ZSZ_2
Zabrze
PROJEKT NR 2
PROGNOZOWANIE I SYMULACJE
Treść zadania
Sprowadzamy odzież z Anglii, miedzy innymi skarpetki renomowanej sportowej firmy Nike. Przedstawiona poniżej tabela ukazuje wzrost ceny jednej pary skarpetek (Yt) w zależności od poziomu ceny funta (X) w Polsce( dane: money.pl), począwszy od lutego 2010 roku a skończywszy na czerwcu 2012 roku. Zadaniem jest wyznaczenie prognozy poziomu ceny skarpetek na lipiec i sierpień 2012 roku. A także ocenić dokładność i trafność wyznaczonej prognozy. Oznaczenia z tabeli:
T [miesiące] | Yt [zł] | X [zł] |
---|---|---|
1 | 14,9346 | 4,9782 |
2 | 14,9346 | 4,9782 |
3 | 14,9346 | 4,9782 |
4 | 14,9304 | 4,9768 |
5 | 14,9667 | 4,9889 |
6 | 14,9793 | 4,9931 |
7 | 14,9154 | 4,9718 |
8 | 14,8455 | 4,9485 |
9 | 14,8575 | 4,9525 |
10 | 14,9124 | 4,9708 |
11 | 14,9688 | 4,9896 |
12 | 14,9547 | 4,9849 |
13 | 14,9988 | 4,9996 |
14 | 14,9985 | 4,9995 |
15 | 15,0504 | 5,0168 |
16 | 15,1422 | 5,0474 |
17 | 15,1764 | 5,0588 |
18 | 15,2418 | 5,0806 |
19 | 15,2433 | 5,0811 |
20 | 15,1044 | 5,0348 |
21 | 15,1017 | 5,0339 |
22 | 15,0891 | 5,0297 |
23 | 15,0243 | 5,0081 |
24 | 15,072 | 5,024 |
25 | 15,1053 | 5,0351 |
26 | 15,0756 | 5,0252 |
27 | 15,88 | 4,9907 |
X – cena funta w zł
Y – cena jednej pary skarpetek w zł
Dobór modelu prognozowania
Pierwszym krokiem jakim należy wykonać, jest wstawienie wykresu przedstawiającego zależność pomiędzy ceną funta (oś x) a ceną pary skarpetek (oś y). Jak można zauważyć wykresy wykazuje tendencje rosnąca. Następnie dodajemy linię trendu wraz z postacią równania i podanym R2. W tym przypadku trend przyjmuje postać liniową, a postać równania wraz z R2 wygląda następująco:
y = 0,779x + 11,383
R² = 0,9828
Stwierdzenie poprawności dobranego modelu prognozowania
Potwierdzając poprawność dobranego modelu prognozowania należy zbadać właściwości zbudowanego modelu. Służy do tego przeprowadzenie następujących testów:
Test istotności współczynnika korelacji wielorakiej R na poziomie istotności α=0,05:
Hipotezy dla testu:
H0: wartość współczynnika korelacji wielorakiej jest statystycznie równe zero
H1: wartość współczynnika korelacji wielorakiej nie jest statystycznie równe zero
n= 27
k=2
R2=0,982829011
F = 1430,944102
Istotność F = 0,00000000000000000000001371
Istotność F <α, zatem należy odrzucić hipotezę H0 na rzecz hipotezy H1. Wartość współczynnika korelacji wielorakiej nie jest statystycznie równa zero.
Test istotności parametrów strukturalnych na poziomie istotności α= 0,05
Hipotezy dla testu:
H0: a1 jest statystycznie równa zero
H1: a1 nie jest statystycznie równa zero
t Stat | Wartość-p |
---|---|
110,0452931 | 0,000000000000000000000000 |
37,8278218 | 0,000000000000000000000014 |
ta1 = 37,8278218
Wartość-p = 0,000000000000000000000014
Wartość-p < α, zatem parametr a1 jest statystycznie istotny – odrzucamy hipotezę H0.
Test serii
Hipotezy dla testu:
H0: reszty są losowe
H1: reszty nie są losowe
liczba n+ = 15
liczba n- = 12
liczba serii s = 12
α = 0,05
$$\gamma = \frac{\alpha}{2} = 0,025$$
S1= 8
$$\gamma = 1 - \frac{\alpha}{2} = 0,975$$
S2 = 19
S1<S<S2 dlatego jako prawdziwą przyjmujemy h1.Wynika stąd, że reszty wykazują losowość, a więc postać liniowa modeli została poprawnie dobrana
Test normalności rozkładu reszt
Hipotezy dla testu:
H0: reszty mają rozkład normalny
H1: reszty nie mają rozkładu normalnego
Do badania normalności rozkład reszt użyjemy testu Jarqua - Bera na poziomie istotności α = 0,05.
n = 27
S = 0,038594272
G3 = -0,58271536
G4 = 2,968993964
JB = 1,529088905
Wartość krytyczna chi-kwadrat wynosi 5,991464547. Zatem nie ma podstaw do odrzucenia hipotezy H0.
Test braku autokorelacji reszt
Hipotezy dla testu:
H0: reszty nie wykazują korelacji
H1: reszty wykazują korelację
m = 24
a = 0,05
t = 1,099523133
|t| = 1,099523133
Ponieważ |t|=t <wartość krytyczna t : nie ma podstaw do odrzucenia h0, a więc reszty modelu nie wykazują autokorelacji rzędu pierwszego.
Test stałości wariancji reszt
Hipotezy dla testu:
H0: reszty mają stałą wariancję
H1: reszty nie mają stałej wariancji
n-2 = 25
T = 1,614316208
Wartość krytyczna t* = 2,059538536.
Nie ma podstaw do odrzucenia H0 ,gdyż T < wartość krytyczna t*
Wyznaczenie prognozy
Po przeprowadzeniu testów można uznać skonstruowany model za odpowiedni do stworzenia prognoz na kolejne miesiące
Model ekonometryczny zaproponowany do prognozowania to:
y = 0,779x + 11,383
x – cena benzyny
Wyznaczone prognozy:
28 (lipiec 2012roku) – 15,96 zł za parę skarpetek Nike
29 (sierpień 2012roku) – 15,98 zł za parę skarpetek Nike
Trafność doboru modelu ocoeniona została za pomocą błedu ex ante prognoz:
dla 28 miesiąca błąd stanowi 12% wartości prognozy
dla 29 miesiąca błąd stanowi 13% wartości prognozy
Błędy te nie są spore, a więc można uznać stworzony model prognostyczny za dobrze dobrany.
Oceniając aktualność modelu ekonometrycznego wylicza się współczynnik Janusowy.
Współczynnik Janusowy = 0,4144438
Współczynnik jest mniejszy od 1 dlatego model ten może zostać użyty do prognozowania na przyszłe miesiące.