Характеристика анализа временных рядов

Заполним диалоговое окно, изображенное на рисунке 1.4, следующим образом:

Variable: 1992–96

SeasonalLength: 12

ModelType: мультипликативная модель (для выбора типа модели можно использовать рисунок 1.3. Из графика анализирующего временной ряд на наличие тренда (рисунок 1.5) видно, что величина сезонных колебаний пропорциональ

на среднему уровню производства. Поэтому для описания сезонных колебаний следует использовать мультипликативную модель).

ModelComponents: Trendplusseasonal(тренд и сезонная составляющая)

Initial seasonal period: 1 (данные начинаются с января)

Generate forecasts:

Numberofforecasts: 6

В результате выполнения этой операции на экране появятся следующие графики и расчеты. В окне Sessionпоявятся результаты вычисления сезонных индексов и значения прогнозных показателей на полгода вперед, а также уравнение тренда и его точность:

TimeSeriesDecomposition(Декомпозиция временного ряда)

Data 1992-96 (Название анализируемых данных)

Length 58.0000 (Длина временного ряда)

NMissing 0 (Количество ошибок в данных)

Trend Line Equation (Уравнение тренда)

Yt = 2841.10 - 23.6304*t

Seasonal Indices (Сезонные индексы)

Accuracy of Model (Оценка точности полученного уравнения тренда)

MAPE: 4.1

MAD: 85.0

MSD: 10808.6

Forecasts (Прогнозные значения)

При проведении декомпозиции Minitab также генерирует три набора графиков (рисунки 1.5 – 1.7).

На рисунке 1.5 изображены исходные данные, оцененная линия тренда, оцененная линия тренда с сезонными колебаниями (predicted) и прогнозные значения.

На рисунке 1.6 изображены отдельные графики для каждой компоненты: исходные данные, данные без тренда, данные без сезонных колебаний и график ошибки – данные без тренда и без сезонных колебаний.

Эта группа графиков показывает как сезонные колебания влияют на временной ряд. Сюда входят графики:

- сезонных индексов (SeasonalIndices),

- график процента дисперсии обусловленной сезонными колебаниями (PercentVariation, bySeasonalPeriod),

- график разброса исходных данных за рассматриваемый сезонный период (OriginalData, bySeasonalPeriod),

- график разброса остатков за этот период (Residuals, bySeasonalPeriod).

Рисунок 1.5 – График временного ряда

Рисунок 1.6 – Результаты компонентного анализа при декомпозиции временного ряда.

Рисунок 1.7 – Результаты сезонного анализа при декомпозиции временного ряда

В результате проведенного анализа можно сделать следующие выводы:

1. Визуальный анализ графика ряда показывает, что производство молока имеет тенденцию к сокращению. Это может быть обусловлено сокращением поголовья молочного стада и общим снижением производства сельскохозяйственной продукции.

2. Временный ряд подвержен сильным сезонным колебаниям с максимумом производства в летние месяцы (апрель – сентябрь) и минимумом – в зимние (октябрь – март). При этом величина сезонных колебаний пропорциональна среднему уровню производства.

Следовательно, потребителю молочных продуктов необходимо быть готовым к сезонным изменениям уровня цен на продукцию: в летние месяцы — снижение цены, в зимние — возрастание.

2 Порядок выполнения работы

1 В соответствии с вариантом задания создать таблицу исходных данных. 2 Выполнить процедуру анализа временного ряда:

– определить уравнение тренда, который наиболее точно описывает данный временной ряд;

– провести полную декомпозицию временного ряда, определить сезонные индексы;

– сделать прогноз на полгода вперед.

3 Переписать все полученные данные в отчет.

4 Сделать выводы об исследуемом временном ряде.

3 Варианты заданий к лабораторной работе

Вариант № 1 Поквартальные индексы розничной цены на овощи в Великобритании (1951 – 1958 гг.) в фунтах.

 Скачать реферат