.

Всякая наука — это процесс продолжающегося познания природы и общества. Нет наук законченных, которые следует лишь выучить наизусть, чтобы все знать. Учебники и учебные пособия — лишь сжатые и неполные изложения уже достигнутого наукой уровня познания. Изучайте специальную литературу, если хотите больше знать, а также новейшие достижения ученых всего мира.

Не считайте и себя только «сосудами для вливания» знаний. Познав известное, вы можете (и должны!) внести свой вклад в дальнейшее развитие теории статистики. «Если не я, то кто же?»

 

РЕЗЮМЕ

 

Динамический ряд включает значения показателя за последовательные периоды или моменты времени. Каждое значение показателя называется уровнем ряда.

Динамика показателя может включать тенденцию и колебания (отклонения от тенденции). Колебания могут быть регулярными (циклическими), в том числе сезонными, и нерегулярными (случайными). Тенденция динамики связана с действием долговременных причин и условий развития. Колебания связаны с действиями краткосрочных или циклических факторов.

Тенденция и колебания хорошо видны на графике.

 

Изменения уровней временного ряда характеризуют абсолютные и относительные показатели динамики: абсолютный прирост (цепной и базисный), ускорение абсолютного изменения, темп роста (цепной и базисный), темп роста, абсолютное значение одного процента прироста.

Средний уровень динамического ряда рассчитывается по формуле средней арифметической простой (для интервального ряда) либо взвешенной (для моментного ряда) и используется для обобщенной характеристики периода развития, для сравнения средних достижений в разные периоды. Средний темп динамики рассчитывается по формуле средней геометрической. Средний абсолютный прирост определяется по формуле средней арифметической. Расчет среднегодового темпа динамики, требуемого для достижения заданного уровня, проводится по формуле А. и И. Соляников.

При параболической тенденции среднегодовые темпы легко получить, пользуясь таблицей, составленной Л. С. Казинцом [4].

При анализе динамики важно оценивать продолжительность срока, за который один объект («отстающий») может догнать другой объект («передовой»).

Для выявления тренда нужно решить: были ли условия развития достаточно однородными, каков характер действия основных факторов развития?

Среди основных форм тренда выделяются: линейный, параболический, экспоненциальный, логарифмический, тренд в форме степенной функции, гиперболы, логистической форме.

Для выявления тенденции и устранения колебаний можно воспользоваться методом скользящей средней.

Параметры уравнения тренда находятся МНК. При этом может быть использован метод условного нуля, т.е. центральный член ряда принимается за точку отсчета. Уравнение тренда у = а + bt, полученное при этом, будет отличаться от уравнения тренда, полученного при значениях t — 1,2, ..., п, только свободным членом а, а значения параметра Ъ будут одинаковы в обоих уравнениях.

При вычислении параметров тренда уровни исходного ряда входят с разными весами — значениями t. Поэтому влияние колебаний уровней на параметры тренда зависит от того, на какой год приходится либо высокое, либо низкое значе-

 

 

ние. Для более полного исключения влияния колебаний на параметры тренда следует применять метод многократного скользящего выравнивания. Установить тип колеблемости (пилообразная, или маятниковая, долгопериодическая циклическая, случайно распределенная по времени) можно с помощью критерия поворотных точек Кендэла.

Интенсивность колеблемости измеряют с помощью следующих показателей: среднего линейного отклонения от тренда, среднего квадратического отклонения от тренда, коэффициента колеблемости.

Анализ типа колеблемости и определение длины цикла могут быть основаны на расчете коэффициентов автокоррекции отклонений от тренда.

Оценку степени устойчивости реализации тренда можно провести с помощью коэффициента корреляции рангов Спирмена. Устойчивость тренда может быть измерена соотношением между среднегодовым абсолютным изменением и среднеквадратическим отклонением уровней от тренда.

Анализ сезонности проводится на основе анализа дисперсии уровней временного ряда. Выделяется дисперсия за счет тренда, за счет сезонных колебаний, за счет случайных колебаний (остаточная). Графически сезонность изображается либо в виде сезонной волны, либо в виде радиальной диаграммы.

При высокой надежности уравнения тренда оно может использоваться для прогнозирования уровней временного ряда (с учетом сезонной компоненты). Следует иметь в виду, что средняя ошибка прогноза всегда превышает показатель колеблемости уровней.

При изучении взаимосвязи между динамикой разных показателей следует опасаться неверных умозаключений, вызываемых ложной корреляцией, поскольку все показатели изменяются с изменением времени t, которое может рассматриваться в качестве общей причины для всех временных рядов. Для того чтобы устранить ложную корреляцию, рассчитывают коэффициент корреляции не между уровнями временных рядов, а между отклонениями от тренда или первыми разностями при наличии линейных трендов.

Уравнение регрессии, описывающее зависимость динамики одного показателя от другого, строится либо по отклонениям от тренда, либо по первым разностям (в случае линей-

 

ных трендов), либо по уровням временных рядов при включении переменной «время», t, в уравнение в качестве объясняющей переменной.

 

РЕКОМЕНДУЕМАЯ ЛИТЕРАТУРА

 

1 Андерсон Т. Статистический анализ временных рядов: Пер. с 'англ.-М.: Мир. -1976.

2. Афанасьев В. Н., Юзбашев М. М. Анализ временных рядов и прогнозирование. — М.: Финансы и статистика, 2001.

3. Вату Я. Я.-Ф. Корреляция рядов динамики. — М.: Статистика, 1977.

4. Казинец Л. С. Темпы роста и абсолютные приросты. — М.: Статистика, 1975.

5. Четыркин Е. М. Статистические методы прогнозирования. — 2-е изд. — М.: Финансы и статистика, 1983.

6. Юзбашев М. М., Манелля А. И. Статистический анализ тенденций и колеблемости. — М.: Финансы и статистика, 1983.

 

Глава. ИНДЕКСЫ

 

 

Понятие индекса

 

Само слово «индекс» (index) означает показатель. Обычно этот термин употребляется для некой обобщающей характеристики изменений. Например, уже знакомый вам индекс Доу-Джонса, индекс деловой активности, индекс объема промышленного производства и т.д. Гораздо реже термин «индекс» употребляется как обобщенный показатель состояния, например, известный коэффициент умственного развития IQ.

В этой главе мы рассмотрим индексы прежде всего как показатели изменений. Очевидно, что сфера использования таких показателей безгранична: спортсмены стремятся улучшить свои достижения, предприниматель желает увеличить прибыль и т.д. Во всех этих случаях необходимо выразить изменения количественно. Как изменились цены, уровень жизни, покупательная сила денег и прочее? Ответы на все эти вопросы позволяют дать индексы.

В предыдущей главе вы познакомились с показателями, которые измеряют абсолютные и относительные изменения: темпы роста, прироста, абсолютный прирост, цепные и базисные показатели, показатели средних изменений за период. В чем же специфика индексов? Принципиальных отличий три.

Во-первых, индексы позволяют измерить изменение сложных явлений. Например, нужно определить: как изменились за год расходы жителей Москвы на городской транспорт? Для ответа на этот вопрос вы должны иметь численность пассажиров, перевезенных за год каждым видом городского транспорта, рассчитать среднемесячную численность

пассажиров или взять точные данные из отчетов по месяцам, умножить численность на тариф перевозки (и число месяцев его действия в случае использования среднемесячной численности) и полученные величины просуммировать. То же нужно сделать по данным за прошлый год. Затем сопоставить сумму расходов за последний год с суммой за прошлый год, т.е. это не просто сравнение двух чисел, как при расчете темпов динамики или приростов, а получение и сравнение некоторых агрегированных величин.

 

Во-вторых, индексы позволяют проанализировать изменение - выявить роль отдельных факторов. Например, можно определить, как изменилась сумма выручки городского транспорта за счет изменения численности пассажиров и тарифов, наконец, за счет соотношения в объеме перевозок разными видами транспорта.

 

В-третьих, индексы являются показателями сравнений не только с прошлым периодом (сравнение во времени), но и с другой территорией (сравнение в пространстве), а также с нормативами. Например, интересно знать, не только как изменилось среднедушевое потребление мяса в России в данном году по сравнению с прошлым годом (или с каким-либо другим периодом), но и сравнить показатели среднедушевого потребления мяса в России и развитых странах Запада, Востока, а также провести сравнение с нормативной величиной, отвечающей нормам рационального питания. Очевидно, что каждое направление сравнения вносит что-то новое. Так, доля расходов на фундаментальные исследования и содействие научно-техническому прогрессу в России в 2002 г. составила в процентах к ВВП 1,56%. Это меньше, чем было в 2001 г., когда эта доля составляла 1,85%. Сравнение показателей 2002 г. и 2001 г. показывает снижение на 16 процентных пунктов (1,56 : 1,85 = 0,84). Если же сравнить данные России с данными стран ОЭСР, где инвестиции в фундаментальные исследования и содействие научно-техническому прогрессу в 2002 г. составляли 4,7% от ВВП, то результаты будут еще менее оптимистичными — соответствующий индекс составляет: 1,56 : 4,7 = 0,33, или 33 процентных пункта.

 

Существует несколько определений индекса. Приведем одно из них, может быть самое краткое.

Индекс — это показатель сравнения двух состоянии одного и того же явления (простого или сложного, состоящего из соизмеримых или несоизмеримых элементов).

Каждый индекс включает два вида данных: оцениваемые данные, которые принято называть отчетными и обозначать значком «1», и данные, которые используются в качестве базы сравнения, — базисные, обозначаемые значком «О».

Индекс, который строится как сравнение обобщенных величин, называется сводным, или общим, и обозначается I. Если же сравниваются необобщенные величины, то индекс называется индивидуальным и обозначается i. Как правило, подстрочно дается значок, который указывает, для оценки какой величины построен индекс. Например, Iq/0 или iq/0, т.е. сводный и индивидуальный индекс для величины q.

Сравнения во времени могут охватывать короткий период: выработка за текущий и за вчерашний день, цены в сентябре по сравнению с августом и т.д. Но сравнение может проводиться и с отдаленным периодом: современные данные с довоенным 1940 г. или с 1986 г. — годом начала перестройки, когда экономика еще не была затронута структурными изменениями и т.д. Выбор базисного периода всегда аргументирован той задачей, для которой строится индекс. Обычно руководствуются двумя правилами: либо база сравнения представляет стабильное состояние, либо экстремальное значение — высшее достижение или низший уровень (в случае падения экономических показателей). Конечно, сравнение с отдаленным периодом вносит дополнительные трудности, что уже отмечалось в гл. 12. Некоторые специфические для построения индексов проблемы будут затронуты ниже.

 

Последнее изменение этой страницы: 2016-07-28

lectmania.ru. Все права принадлежат авторам данных материалов. В случае нарушения авторского права напишите нам сюда...