Выполнение задания 2

Целью выполнения данного задания является выявление основной тенденции (тренда) ряда динамики объёмов реализации продукции за годовой период, используя методы укрупнения интервалов, скользящей средней и аналитического выравнивания, а также отражение полученных результатов с помощью графического метода.

Суть различных приемов сглаживания рядов с целью выявления трендов сводится к замене фактических уровней ряда расчётными уровнями, которые в меньшей степени подвержены колебаниям, что способствует более чёткому проявлению основной тенденции развития ряда.

2.1. Сглаживание ряда динамики методом укрупнения интервалов

Метод укрупнения интервалов – метод, при котором первоначальный ряд динамики заменяется другим рядом динамики, с большими временными промежутками (например, ряд недельных данных можно преобразовать в ряд помесячных данных, ряд квартальных данных заменить годовыми уровнями). Возможно прямое суммирование уровней укрупненного периода или же расчёт средних уровней за более длительный период.

В соответствии с заданием 2, производится укрупнение интервалов последнего (пятого) года рассматриваемого пятилетнего периода путём перехода от помесячных к поквартальным данным обобъёме реализации продукции (табл.3).

Таблица 3

Расчётная таблица для определения укрупнённых (поквартальных) данных об объёме реализации продукции

Месяцы	Объём реализации продукции, тыс. тонн	Кварталы	Объём реализации продукции, тыс. тонн	Среднемесячный объём реализации продукции, тыс. тонн
январь	1 262,3	первый	4125,0	1375,0
февраль	1 250,7
март	1 612,0
апрель	1 950,0	второй	6928,8	2309,6
май	2 350,8
июнь	2 628,0
июль	2 606,0	третий	6641,5	2213,8
август	2 178,2
сентябрь	1 857,3
октябрь	1 544,0	четвёртый	3889,4	1296,5
ноябрь	1 200,7
декабрь	1 144,7
Итого	21 584,7	Итого	21584,7	1798,7

На основе среднемесячных данных табл. 3 построена эмпирическая кривая, представляющая собой график динамики развития изучаемого явления (рис. 2)

Рис. 2. График поквартальной динамики среднемесячных объемов реализации продукции

Вывод. Данные табл. 3 и рис. 2, показывают, что в результате применения метода укрупнения интервалов проявилась тенденция развития явления, для отображения которой целесообразно использовать параболическую функцию .

2.2. Сглаживание ряда динамики с применением скользящей средней

Метод скользящей средней – метод, при котором формируют укрупнённые интервалы, состоящие из одинакового числа уровней, – трехзвенные, пятизвенные, семизвенные и т.д. При этом соблюдается правило: каждый последующий укрупнённый интервал получают путем смещения на один уровень. Для трёхзвенного укрупнения интервалов:

первый интервал: y₁, y₂, y₃;

второй интервал: y₂, y₃, y₄;

……………………………;

последний интервал: y_n-2, y_n-1, y_n.

По каждому из полученных укрупнённых интервалов определяется средний уровень. Выровненные данные отображаются эмпирической кривой.

При выполнении задания 2 на основании исходных данных табл. 1 для последнего (пятого) года определены значения скользящей трёхзвенной суммы, а также рассчитаны значения скользящей средней.

При этом сначала был произведён расчёт средней за первые три месяца:

()=1375,0 тыс. тонн

Затем определена средняя за три месяца, начиная с февраля:

()=1604,2 тыс. тонн.

и т.д.

Полученный новый ряд динамики, состоящий из скользящих средних уровней, представлен в табл.4.

Таблица 4

Расчётная таблица для определения значений скользящей средней

Месяцы	Объём реализации, тыс. тонн	Скользящая трёхзвенная сумма, тыс. тонн	Скользящая средняя, тыс. тонн
январь	1 262,3	-	-
февраль	1 250,7	4125,0	1375,0
март	1 612,0	4812,7	1604,2
апрель	1 950,0	5912,8	1907,9
май	2 350,8	6928,8	2309,6
июнь	2 628,0	7584,8	2528,3
июль	2 606,0	7412,2	2470,7
август	2 178,2	6641,5	2213,8
сентябрь	1 857,3	5579,5	1859,8
октябрь	1 544,0	4602,0	1534,0
ноябрь	1 200,7	3889,4	1296,5
декабрь	1 144,7	-	-

Эмпирическая кривая, иллюстрирующая сглаженный ряд динамики, построенный методом скользящих средних представлена на рис. 3.

Рис. 3. График динамики объёмов реализации продукции, рассчитанных методом скользящей средней

Вывод. Как показывают данные табл.4, а также рис.3, значения скользящей средней до середины года систематически возрастали, но к концу года снизились до исходного уровня (даже несколько ниже его), что свидетельствует о параболической тенденции изменения объёмов реализации продукции за последний год рассматриваемого периода.

2.3. Сглаживание ряда динамики с помощью метода аналитического выравнивания

В отличие от двух предыдущих методов (укрупнения интервалов, скользящей средней) метод аналитического выравнивания позволяет не только выровнять данные, но и представить развитие ряда динамики в виде функции времени у =f(t).

При таком подходе изменение явления связывают лишь с течением времени: считается, что влияние других факторов несущественно или же косвенно сказывается через фактор времени. Правильно построчная модель у=f(t) должна соответствовать характеру изменения тенденции изучаемого явления. Выбранная функция у=f(t) позволяет получить выровненные (теоретические) значения уровней ряда динамики.

Для отображения трендов применяются различные функции: полиномы разной степени, экспоненты, логистические функции и т.д.

Оценка параметров в моделях у =f(t) находится методом наименьших квадратов (МНК), суть которого состоит в определении таких значений параметров (коэффициентов уравнения), при которых сумма квадратов отклонений расчётных значений уровней от фактических была бы минимальной:

(20)

где y_i – фактическое значение уровня ряда динамики; - расчётные значения; n – число уровней ряда.

2.3.1. Аналитическое выравнивание ряда динамики по прямой

Аналитическое уравнение прямой имеет вид:

, (21)

где t – порядковый номер периодов времени (или моментов);

– выровненные значения ряда динамики.

Система нормальных уравнений в данном случае имеет вид:

(22)

Отсчёт времени удобно производить так, чтобы сумма показателей времени ряда динамики была равна нулю, то есть:

(23)

При нечётном числе уровней ряда динамики для достижения равенства (20) уровень, находящийся в середине ряда, условно принимается за начало отсчёта времени, то есть этому периоду времени (или моменту) придаётся нулевое значение. Все последующие за нулевым уровнем обозначаются: +1;+2;+3 и т.д., а все предыдущие уровни в порядке расчёта, начиная от нулевого, обозначаются соответственно: -1;-2;-3 и т.д.

При чётном числе уровней ряда динамики для достижения равенства (20) уровни первой половины ряда (от конца этой половины и до начала ряда динамики) нумеруются: -1;-2;-3 и т.д., а уровни второй половины ряда (от начала этой половины и до конца ряда динамики) обознаются соответственно: +1;+2;+3 и т.д.

При соблюдении указанного принципа отсчёта времени t от условного нулевого начала система нормальных уравнений (19) преобразуется к более простому виду:

(24)

Решение системы 21 относительно неизвестных а, b позволяет определить параметры уравнения прямой (18):

(25)

(26)

2.3.2. Аналитическое выравнивание ряда динамики по параболе

Аналитическое уравнение параболы имеет вид:

(27)

Параметры уравнения a, b и c определяются на основе МНК.

Система нормальных уравнений в данном случае имеет вид:

(28)

При соблюдении принципа отсчёта времени t от условного нулевого начала система нормальных уравнений (25) преобразуется к следующему виду:

(29)

Решение системы уравнений (26) относительно неизвестных a,b,c позволяет определить параметры уравнения параболы (24).

Методику расчёта параметров уравнений прямой и параболы для данных последнего года рассматриваемого периода (табл.1) иллюстрирует табл.5.

Таблица 5

Расчетная таблица для определения параметров уравнений прямой и параболы

Месяцы
январь	1 262,3	-6		-7 573,8	45 442,8	1 296
февраль	1 250,7	-5		-6 253,5	31 267,5
март	1 612,0	-4		-6 448,0	25 792,0
апрель	1 950,0	-3		-5 850,0	17 550,0
май	2 350,8	-2		-4 701,6	9 403,2
июнь	2 628,0	-1		-2 628,0	2 628,0
июль	2 606,0			2 606,0	2 606,0
август	2 178,2			4 356,4	8 712,8
сентябрь	1 857,3			5 571,9	16 715,7
октябрь	1 544,0			6 176,0	24 704,0
ноябрь	1 200,7			6 003,5	30 017,5
декабрь	1 144,7			6 868,2	41 209,2	1 296
Итого	21 584,7			-1 872,9	256 048,7

При подстановке итоговых данных гр. 2 в формулу 22, итоговых данных гр. 4 и 5 – в формулу 23 параметры уравнения прямой получают следующие значения:

Таким образом, основная тенденция развития ряда отображается уравнением прямой:

Для определения параметров уравнения параболы итоговые данные гр. 2, 4-7 необходимо подставить в систему уравнений 26:

Решая систему, из 2-го уравнения определяют значение b:

Затем из 1-го уравнения выражают значение а, через параметр с:

Подставляя значение а в 3-е уравнение системы, получаем уравнение относительно с:

Решение последнего уравнения позволяет определить значение параметра c, а затем параметра а:

Таким образом, параболическая модель ряда имеет вид:

Правильность расчёта уровней выровненного ряда динамики проверяется следующим способом: сумма значений уровней эмпирического ряда должна совпадать с суммой значений уровней выровненного ряда , то есть:

(30)

Для того, чтобы определить, какое из полученных уравнений наиболее адекватно исходному ряду динамики, для каждого из них рассчитывают среднеквадратическое отклонение (среднеквадратическую ошибку) , которое определяется по следующей формуле:

, (31)

где m – число параметров в уравнении тренда (для уравнения прямой m =2, для уравнения параболы m =3).

С целью проверки правильности проведенных расчётов параметров уравнений прямой и параболы, а также выбора наиболее адекватной модели развития изучаемого явления, построена расчётная табл. 6.

Таблица 6

Расчётная таблица

Месяцы		для уравнения	для уравнения	для уравнения
прямой	параболы	прямой	параболы	прямой	параболы
январь	1 262,3	1860,5	1030,2	-598,2	232,1	357808,5452	53850,9154
февраль	1 250,7	1850,2	1458,3	-599,5	-207,6	359376,2704	43102,7425
март	1 612,0	1839,9	1806,7	-227,9	-194,7	51933,3963	37900,3024
апрель	1 950,0	1829,6	2075,3	120,4	-125,3	14496,6416	15711,6197
май	2 350,8	1819,3	2264,3	531,5	86,5	282484,8090	7480,5201
июнь	2 628,0	1809,0	2373,6	819,0	254,4	670734,7923	64733,6072
июль	2 606,0	1788,4	2353,0	817,6	253,0	668414,1644	64014,0601
август	2 178,2	1778,1	2223,1	400,1	-44,9	160045,6032	2020,1429
сентябрь	1 857,3	1767,9	2013,6	89,4	-156,3	8000,9447	24429,6900
октябрь	1 544,0	1757,6	1724,4	-213,6	-180,4	45608,3007	32526,8439
ноябрь	1 200,7	1747,3	1355,4	-546,6	-154,7	298738,7649	23932,7088
декабрь	1 144,7	1737,0	906,8	-592,3	238,0	350794,4138	56620,2025
Итого	21 584,7	21584,7	21584,7	0,0	0,0	3268436,6466	426323,3555

Равенство итоговых значений гр.2,3,4 показывает, что согласно критерию (30) расчёты коэффициентов уравнений прямой и параболы выполнены правильно. Графики соответствующих сглаживающих кривых представлены на рис.4.

Рис. 4. Сглаживание ряда динамики объёмов реализации продукции методом аналитического выравнивания по прямой и параболе

Для выбора наиболее адекватной модели развития ряда (прямой или параболы) необходимо рассчитать среднеквадратическое отклонение по формуле (31) с использованием итоговых данных гр.7,8 табл.6.

Для уравнения прямой:

,

Для уравнения параболы:

Вывод. Величина среднеквадратической ошибки , рассчитанная для уравнения параболы значительно меньше, чем для уравнения прямой. Следовательно, уравнение параболы

является более адекватной моделью описания тенденции ряда динамики объёмов реализации продукции по сравнению с уравнением прямой

Этот же вывод подтверждают графики сглаживания ряда динамики на рис.4.

Параболическая форма ряда может объясняться разными причинами, в том числе наличием сезонной компоненты в развитии явления.

Аналитическое выравнивание рядов динамики широко используется при построении прогнозов на основе метода экстраполяции. Применение программных продуктов позволяет при помощи компьютеров оперативно определить адекватное уравнение тренда, на основании которого при необходимости можно делать прогноз.