Главная | Обратная связь

Предварительный анализ данных

В ходе предварительного анализа определяют соответствие имею­щихся данных требованиям, предъявляемым к ним математическими ме­тодами (достоверности, сопоставимости, полноты, однородности и устойчивости); строится график динамики и рассчитываются основные традиционные динамические характеристики (приросты, темпы роста, темпы прирос­та).

Для получения общего представления о динамике исследуемого пока­зателя целесообразно построить его график. При графическом отобра­жении динамики показателя во времени по оси абсцисс откладываются значения переменной t, а по оси ординат - соответствующие значения показателя Y(t).

К процедурам предварительного анализа относятся:

· выявление аномальных наблюдений;

· проверка наличия тренда;

· сглаживание временных рядов;

· расчет показателей развития динамики экономических процессов.

Так как наличие аномальных наблюдений приводит к искажению результатов моделирования, то необходимо убедиться в отсутствии аномалий данных. Поэтому процедура выявления аномальных наблюдений является обязательной процедурой этапа предварительного анализа данных. Для диагностики аномальных наблюдений разработаны различные критерии, например, метод Ирвина /1/. Согласно этому методу для всех или только для подозреваемых в аномальности наблюдений вычисляется величина :

,

где

Если рассчитанная величина превышает табличный уровень (например, для 10 наблюдений значение критерия Ирвина равно 1,5), то уровень считается аномальным. Аномальные наблюдения необходимо исключить из временного ряда и заменить их расчетными значениями (самый простой способ замены – в качестве нового значения принять среднее из двух соседних значений).

Критические значения параметра /1/:

Количество наблюдений n
P=0,95	P=0,99
	2,8	3,7
	2,2	2,9
	1,5	2,0
	1,3	1,8
	1,2	1,7
	1,1	1,6
	1,0	1,5
	0,9	1.3
	0,8	1.2

Следующая процедура этапа предварительного анализа данных – выявление наличия тенденцийв развитии исследуемого показателя.

Тенденция проявляется не только в увеличении или уменьшении сред­него значения временного ряда, она присуща и другим его характеристикам: дисперсии, автокорреляции, корреляции с другими показателями и т. д. Наиболее важными из перечисленных тенденций являются тенденции среднего текущего значения и дисперсии. тенденцию среднего визуально можно определить из графика исходных данных.

Наличие тенденции среднего уровня на графике становится более заметным, когда на нем отражены сглаженные значения исходных данных.

Сглаживание временных рядов. Сглаживание временного ряда, т.е. замена фактических уровней расчетными значениями, имеющими меньшую колеблемость, чем исходные данные является простым методом выявления тенденции развития. Соответствующее преобразование называется фильтрованием.

Сглаживание временных рядов проводится по следующим причинам:

В ряде случаев при графическом изображении временного ряда тренд прослеживается недостаточно отчетливо. Поэтому ряд сглаживают, на график наносят сглаженные значения и, как правило, тенденция проявляется более четко.

Некоторые методы анализа и прогнозирования требуют в качестве предварительного условия сглаживание временного ряда.

Сглаживание временных рядов используется при устранении аномальных наблюдений.

Методы сглаживания в настоящее время применяются для непосредственного прогнозирования экономических показателей.

Существующие методы сглаживания делят на две группы:

Методы первого типа (аналитические). Сглаживание с использованием кривой, проведенной относительно фактических значений ряда так, чтобы эта кривая отображала тенденцию, присущую ряду и одновременно освобождала его от мелких незначительных колебаний. Такие кривые называют еще кривыми роста, и они используются главным образом для прогнозирования экономических показателей.

Методы механического сглаживания. При использовании этих методов производится сглаживание каждого отдельного уровня ряда с использованием фактических значений соседних с ним уровней. Для сглаживания временных рядов часто используются методы простой и взвешенной скользящей средней, экспоненциального сглаживания.