Модели и методы социально-экономического прогнозирования. Давнис В.В - 65 стр.

UptoLike

Рубрика: 

=−
+
+=
41,24506
31,8709
67,12674
][
099
9
1
09
9
1
0
01
Bx
xCx
xC
BB y
α
,
α
- настроенный по прогнозной ошибке параметр,
15
,
0
=
α
.
Таким образом , регрессионная модель с обновленными коэф -
фициентами имеет вид
ttt
xxy
21
41,2450631,870967,12674
+
=
.
4. Нахождение вектора оценок коэффициентов регрессии по статиче-
ской модели с помощью «Пакета анализа» (см . Вывод итогов
8.2.1).
ВЫВОД ИТОГОВ 8.2.1
Регрессионная статистика
Множественный
R 0,92873
R-квадрат 0,86254
Нормированный
R-квадрат 0,81672
Стандартная
ошибка 748,5582
Наблюдения 9
Дисперсионный анализ
df SS MS F
Значимость
F
Регрессия 2 21096212 10548106 18,82449 0,002597
Остаток 6 3362037 560339,4
Итого 8 24458249
Коэффи-
циенты
Стандартная
ошибка
t-
статистика
P-
Значение
Нижние
95%
Верхние
95%
Y-пересечение 8762,368 4768,982 1,837367 0,1158 -2906,92 20431,66
Переменная X 1 -10429,4 8252,745 -1,26375 0,253198 -30623,2 9764,337
Переменная X 2 29803,49 14444,48 2,063313 0,084667 -5540,91 65147,9
5. Сравнение результатов прогнозирования по адаптивной и статиче-
ской моделям .
Прогнозные расчеты по статической модели
10
ˆ
y и по адаптивной
c
y
10
ˆ
дают следующие результаты:
56,33578
ˆ
10
=
y ;
28,32726
ˆ
10
=
c
y
.
Соответственно ошибки прогнозирования равны
56,875
ˆ
1010
=
yy ;
28,23
ˆ
1010
=−
c
yy
.
                                                                 12674,67 
                                    C0−1x′9
                   B1 = B 0 +                 [ y9 − x 9 B 0 ] = − 8709,31 ,
                                x 9C0 x′9 + α
                                     −1                                     
                                                                  24506,41
                  α - н а ст роен н ый по прогн озн ой ош иб ке па ра м етр, α = 0,15 .
                  Та ким об ра зом , регрессион н а я м од ел ь с об н овл ен н ым и коэф -
                  ф ициен т а м и им еет вид
                           yt = 12674,67 − 8709,31x1t + 24506,41x2t .
      4. Н а хож д ен ие вектора оцен ок коэф ф ициен т ов регрессии по ст а т иче-
           ской м од ел и с пом ощ ь ю «Па кет а а н а л иза » (см . Вывод ит огов
           8.2.1).
В Ы В О Д ИТО ГО В 8.2.1

  Р егр ес с ионная с т ат ис т ик а
М н ож ест вен н ый
R                           0,92873
R-ква д ра т                0,86254
Н орм ирова н н ый
R-ква д ра т                0,81672
С т а н д а рт н а я
ош иб ка                   748,5582
Н а б л юд ен ия                    9

Дисперсион н ый а н а л из
                                                                                     З начимос т ь
                             df              SS             MS              F              F
Регрессия                          2        21096212       10548106     18,82449         0,002597
О ст а т ок                        6         3362037       560339,4
И т ого                            8        24458249

                        К оэ ф ф и-     Ст андарт ная          t-            P-       Ниж ние        В ерхние
                         ц иент ы          ош иб к а    с т ат ис т ик а З начение     95%             95%
Y-пересечен ие             8762,368          4768,982        1,837367       0,1158     -2906,92      20431,66
Перем ен н а я X 1         -10429,4          8252,745         -1,26375 0,253198        -30623,2      9764,337
Перем ен н а я X 2         29803,49          14444,48        2,063313 0,084667         -5540,91       65147,9


      5. С ра вн ен ие резу л ь т а тов прогн озирова н ия по а д а пт ивн ой и ст а т иче-
           ской м од ел ям .
           Прогн озн ые ра счет ы по ст а т ической м од ел и ŷ10 и по а д а пт ивн ой
           yˆ10c д а ют сл ед у ющ ие резу л ь т а т ы:
                              yˆ10 = 33578,56 ;               yˆ10c = 32726,28 .
           С оответ ст вен н о ош иб ки прогн озирова н ия ра вн ы
                           y10 − yˆ10 = −875,56 ;            y10 − yˆ10c = −23,28 .