Спрогнозировать значение социально-экономического показателя в соответствии с вариантом (табл. 1).
Таблица №1 – Социально-экономический показатель
Вариант Исследуемый показатель
14 Реальные располагаемые денежные доходы населения
Указание. Описать содержание, способы измерения, методы расчета, экспертное мнение о тенденциях развития изучаемого показателя. Исходные данные за последние несколько лет взять на сайте Росстата wwrv.glcs.ru, либо в других доступных источниках, подтвердить достоверность данных скриншотом и ссылкой.
Построить график временного ряда показателя в соответствии с вариантом. При необходимости осуществить пред прогнозную подготовку. По внешнему виду графика выбрать подходящую аппроксимирующую кривую. Рассчитать среднюю абсолютную процентную ошибку модели. Сделать вывод о пригодности модели для прогнозирования. С помощью выбранной модели рассчитать прогнозируемое значение показателя на один и два года вперед, а также доверительный интервал прогноза на базе стандартной ошибки прогноза. На графике привести теоретическую кривую и показать прогнозируемое значение.
Использовать адаптивные методы (выбрать метод самостоятельно на основании специфики развития), значение параметра сглаживания выбрать самостоятельно; исходный прогноз сделать на основе экспертной оценки.
Оценить среднее квадратическое отклонение, нижнюю и верхнюю границы прогноза. Оценить точность прогноза с помощью абсолютной процентной ошибки, средней процентной ошибки и средней ошибки.
Построить графики для фактического значения показателя, прогнозного значения, нижней и верхней границы прогноза.
Выбрать наиболее точный и достоверный прогноз. Сделать выводы.
Решение
Исходные данные о реальных располагаемых денежных доходах населения Тульской области за последние 5 лет возьмем с официального сайта Росстата (https://rosstat.gov.ru/folder/13397?print=1).
Реальные располагаемые доходы населения представлены в % к предыдущему периоду. Представим исходные данные в Microsoft Excel.
Построим график фактических данных и подберем аппроксимирующую кривую. Выберем по внешнему виду графика аппроксимирующую кривую, для чего используем линию тренда.
Линейная функция:
Логарифмическая функция:
Парабола:
Степенная функция:
Экспонента:
По графикам видно, что полином второго порядка наиболее близок сглаженному ряду, по сравнению с другими кривыми, поэтому выбираем параболу:
Прогноз на следующие 2 периода можно рассчитать, используя уравнение на диаграмме:
Таким образом, прогноз реальных располагаемых денежных доходов населения в % к предыдущему периоду на 2020 год составляет 99,1%, а на 2021 год – 100,2%.
Для обобщенной оценки метода прогнозирования на практике могут быть использованы следующие способы оценки средней ошибки прогноза (погрешности):
среднее абсолютное отклонение (mean absolute derivation, MAD). Использование этого показателя имеет смысл, когда исследователю необходимо оценить ошибку в тех же единицах, что и исходный ряд:
,
средняя процентная ошибка (mean percentage error, МРЕ) позволяет оценить возможное смещение прогноза, когда полученный прогноз окажется завышенным или заниженным. При несмещенном прогнозе имеем величину ошибки, близкую к нулю, при завышенном — большое положительное процентное значение, при заниженном — большое отрицательное. При условии, что потери при прогнозировании, связанные с завышением фактического будущего значения, уравновешиваются занижением, идеальный прогноз должен быть несмещенным, и значение средней процентной ошибки должно стремиться к нулю
. На практике допустимым считается значение средней процентной ошибки, не превышающее 5%:
;
средняя абсолютная ошибка в процентах (mean absolute percentage error, MAPE):
.
Для оценки точности прогнозов используют следующую шкалу:
, % Точность
<10 высокая
10-20 хорошая
20-50 удовлетворительная
>50 неудовлетворительная
Приведенные выше способы оценки качества прогноза позволяют осуществить сравнение результатов, полученных различными методами прогнозирования, и выбрать наиболее приемлемый метод для решения прогнозной задачи.
Рассчитаем MAD:
И применяем формулу СРЗНАЧ:
Далее определим МРЕ:
Применив функцию СРЗНАЧ:
Процентная ошибка незначительно отличается от нуля (-0,0002), т.е. прогноз не смещен.
Определим МАРЕ:
Аналогично предыдущему расчету применив функции АВТОЗАПОЛНЕНИЕ и СРЗНАЧ, получим:
Так как МАРЕ меньше 10%, точность очень высокая.
Теперь необходимо оценить ошибку прогнозирования на будущие периоды, для этого рассчитаем СКО:
Через СКО рассчитаем границы прогноза, приняв значение критерия Стьюдента равным 2:
Представим на рисунке значения фактических данных, прогнозных данных, а также значение верхних и нижних границ прогноза.
Таким образом, прогноз реальных располагаемых денежных доходов населения на следующий 2021 год 99,1%, нижняя граница прогноза – 96,7%, верхняя – 101,6%. На 2022 год прогноз 100,2%, нижняя граница прогноза – 97,7%, верхняя – 102,7%. MPE= -0,02%, следовательно прогноз не смещен. Точность прогноза очень высокая- MAPE= 0,99%.
Используем метод экспоненциально-взвешенного среднего для прогнозирования числа зарегистрированных браков.
Все адаптивные методы основаны на идее экспоненциально-взвешенного среднего (ЭВС):
,
где - фактическое значение показателя, соответствующее текущему моменту времени t;
- параметр сглаживания;
- предыдущее значение ЭВС в момент времени t-1
Задать вопрос
на новый заказ в Автор24.
