Спрогнозируем объем производства с помощью модели регрессии с включением фактора времени и фиктивных переменных. Модель для помесячной динамики имеет вид:
где
.
Занесем значение фиктивных переменных и фактора времени в таблицу (таблица 8.6.7).
Таблица 8.6.7 - Исходные данные для расчета параметров уравнения регрессии с фиктивными переменными во временном ряду доходов бюджета, (млн.р.)
Период | Доход, млн.руб. | t | x1 | x2 | x3 | … | x9 | x10 | x11 | ||
январь | 1119,3 | 124,4 | |||||||||
февраль | 352,2 | 43,3 | |||||||||
март | 1006,9 | 895,2 | |||||||||
апрель | 1177,8 | 1078,1 | |||||||||
май | 1084,4 | 965,5 | |||||||||
июнь | 891,4 | 572,0 | |||||||||
июль | 928,2 | 938,5 | |||||||||
август | 1178,4 | 1214,3 | |||||||||
сентябрь | 989,4 | 589,1 | |||||||||
октябрь | 932,2 | 1072,8 | |||||||||
ноябрь | 1080,4 | 1412,4 |
Продолжение таблицы 8.6.7
декабрь | 1243,5 | 1414,2 | |||||||||
… | … | … | … | … | … | … | … | … | … | … | … |
январь | 2098,1 | ||||||||||
февраль | 1521,5 | 2016,9 | |||||||||
март | 3215,2 | 2868,8 | |||||||||
апрель | 2872,5 | 3051,7 | |||||||||
май | 3792,4 | 2939,1 | |||||||||
июнь | 2721,7 | 2545,7 | |||||||||
июль | 3097,2 | 2912,1 | |||||||||
август | 4229,2 | 3187,9 | |||||||||
сентябрь | 2119,6 | 2562,7 | |||||||||
октябрь | 3756,5 | 3046,4 | |||||||||
ноябрь | 3416,1 | 3386,0 | |||||||||
декабрь | 3478,7 | 3387,8 | |||||||||
7* | январь | - | 2492,8 | ||||||||
февраль | - | 2411,6 | |||||||||
март | - | 3263,5 | |||||||||
апрель | - | 3446,4 |
Оценим параметры уравнения традиционным МНК с помощью табличного редактора Excel (таблица 8.6.8).
Уравнение регрессии примет вид:
.
Параметры , характеризуют отклонения уровней временного ряда от уровней, учитывающих сезонные воздействия в декабре. Величина параметра говорит о том, что в среднем за месяц происходит увеличение доходов бюджета на 32,89 млн.р. (рисунок 8.6.3).
Чтобы получить прогнозные значения доходов бюджета на следующие 4 месяца 7 года необходимо в уравнение регрессии подставить следующие значения фактора времени t.
Так прогноз на январь составит:
;
на февраль:
;
на март: ;
на апрель:
.
Таблица 8.6.8 - Результаты оценивания регрессионной модели с фиктивными переменными
Регрессионная статистика | |
Множественный R | 0,898 |
R-квадрат | 0,800 |
Нормированный R-квадрат | 0,760 |
Стандартная ошибка | 440,663 |
Наблюдения |
Дисперсионный анализ | |||||
df | SS | MS | F | Значимость F | |
Регрессия | 19,74 | 0,000 | |||
Остаток | 194184,2 | ||||
Итого |
Коэффициенты | Стандартная ошибка | t-статистика | P-Значение | Нижние 95% | Верхние 95% | |
a | 1019,50 | 209,02 | 4,88 | 0,00 | 601,24 | 1437,75 |
b | 32,89 | 2,53 | 12,98 | 0,00 | 27,82 | 37,96 |
c1 | -927,95 | 255,94 | -3,63 | 0,00 | -1440,09 | -415,82 |
c2 | -1042,01 | 255,68 | -4,08 | 0,00 | -1553,62 | -530,41 |
c3 | -223,02 | 255,44 | -0,87 | 0,39 | -734,15 | 288,11 |
c4 | -73,02 | 255,22 | -0,29 | 0,78 | -583,72 | 437,68 |
c5 | -218,44 | 255,03 | -0,86 | 0,40 | -728,77 | 291,88 |
c6 | -644,82 | 254,87 | -2,53 | 0,01 | -1154,82 | -134,83 |
c7 | -311,25 | 254,73 | -1,22 | 0,23 | -820,97 | 198,47 |
c8 | -68,38 | 254,62 | -0,27 | 0,79 | -577,87 | 441,12 |
c9 | -726,47 | 254,53 | -2,85 | 0,01 | -1235,78 | -217,15 |
c10 | -275,65 | 254,47 | -1,08 | 0,28 | -784,83 | 233,54 |
c11 | 31,04 | 254,43 | 0,12 | 0,90 | -478,07 | 540,16 |
Рисунок 8.6.3 - Моделирование сезонных колебаний доходов бюджета с помощью фиктивных переменных
На основе анализа АКФ и ЧАКФ выбрать порядок модели AR(p), оценить параметры выбранной модели. Для всех построенных моделей с помощью средней относительной ошибки аппроксимации оценить их качество и дать прогноз на следующие два периода.