Автор: Пользователь скрыл имя, 09 Марта 2013 в 18:39, курсовая работа
Целью работы является построение качественного прогноза на основе построенной модели. Исходя из этого, поставлены следующие задачи:
- изучение общих сведений о производстве мяса;
- исследование и анализ временного производства мяса;
Введение 2
1 Анализ временного ряда производства мяса 4
1.1 Графический и аналитический анализ динамики 4
1.2 Построение автокорреляционной функции и каррелограммы 6
1.3 Проверка гипотезы о наличии тренда 8
1.4 Моделирование тенденции временного ряда 9
1.5 Моделирование сезонных и циклических колебаний 10
1.6 Построение аддитивной модели 11
1.6 Исследование сезонности с помощью ряда Фурье 21
2 Проверка адекватности модели реальному явлению. 24
2.1 Проверка временного ряда на наличие автокорреляции в остатках 24
2.1.1Обнаружение автокорреляции 25
2.1.2 Графический метод 25
2.1.3 Метод рядов 26
2.1.4 Критерий Дарбина – Уотсона 27
2.2 Проверка временного ряда на гетероскедастичночть 28
2.2.1 Обнаружение гетероскедастичности 28
2.2.2 Графический анализ остатков 29
2.2.3 Тест ранговой корреляции Спирмена 30
2.2.4 Тест Парка 31
2.2.5 Тест Глейзера 32
2.2.6 Тест Голдфелда−Квандта 33
3 Точечные и интервальные прогнозы. 36
3.1 Прогноз с помощью аддитивной модели 36
3.2 Прогноз с помощью ряда Фурье 37
3.3 Прогноз с помощью экспоненциального сглаживания 38
Заключение 40
Список использованных источников 41
Далее мы приступили к построению аддитивной модели. В ходе построения были найдены индексы сезонности, исходя из которых можно сказать, что наибольший объем производства мяса имеет место в декабре, наименьший в январе.
Также, были построены основные модели тренда: полиномиальный, экспоненциальный, логарифмический, степенной и гиперболический, исходя из анализа которых выяснилось, что наиболее близкую к реальным условиям ситуацию отражает линейная модель тренда.
На третьем этапе полученная модель была проверена на адекватность реальному явлению. Для этого был проведен анализ автокорреляции в остатках, в результате которого выяснилось, что данная модель не содержит автокорреляции в остатках. Также был проведен анализ постоянства дисперсии отклонений, в результате чего было определено, что данный временной ряд не содержит гетероскедастичности.
И, наконец, на основе полученной модели был осуществлен прогноз. Также для прогноза было использовано экспоненциальное сглаживание. Анализ фактических и прогнозных данных показал, что все сделанные прогнозы производства мяса является достаточно эффективными. Отклонение фактических от прогнозных данных можно объяснить тем, что экономика за - частую имеет непредсказуемый характер, а также множеством неучтенных факторов, которые влияют на производство мяса.
Список использованных источников:
1) Гусаров В.М., Статистика: Учеб. пособие для вузов. — М.: ЮНИТИ- ДАНА. 2003. - 463 с.
2) Эконометрика: учебник/И.И. Елисеева, СВ. Курышева, Т.В. Костеева и др.; под ред. И.И. Елисеевой. - 2-е изд., перераб. и доп. - М.: Финансы и статистика, 2007. - 576 с: ил.
3) Многомерные регрессионные методы анализа экономических объектов: метод. Указания по выполнению курсовых работ по специальности 1-25 01 07 «Экономика и управление на предприятии»/Сост. В. А. Ливинская, Т.И. Чегерова. – Могилев: Белорус. – Рос. Ун-т, 2011. – 24с.
4) Бородич С. А. , Вводный курс эконометрики: Учебное пособие − Мн.: БГУ, 2000. − 354 с.
5) Кремер Н.Ш., Пулю Б.А., Эконометрика: Учебник для вузов / Под ред. проф. Н.Ш. Кремера. - М.: ЮНИТИ-ДАНА, 2005. - 311 с.
6) Ефимова М.Р., Петрова Е.В., Румянцев В.Н., Общая теория статистики: Учебник. Изд.2-е, испр. и доп. – М.: ИНФРА-М, 2002. – 416с.
7) Айвазян С.А.. Мхитарян B.C. Прикладная статистика и основы эконометрики. — М.: ЮНИТИ, 1998.
8) Доугерти К. Введение в эконометрику: Пер. с англ. — М.: Инфра-М, 1997.
9) Кремер Н.Ш. Математическая статистика. — М.: Экономическое образование, 1992.
10) Магнус Я.. Катышев П., Пересецкий А. Эконометрика. Начальный курс. М., 1997. 248с.