Анализ, моделирование и прогнозирование производства сахара в Кыргызской Республике за период 1994-2013 гг


Прогноз объемов производства сахара на 2014 г



бет4/5
Дата19.05.2022
өлшемі158,43 Kb.
#143986
түріКурсовая
1   2   3   4   5
Байланысты:
Rashidova сахар 5

Прогноз объемов производства сахара на 2014 г.

Период

Объем производства, тонн

1 квартал

2154,5

2 квартал

1396,7

3 квартал

1056,6

4 квартал

733,5

Исходя из рисунка 1, на котором представлена динамика производства сахара за весь период, можно предположить, что в 2007 г. в связи с мировым кризисом в исследуемом временном ряду произошел структурный сдвиг.


Для того чтобы проверить выдвинутую гипотезу о наличии структурного сдвига во временном ряду производства сахара необходимо провести тест Чоу, заранее указав предположительную точку сдвига. Результаты теста приведены на рисунке 5.

Рисунок 5 – Результаты проверки наличия структурного сдвига
Исходя из результатов теста Чоу, на 5% - ном уровне значимости можно сделать вывод, что во временном ряду производства сахара структурный сдвиг не наблюдается. Следовательно, ряд структурно стабилен и для прогнозирования и дальнейшего анализа мы используем весь ряд.
ARIMA модель
Исходя из графика 1, на котором явно видны сезонные колебания, можно сделать вывод, что исследуемый временной ряд производства сахара в Кыргызской Республике является нестационарным. Подобный вывод можно сделать, посмотрев на коррелограмму, представленной на рисунке 2.
Для проверки ряда на стационарность необходимо провести тест Дики-Фуллера. Результаты теста представлены на рисунке 6.

Рисунок 6 – Тест Дики-Фуллера, процесс с первой разностью, без тренда и константы
Исходя из результатов теста Дики-Фуллера, представленных на рисунке 6, можно сделать вывод, что временной ряд производства сахара является стационарным при взятии первой разности без тренда и константы.
Также можно выдвинуть гипотезу о том, что в данном временном ряду присутствует авторегрессионная модель третьего порядка.
Тогда далее необходимо построить модель.

Рисунок 7 – Уравнение регрессии AR-модели
Поскольку при построении модели коэффициент при C оказался незначимым, то он был исключен из модели. В результате была получена модель авторегрессии третьего порядка. При этом коэффициент детерминации составил 62%, а критерии Акаике и Шварца 21,6 и 21,7 соответственно. Данная модель схожа с предыдущей моделью по характеристикам Акаике и Шварца, но согласно коэффициенту детерминации ARIMA модель лучше тренд-сезонной модели.
Необходимо провести LM-тест для выявления наличия автокорреляции остатков.

Рисунок 8 – Результаты LM-теста на наличие MA-модели
Исходя из проведенного теста на наличие модели скользящего среднего, можно предположить, что на 10%-ном уровне значимости в исследуемом временном ряду модель скользящего среднего отсутствует.
Таким образом, была получена модель ARIMA(3,1,0). Данная модель является лучшей, из построенных выше моделей, поскольку коэффициент детерминации составил 62%, а критерии Акаике и Шварца немного составили 21.6 и 21.7 соответственно.
На рисунке 9 представлен ряд остатков, а также моделируемый и модельные ряды.

Рисунок 9 – График моделируемого ряда, модельного ряда и ряда отклонений
Из рисунка 9 видно, что построенная модель ARIMA достаточно хорошо описывает исходные данные.
В таблице 5 приведены результаты прогноза на 2014 год по полученной модели.
Таблица 5



Достарыңызбен бөлісу:
1   2   3   4   5




©engime.org 2022
әкімшілігінің қараңыз

    Басты бет