Анализ временных рядов и прогнозирование в системе STATGRAFICS, страница 9

Следовательно, наибольшие возможности в изменении выручки от реализации У связаны с изменением факторов Х3 (денежные доходы в расчете на душу населения в среднем за месяц,  тыс. руб.) и Х4 (удельный вес частного жилого фонда, %)

Для построения прогноза по множественной корреляционно-регрессионной модели построим отдельно для каждого фактора его регрессию на фактор времени, другими словами построим трендовые модели, а также прогноз для каждого фактора. Выбор формы тренда и построение прогноза проводим в соответствии с методикой, описанной ранее (раздел 3.5.)(таблица 4.2.2.).

Таблица 4.2.2. - Трендовые модели для факторов, включенных во множественную корреляционно-регрессионную модель

Факторы

Трендовая модель

Используя трендовые модели, представленные в таблице 4.2.2. построим точечные и интервальные прогнозы  по исследуемым факторам (таблица 4.2.3.)

Таблица 4.2.3. Прогнозные значения  факторов, включенных во множественную корреляционно-регрессионную модель.

Год прогноза

Точечный прогноз

Граница прогноза

нижняя

верхняя

Х2

2006

0,5153

0,3646

0,7282

2007

0,5570

0,3906

0,7945

2008

0,6022

0,4180

0,8675

2009

0,6510

0,4471

0,9480

Х3

2006

63,7286

56,1238

71,334

2007

65,2712

56,5340

74,0084

2008

66,6051

56,4234

76,7867

2009

67,7301

55,8092

79,6510

Х4

2006

7,7253

2,4427

13,0079

2007

6,3648

0,9432

11,7865

2008

5,044

-0,5695

10,5783

2009

3,6440

-2,3823

9,3823

Х10

2006

1,9490

-1,8638

5,7618

2007

2,8607

-1,5199

7,2413

2008

3,9159

-1,1889

9,0207

2009

5,1146

-0,9622

11,0914

Полученные прогнозные значения подставим в уравнение множественной регрессии:

Y=9,99392 + 3,80885*X2 + 0,119721*X3 + 0,0685042*X4+ 0,155791*X10.

В результате подстановки получим прогнозные значения, которые приведены в таблице 4.2.4.

Таблица 4.2.4. – Прогнозные значения и доверительные интервалы средней обеспеченности жильем жителей Хабаровского края, полученные на основе множественной регрессии

Год прогноза

Точечный прогноз

Граница прогноза

нижняя

верхняя

2006

20,41912428

17,97880

23,09643

2007

20,81146963

18,07779

23,81597

2008

21,21723581

18,11685

24,62108

2009

21,62863461

18,06529

25,51127

Результаты прогноза показывают, что население Хабаровского края в ближайшем будущем ожидает повышение средней обеспеченности жильем (в основном за счет роста денежных доходов).  К 2009 году средняя обеспеченность жильем составит 21,63 кв.м на человека, т.е. возрастет по сравнению с 2005 годов на 8,7% (среднегодовой темп прироста составит 2,1%).

5.2. Периодизация на основе кластерного анализа, реализованного в пакете STATGRAFICS

В  STATGRAFICS реализовано 6 видов иерархических агломеративных процедур и одна неиерархическая процедура кластерного анализа типа -средних. Последняя использует начальный набор зарождающихся точек, указанных исследователем. Зарождающие точки – это отдельные элементы данных, которые применяются для «запуска» процесса кластеризации.

В основном модуле Special(Специальный) выберем пункт MultivariateMethods(Многомерные методы). В открывшемся меню найдем пункт ClusterAnalysis (Кластерный анализ) появится окно Кластерного анализа (рисунок 5.2.1.).

Рисунок 5.2.1. – Окно модуля ClusterAnalysis (Кластерный анализ)

Заполним панель кластерного анализа. Система выдаст предварительную сводку (рисунок 5.2.2.).

Analysis Summary

----------------

Data variables:

     X1

     X10

     X2

     X3

     X4

     X5

     X6

     X7

     X8

     X9

     Y

Number of complete cases: 14

Clustering Method: Nearest Neighbor (Single Linkage)

Distance Metric: Squared Euclidean

Cluster   Members   Percent

---------------------------

1         14        100,00

---------------------------

Centroids

Cluster   X1       X10       X2        X3      X4        X5      X6      X7        X8          

------------------------------------------------------------------------------------------

1   0,835945 0,850593 0,304    43,8071   17,9286  5,50714  1013,47  424,919   23750,7     

------------------------------------------------------------------------------------------

Cluster   X9           Y           

-----------------------------------

1         228,407     17,7571     

-----------------------------------

Рисунок 5.2.2. Окно предварительной сводка кластерного анализа.

Выберем пункт AnalysisOptions (Опции анализа) система покажет панель ClusterAnalysisOptions(Опции кластерного анализа) (рисунок 5.2.3.)

Method-Метод ; NearestNeighbor – Ближнего соседа; FurthestNeighborДальнего соседа; Centroid - Центроид; Median - Медиана; GroupAverageГрупповые средние ; Ward'sМетод Уорда; k-Means - k-средних ; NumberofClustersКоличество кластеров; DistanceMetricМетрическое расстояние; SquaredEuclidean – Взвешенное Евклидово; Euclidian - Евклидово; CityBlock – Сити блок; Cluster - Кластер; Observations - Наблюдения; Variables - Переменные; Standardize – Стандартизировать.

Рисунок 5.2.3. – Панель ClusterAnalysisOptions(Опции кластерного анализа)