Тема 5. Моделювання та прогнозування динаміки

 

Основні засади моделювання динаміки.коефіцієнти автокореляції r_p з часовим лагом. Автокореляційна функція. Циклічний коефіцієнт автокореляції першого порядку. Моделювання та прогнозування динамічних процесів. Процедури у системі Statistica: процедури модулів Multiple Regression, Time Series / Forecasting, Nonlinear Estimation; моделювання трендів і трендова екстраполяція за процедурами модулів Multiple Regression та Nonlinear Estimation; комплексний аналіз динамічних процесів, ідентифікація моделей, адаптивне прогнозування — за процедурами модуля Time Series / Forecasting.

Типи трендових моделей. Короткострокове прогнозування на основі ковзних середніх. Оцінювання сезонної компоненти: сезонно-декомпозиційна модель Холта-Вінтера, модель гармонійного аналізу Об’єднані (інтегровані) моделі авторегресії — ковзної середньої (ARIMA). Моделювання повних циклів.

Контрольні запитання

1. Прогнозування на основі часових рядів.

2. Екстраполяція одномірних рядів методом середнього рівня.

3. Особливості методів короткострокового прогнозування.

4. Аналітичне вирівнювання тренда (криві зростання) як метод середньострокового прогнозування.

5. Вплив типу динаміки ряду на вибір виду функції, що апроксимує тренд.

6. Прогнозування випадкової компоненти.

ТЕМА 6.ОСНОВИ МОДЕЛЮВАННЯ ВЗАЄМОЗВ’ЯЗКІВ

 

Типи моделей взаємозв’язку. Багатофакторні індексні моделі. Класична регресія. Забезпечення адекватності регресійної моделі.

Розширена регресія. Регресія на змішаних факторних множинах. Адаптація регресійної моделі до неоднорідної сукупності. Регресія на групуваннях. Модель стандартизованих групувань.

Багатофакторне прогнозування. Особливості моделювання взаємозв’язаних динамічних рядів. Динамічна модель для сукупності об’єктів. Нелінійна регресія.

Контрольні запитання

1. Поняття про функціональну та стохастичну залежність між окремими явищами.

2. Кореляційний зв’язок.

3. Перевірка суттєвості зв’язку. Кореляційно-регресійний аналіз і його етапи.

4. Вибір форми рівняння регресії. Обчислення параметрів рівняння регресії і їх економічна інтерпретація.

5. Оцінка тісноти зв’язку та перевірка суттєвості в кореляційно-регресійному аналізі.

6. Побудова довірчого інтервалу коефіцієнта регресії. Оцінка параметрів системи одночасних рівнянь.

 

ТЕМА 7. МОДЕЛЮВАННЯ ПРИЧИННИХ КОМПЛЕКСІВ

 

Структура взаємозв’язків і структурна форма моделі.

Матриця суміжності. Графи зв’язку: послідовного прямого; одночасно реалізованого прямого і зворотного.

Гамільтонів шлях. Ендогенні та екзогенні змінні, лагові змінні. Ідентифікація моделі.

Рекурентна модель. Сутність повного ефекту впливу фактора х_і. Алгоритм розрахунку повного ефекту впливу фактора х_і.

Концепція методу головних компонент. Основне призначення методу головних компонент. Ідентифікація компонент, факторне навантаження j-ї компоненти на і-у ознаку, факторна структура, повнота факторизації. Процедури методу головних компонент — Principal components; Factor Analysis. Ідентифікація та вимірювання головних компонент.

Пошук простої факторної структури. Побудова моделі головних компонент: розрахунок кореляційної матриці R; виокремлення головних компонент і розрахунок факторних навантажень; ідентифікація головних компонент.

Поглиблений факторний аналіз, факторне шкалювання.

Контрольні запитання

1. Багатокроковий процес прийняття рішень та динамічного програмування. Метод рекурентних співвідношень.

2. Методи дослідження якісних економічних показників.

3. Задачі економічного вибору.

4. Сутність звичайної (однокритерійної) оптимізації.

5. Множинна та окрема кореляції.

6. Кореляція в рядах динаміки.