Лабораторна робота № 6 «Побудова й аналіз економетричних моделей динаміки»

2. Згладжування часового ряду.Проведемо згладжування часового ряду методом експонентного згладжування при різних значеннях параметрів (досить взяти дві різні комбінації). Приведемо графіки згладжених даних і відповідних прогнозних значень показника.

Спочатку, необхідно провести експонентне згладжування вихідних даних. Для цього вибираємо вкладку Exponential smoothing & forecasting (Експонентне згладжування й прогнозування).

У наступному вікні необхідно задати параметри експоненціальне згладжування. Так, змінна для аналізу – Об'єм продажів, лаг сезонного компонента (Seasonal component) – 4 (тому що дані представлені в квартальному розрізі). По закладці Advanced вибираємо вид моделі – Winters (мультиплікативна з лінійним трендом), як це показано на рис. 71, і число кроків, на яке здійснюється прогноз (Forecast) – 10. Вибір виду моделі ґрунтується на попередньому візуальному аналізі графіка вихідних даних.

Рис. 71. Визначення характеристик моделі експоненціального згладжування

По закладці Automatic search (Автоматичний пошук) задаємо довільно один із критеріїв вибору найкращих результатів (Lack of fit indicator) – Mean squared error (Середнєквадратична помилка), Mean absolute error (Середня абсолютна помилка), Mean abs. perc. error (Середня абсолютна процентна помилка).

Результат оцінки параметрів моделі відображаються по натисканню кнопки Automatic estimation (Автоматичне оцінювання) у закладці Automatic search й являє собою графік вихідних, згладжених й прогнозних значень (рис. 72); таблицю оцінок якості моделі (рис. 73); таблицю з вихідними даними, згладженими даними (Smoothed Series), залишками (Resids) і сезонними компонентами (Seasonal Factors) (рис. 74).

Рис. 52. Згладжені й прогнозні значення об'єму продажів

Рис. 53. Оцінки якості моделі згладжування

Рис. 54. Згладжені дані й значення залишків, отримані по моделі