Расчет прогнозного значения среднегодовой численности промышленно-производственного персонала с помощью моделей кривых роста. Определение коэффициентов линейной и параболической моделей. Рассмотрение и проверка гипотезы об отсутствии автокорреляции.
Аннотация к работе
Применение моделей кривых роста при построении бизнес-прогнозовНа современном этапе преобразований, происходящих с достаточно высокой скоростью, и в институциональной среде, и в системе бизнеса, и в обществе в целом возрастает спрос на качественные и оперативные прогнозные разработки. Интерес к будущему возникает из практической потребности реального времени, когда любой хозяйствующий субъект, формируя собственную стратегию, прогнозирует изменения во внешней среде. Прогнозирование характеризует активную позицию бизнеса, широту его видения, так как анализ перспектив основывается на синтезе методов, заимствованных из самых разных областей научной деятельности: философии, социологии, математики, экономики. параболический автокорреляция персонал Желание работать на опережение, эффективно формировать стратегию, предугадывая возможные или новые изменения в конкурентной среде, в поведении остальных субъектов бизнеса, становится жизненно необходимым и объективно оправданным. Кривые роста, описывающие закономерности развития явлений во времени, получают путем аналитического выравнивания динамических рядов.На практике для описания тенденции развития явления широко используются модели кривых роста, представляющие собой различные функции времени y = f(t). Прогнозирование социально-экономических явлений на основе кривых роста (кривых насыщения) стало применяться сравнительно недавно. Однако кривые роста хорошо себя зарекомендовали и при прогнозировании социально-экономических явлений. Суть метода кривых роста состоит в аппроксимации значений наблюдаемого показателя некоторой функцией (кривой роста), содержащей неизвестные параметры, которые находятся по имеющемуся ряду значений показателя. Применение кривых роста при прогнозировании социально-экономических явлений требует соблюдения определенных условий: 1.К I типу относятся функции, используемые для описания процессов с монотонным характером тенденции развития и отсутствием пределов роста. Ко II классу относятся кривые, описывающие процесс, который имеет предел роста в исследуемом периоде. Если кривые насыщения имеют точки перегиба, то они относятся к III типу кривых роста - к S-образным кривым. Эти кривые описывают как бы два последовательных лавинообразных процесса (когда прирост зависит от уже достигнутого уровня): один с ускорением развития, другой - с замедлением. Например, нормальные уравнения для оценивания параметров прямой (полинома первой степени) имеют видРассмотрим подробнее некоторые практические подходы, облегчающие процесс выбора кривой роста. Если на графике исходного ряда тенденция развития недостаточно четко просматривается, то можно провести некоторые стандартные преобразования ряда (например сглаживание), а потом подобрать функцию, отвечающую графику преобразованного ряда. В современных пакетах статистической обработки имеется богатый арсенал стандартных преобразований данных и широкие возможности для графического изображения, в том числе в различных масштабах. В статистической литературе описан метод последовательных разностей, помогающий при выборе кривых роста полиномиального типа. Если анализируемый временной ряд содержит в качестве неслучайной составляющей ft алгебраический полином порядка p, то переход к последовательным разностям порядка р 1 исключает регулярную составляющую, оставляя только элементы, выраженные через остаточную случайную компоненту.1 представлены данные за 15 лет о среднегодовой численности промышленно-производственного персонала, занятого в электроэнергетике. Требуется рассчитать прогнозное значение среднегодовой численности промышленно-производственного персонала в следующем году (период упреждения L = 1), исходя из предположения, что тенденция ряда может быть описана: 1.Графически значения заданного временного ряда представлены на рис. Исследование компонентного состава изучаемого временного ряда выявило, что в данном случае присутствуют и трендовая, и случайная составляющая (рис.1).Для расчета коэффициентов линейного тренда воспользуемся выражениями, полученными из системы нормальных уравнений после переноса начала координат в середину ряда (см. формулу (11)). В соответствии с формулой (11): Следовательно, уравнение линейного тренда имеет вид: Согласно этой модели оценка среднего уровня ряда при t = 0 равна 662,3 тыс. чел. Для прогнозирования на базе полученной модели на одну точку вперед необходимо в нее подставить соответствующее значение временного параметра, т. е. t = 8. (Если бы оценки коэффициентов модели были получены без переноса начала координат в середину ряда, то следовало бы подставить в модель значение временного параметра t = 16). Для расчета коэффициентов параболического тренда воспользуемся выражениями, полученными из системы нормальных уравнений после переноса начала координат в середину ряда (см. формулу (12)).
План
Оглавление
Введение
1. Применение моделей кривых роста для анализа и прогнозирования тенденций развития бизнес-процессов
1.1 Модели кривых роста
1.2 Виды кривых роста
1.3 Выбор формы кривой
2. Расчет прогнозного значения среднегодовой численности промышленно-производственного персонала с помощью моделей кривых роста
2.1 Исходные данные для прогнозирования
2.2 Исследование компонентного состава заданного временного ряда
2.3 Определение коэффициентов линейной и параболической моделей
2.4 Сравнение построенных моделей по характеристикам точности и проверка гипотезы об отсутствии автокорреляции