Шаг 3. Получение и анализ результатов

Для получения прогноза исходного ряда достаточно вспомнить тип выбранной модели в диалоге Census X11, в котором мы разделили исходный ряд на несколько частей. Теперь нам необходимо " склеить" полученные части и их прогнозы. В диалоге Census X11 мы использовали аддитивную модель: F_t=TC_t + S_t + e_t где, F_t - прогноз значения ряда во времени t, TC_t - прогноз значения тренд-циклической компоненты ряда во времени t, e_t - значения ошибки или шума. Воспользовавшись типом модели, построим прогноз - сложим TC_t и S_t.

Для того чтобы сложить две переменные по наблюдениям, воспользуемся диалогом настройки переменных. Для того чтобы вызвать этот диалог, дважды щелкните правой кнопкой мышки по заголовку соответствующей переменной.

Рисунок 15. Рабочая таблица и диалог настройки переменных.

В диалоге переменных, введите формулу " =v10+v11" в окно формул. После этого нажмите кнопку ОК. Построим график исходного ряда и полученного прогноза.

Рисунок 16. График исходного ряда и график прогноза на 12 месяцев вперед.

Резюме

В данном примере для построения прогноза использованы методы сезонной декомпозиции Census X11 и экспоненциального сглаживания. Стоит отметить что, этот методом является достаточно общим, так как сам метод Census X11 обобщает методы экспоненциального сглаживания, кроме этого, этому методу требуется не менее 36 (3 сезонных цикла) наблюдений, тогда как методам экспоненциального сглаживания требуется для получения значимых оценок минимум 5 сезонных циклов (в нашем случае - 60 наблюдений или 5 лет.)

Полученный прогноз обладает значением средней абсолютной относительной ошибки на уровне 2% и значением R2 на уровне 0.97, что является очень хорошими результатом.
Если вы воспользуетесь методом сезонной АРПСС (ARIMA), то получите значения возможных отклонений, что позволит более точно понять структуру и природу ряда.