Задача №53. Расчёт точечного прогноза
Имеются данные о рейтинге авиакомпании и ее пассажирообороте. Сделайте точечный прогноз значения рейтинга авиакомпании при пассажирообороте, равном 15 млн. пасс/км (линейная регрессия).
№ п/п | х | y |
---|---|---|
1 | 67,12 | 3,9 |
2 | 47,07 | 3,9 |
3 | 1,42 | 3,8 |
4 | 15,58 | 3,7 |
5 | 8,47 | 3,6 |
6 | 2,87 | 3,3 |
7 | 10,15 | 3,3 |
8 | 13,33 | 3,3 |
9 | 3,31 | 3,2 |
10 | 0,29 | 3,2 |
11 | 5,56 | 3,2 |
12 | 2,45 | 3,2 |
13 | 2,04 | 3,2 |
14 | 0,33 | 3,1 |
15 | 0,97 | 3,1 |
16 | 0,57 | 3,1 |
17 | 13,4 | 3,1 |
18 | 20,2 | 3,1 |
19 | 0,57 | 3,1 |
20 | 1,75 | 3 |
21 | 0,43 | 3 |
22 | 6,06 | 3 |
23 | 2,51 | 3 |
24 | 0,62 | 2,9 |
25 | 2,9 | 2,9 |
26 | 3,39 | 2,8 |
27 | 0,6 | 2,7 |
28 | 0,66 | 2,6 |
29 | 4,04 | 2,3 |
30 | 0,44 | 2,1 |
Решение:
Для расчёта параметров линейной регрессии
необходимо решить систему нормальных уравнений относительно a и b:
Построим таблицу исходных и расчётных данных.
Таблица 1 Расчетные данные для оценки линейной регрессии
№ п/п | х | y | x2 | x×y | |
---|---|---|---|---|---|
1 | 67,12 | 3,9 | 4505,094 | 261,768 | 4,085272 |
2 | 47,07 | 3,9 | 2215,585 | 183,573 | 3,759205 |
3 | 1,42 | 3,8 | 2,0164 | 5,396 | 3,016813 |
4 | 15,58 | 3,7 | 242,7364 | 57,646 | 3,247093 |
5 | 8,47 | 3,6 | 71,7409 | 30,492 | 3,131465 |
6 | 2,87 | 3,3 | 8,2369 | 9,471 | 3,040394 |
7 | 10,15 | 3,3 | 103,0225 | 33,495 | 3,158786 |
8 | 13,33 | 3,3 | 177,6889 | 43,989 | 3,210501 |
9 | 3,31 | 3,2 | 10,9561 | 10,592 | 3,047549 |
10 | 0,29 | 3,2 | 0,0841 | 0,928 | 2,998436 |
11 | 5,56 | 3,2 | 30,9136 | 17,792 | 3,08414 |
12 | 2,45 | 3,2 | 6,0025 | 7,84 | 3,033563 |
13 | 2,04 | 3,2 | 4,1616 | 6,528 | 3,026896 |
14 | 0,33 | 3,1 | 0,1089 | 1,023 | 2,999086 |
15 | 0,97 | 3,1 | 0,9409 | 3,007 | 3,009494 |
16 | 0,57 | 3,1 | 0,3249 | 1,767 | 3,002989 |
17 | 13,4 | 3,1 | 179,56 | 41,54 | 3,21164 |
18 | 20,2 | 3,1 | 408,04 | 62,62 | 3,322226 |
19 | 0,57 | 3,1 | 0,3249 | 1,767 | 3,002989 |
20 | 1,75 | 3 | 3,0625 | 5,25 | 3,022179 |
21 | 0,43 | 3 | 0,1849 | 1,29 | 3,000713 |
22 | 6,06 | 3 | 36,7236 | 18,18 | 3,092272 |
23 | 2,51 | 3 | 6,3001 | 7,53 | 3,034539 |
24 | 0,62 | 2,9 | 0,3844 | 1,798 | 3,003802 |
25 | 2,9 | 2,9 | 8,41 | 8,41 | 3,040881 |
26 | 3,39 | 2,8 | 11,4921 | 9,492 | 3,04885 |
27 | 0,6 | 2,7 | 0,36 | 1,62 | 3,003477 |
28 | 0,66 | 2,6 | 0,4356 | 1,716 | 3,004453 |
29 | 4,04 | 2,3 | 16,3216 | 9,292 | 3,059421 |
30 | 0,44 | 2,1 | 0,1936 | 0,924 | 3,000875 |
Итого | 239,1 | 93,7 | 8051,407 | 846,736 | 93,7 |
Подставив в систему уравнений рассчитанные величины, определим параметры линейного уравнения:
Таким образом, уравнение регрессии имеет вид:
Это значит, что с увеличением пассажирооборота на 1 млн. пасс/км рейтинг авиакомпании увеличится на 0,016263.
Подставим в данное уравнение исходные значения х и найдём сумму расчётных значений у (последняя графа таблицы).
Так как суммы исходных и расчётных значений у совпадают, следовательно, параметры уравнения рассчитаны верно.
Если прогнозное значение пассажирооборота, составит 15 млн. пасс/км, то рейтинг авиакомпании будет равен:
Ответ: значение рейтинга авиакомпании при пассажирообороте, равном 15 млн. пасс/км будет равно 3,2.
Прогнозирование с применением уравнения регрессии
Уравнения регрессии применимо и для прогнозирования возможных ожидаемых значений результативного признака. При этом следует учесть, что перенос закономерности связи, измеренной в варьирующей совокупности, в статике на динамику не является, строго говоря, корректным и требует проверки условий допустимости такого переноса (экстраполяции), что выходит за рамки статистики и может быть сделано только специалистом, хорошо знающим объект (систему) и возможности его развития в будущем.
Ограничением прогнозирования на основании регрессионного уравнения, тем более парного, служит условие стабильности или по крайней мере малой изменчивости других факторов и условий изучаемого процесса, не связанных с ними. Если резко изменится “внешняя среда” протекающего процесса, прежнее уравнение регрессии результативного признака на факторный потеряет свое значение. В сильно засушливый год доза удобрений может не оказать влияния на урожайность сельскохозяйственной культуры, так как последнюю лимитирует недостаточная влагообеспеченность.
Прогнозируемое значение переменной У получается при подстановке в уравнение регрессии ожидаемой величины фактора Х:
Следует соблюдать одно ограничение: нельзя подставлять значения факторного признака, значительно отличающиеся от входящих в базисную информацию, по которой вычислено уравнение регрессии. При качественно иных уровнях фактора, если они даже возможны в принципе, были бы другими параметры уравнения. Можно рекомендовать при определении значений факторов не выходить за пределы трети размаха вариации, как за минимальное, так и за максимальное значение признака-фактора, имевшееся в исходной информации.
Прогноз, полученный подстановкой в уравнение регрессии ожидаемого значения фактора, называют точечным прогнозом. Вероятность точной реализации такого прогноза крайне мала. Необходимо сопроводить его расчетом значения средней ошибки прогноза или доверительного интервала прогноза с достаточно большой вероятностью (надежностью).
Доверительные интервалы зависят от следующих параметров:
– отклонение от своего среднего значения ;
В частности для прогноза будущие значения с вероятностью
Расположение границ доверительного интервала показывает, что прогноз значений зависимой переменной по уравнению регрессии хорош только в случае, если значение фактора Х не выходит за пределы выборки. Иными словами, экстраполяция по уравнению регрессии может привести к значительным погрешностям.
Точечный прогноз по уравнению регрессии представляет собой
В результате экстраполяции данных мы получаем точечные значения прогноза. Совпадение фактических данных будущих периодов и данных, полученных при экстраполяции, маловероятно по следующим причинам использованная при прогнозировании функция не является единственной для описания развития явления прогноз осуществлялся с использованием ограниченной информационной базы, и случайные компоненты, присущие уровням исходных данных, повлияли на результат прогноза непредвиденные события в политической и экономической жизни общества в будущем могут существенно изменить прогнозируемую тенденцию развития изучаемого показателя. [c.621]
Прогноз, полученный подстановкой в уравнение регрессии ожидаемого значения фактора, называют точечным прогнозом. Вероятность точной реализации такого прогноза крайне мала. Необходимо сопроводить его значением средней ошибки прогноза или доверительным интервалом прогноза с достаточно большой вероятностью. Средняя ошибка положения линии регрессии в генеральной совокупности при значении факторного признака, равном xh вычисляется для линии регрессии по формуле (8.20) [c.252]
Использование регрессионной модели для прогнозирования состоит в подстановке в уравнение регрессии ожидаемых значений факторных признаков для расчета точечного прогноза результативного признака или (и) его доверительного интервала с заданной вероятностью, как уже сказано в 8.2. Сформулированные там же ограничения прогнозирования по уравнению регрессии сохраняют свое значение и для многофакторных моделей. Кроме того, необходимо соблюдать системность между подставляемыми в модель значениями факторных признаков. [c.289]
Смысл прогноза в том, что при сохранении до конца 1997 г. измеренного за 1993 — 1995 гг. тренда и характера сезонных колебаний, импорт составит 50,41 млрд долл. США. Это точечный прогноз. Проблема измерения средней ошибки прогноза с учетом тренда и сезонности сложна и здесь не излагается. [c.356]
Прежде всего, вычисляется точечный прогноз — значение уровня тренда при подстановке в его уравнение номера 1998 г., считая от 1987 г., т. е. tk = 11. [c.358]
Экстраполяция дает возможность получить точечное значение прогноза. Точное совпадение фактических данных и прогностических точечных оценок, полученных путем экстраполяции кривых, характеризующих тенденцию, имеет малую вероятность. Поэтому любой статистический прогноз носит приближенный характер. В связи с этим целесообразно определение доверительных интервалов прогноза. Величина доверительного интервала определяется следующим образом [c.90]
Выше, в 3.5, 4.2, 4.5, мы рассматривали точечный и интервальный прогноз значений зависимой переменной Y, т. е. определение точечных и интервальных оценок Y, полученных для парной и множественной регрессий для значений объясняющих переменных X, расположенных вне пределов обследованного диапазона значений X. [c.144]
Пример 6.4. По данным табл. 6.1 дать точечную и с надежностью 0,95 интервальную оценки прогноза среднего и индивидуального значений спроса на некоторый товар на момент t= 9 (девятый год). (Полагаем, что тренд линейный, а возмущения удовлетворяют требованиям классической модели (см. дальше, пример 7.8.) [c.145]
Используя авторегрессионную модель 1-го порядка, дать точечный и интервальный прогноз среднего и индивидуального значений курса акций в момент t= 23, т. е. на глубину один интервал. [c.147]
Вычисления, аналогичные примеру 6.3, дают точечный прогноз по уравнению (6.13) [c.148]
Прогнозы могут быть точечными (когда результат выражается в виде одного уровня), интервальными (результат варьирует в определенных пределах) и многовариантными (результат предлагается в виде нескольких вариантов развития). Точность прогноза зависит от [c.210]
Для полученного точечного прогноза интервалы с вероятностью 0,95 будут 229,4 — 239,1, т. е. несколько вы- [c.156]
Полученные прогнозы являются точечными, и совпадение фактического значения величины (товарооборота) с прогнозируемым маловероятно. Поэтому целесообразно вычислить так называемый доверительный интервал прогноза, т. е. определить верхнюю и нижнюю границы, в которых будет находиться прогнозируемая величина. [c.32]
Доверительный i интервал зависит также от времени упреждения прогноза. С увеличением интервала между последним годом во временном ряду и годом, на который составляется прогноз, надежность точечного прогноза уменьшается, растет его неопределенность и расширяется доверительный интервал. [c.32]
Прогноз ожидаемого прироста запасов в регионе характеризуется гораздо большей неопределенностью, чем прогноз добычи из открытых месторождений. И это обстоятельство серьезно осложняет общепринятую процедуру планирования. Действительно, нелегко оперировать с неопределенностью в рамках детерминированных плановых показателей. Именно этим объясняется стремление представить прогноз ресурсов нефти и газа и ожидаемых приростов в виде точечной оценки. Однако такой подход совершенно не оправдан, поскольку невозможно сравнивать и анализировать оценки ресурсов, полученные различными методами и для разных объектов. Оценку ресурсов можно производить по шкале времени или по шкале затрат. В первом случае прогнозируется величина ресурсов, выявляемых за рассматриваемый период времени, во втором — приросты запасов на единицу затрат. Результаты таких прогнозов позволяют оценить ресурсный потенциал региона (страны), но не обеспечивают данными для построения [c.48]
Выберите лучшую форму тренда и выполните по ней точечный прогноз на 1998 г. [c.166]
На основе построенной модели дайте точечный прогноз ожидаемого потребления электроэнергии в течение первого квартала следующего года. [c.170]
На основе построенной модели дайте точечные прогнозы уровня безработицы на I и П квартал следующего года. [c.170]
Используя выбранное вами в п. 2 уравнение, дайте точечный прогноз ожидаемого значения у,-н ближайший год (период 31). [c.171]
В прогнозных расчетах по уравнению регрессии определяется предсказываемое (ур) значение как точечный прогноз ух при хр =хь т. е. путем подстановки в уравнение регрессии 5 = а + b х соответствующего значения х. Однако точечный прогноз явно не реален. Поэтому он дополняется расчетом стандартной ошибки ух, т. е. Шух, и соответственно интервальной оценкой прогнозного значения (у ) [c.57]
Чтобы ответить на этот вопрос, найдем точечный прогноз при х = 8, т. е. [c.61]
Содержательная интерпретация параметров этой модели затруднительна, однако ее можно использовать для прогнозирования. Для этого необходимо определить трендовое значение факторного признаках, и с помощью одного из методов оценить величину предполагаемого отклонения фактического значения от трендового. Далее по уравнению тренда для результативного признака определяют трендовое значение х а по уравнению регрессии по отклонениям от трендов находят величину отклонения у, — у,. Затем находят точечный прогноз фактического значения у, по формуле [c.268]
Прогноз, полученный подстановкой в уравнение регрессии ожидаемого значения фактора, называют точечным прогнозом. Вероятность точной реализации такого прогноза крайне мала. Необходимо сопроводить его значение средней ошибкой прогноза или доверительным интервалом прогноза, в который с достаточно большой вероятностью попадают прогнозные оценки. Средняя ошибка является мерой точности прогноза на основе уравнения регрессии. Существуют усовершенствованные методы парной регрессии, в какой-то степени преодолевающие его недостатки. [c.205]
Существуют три его разновидности точечный прогноз, интервальный прогноз и прогноз с вероятностным распределением. [c.205]
Точечный. Прогноз сбыта в виде конкретного количества продаж (то есть абсолютная величина без учета ошибок в ту или иную сторону). В изолированном виде точечные прогнозы — например, когда группа менеджеров категорически заявляет, что на данной территории за следующие три месяца будет продано 80 000 единиц данного продукта, — могут быть предвзяты и неточны. Следовательно, лучше иметь несколько точечных прогнозов разных групп менеджеров и составить из них один, агрегированный. [c.205]
Определение прогнозных значений на основе построенной модели. Экстраполяция выявленных тенденций (продление на будущее) позволяет получить точечный прогноз. Однако вероятность точного попадания в эту точку практически равна нулю. Отсюда следует необходимость вычисления перспективных оценок в виде «вилки» через доверительные интервалы. [c.285]
Точечный прогноз на к шагов вперед получается путем подстановки в модель параметра t — N+l. N+k. При прогнозировании на два шага имеем [c.293]
По способу представления результатов прогнозы подразделяются на точечные и интервальные. [c.248]
Точечный прогноз предполагает, что данный вариант включает единственное значение прогнозируемого показателя. Например, через три года будут осваиваться продуктовые инновации в электротехнике. [c.248]
Рис. 4.S. Прогнозы а — точечный б — интервальный |
Рис. 4.4. Точечный (а) и интервальный (б) прогнозы |
Здесь и далее при прогнозировании методом регрессионного анализа принимаем во внимание точечную оценку прогноза результирующего показателя без построения доверительных интервалов. [c.86]
Типы прогнозов точечные, интервальные, многовариантные. Методы прогнозирования спроса аналоговые (эталонные, нормативные) расчеты, экстраполяция (графическая, методами сглаживания и по трен-довым моделям), использование коэффициентов эластичности, многофакторные регрессионные модели, сценарии, экспертные расчеты (Дельфи-метод). Проверка точности прогноза. [c.151]
Точечный прогноз по уравнению регрессии при среднесуточном приросте массы животных, равном 900 г, уже достигнутом передовыми хозяйствами, приводит к ожидаемой средней себес- [c.268]
Формулы для расчета средних ошибок оценки положения гиперплоскости регрессии в заданной многомерной точке и для индивидуальной величины результативного признака весьма сложны, требуют применения матричной алгебры и здесь не рассматриваются. Средняя ошибка оценки значения результативного признака, рассчитанная по программе ПЭВМ Mi rostat и приведенная в табл. 8.8, равна 79,2 руб. на 1 га. Это лишь среднее квадратическое отклонение фактических значений дохода от расчетных по уравнению, не учитывающее ошибки положения самой гиперплоскости регрессии при экстраполяции значений факторных признаков. Поэтому ограничимся точечными прогнозами в нескольких вариантах (табл. 8.14). [c.289]
Но интервалы, в которых должна находиться прогнозируемая величина (точечный прогноз), оказываются для авторсгрессиоиных схем более широкими ввиду существенно большей величины среднего квадратического отклонения по сравнению с отклонением при простой экстраполяции (2, 43, см. г бл. 2), что означает большую колеблемость. Поэтому приходится прийти к заключению, что применение авторегресснопных схем в данном случае не дает результатов намного лучших, чем построение подходящего уравнения регрессии по времени. [c.158]
По данным о валовом товарообороте Главнефтеснаба РСФСР за период с 1960 по 1975 г. рассчитаны точечные и интервальные прогнозы на 1975 и 1980 гг. по прямой и экспо- [c.34]
ТОЧЕЧНЫЙ ПРОГНОЗ [point predi tion] — прогноз, которым указывается единственное значение прогнозируемого показателя. Пример «население города N в 2010 г. достигнет 35 тыс. человек». Ср. Интервальный прогноз. [c.365]
http://einsteins.ru/subjects/statistika/teoriya-statistika/prognozirovanie
http://economy-ru.info/info/15281/