Построение трендовых моделей и прогнозирование результатов будующих периодов
Следующим этапом моего исследования было построение трендовой модели для распределения во времени имеющихся факторов:
2.1 Трендовая модель для У (объем продаж ОАО "КрасЦветМет" в тыс. р.) и T(номера наблюдения)
Y=19057,66+15406,22*√T
|
Beta |
Std.Err.of Beta |
B |
Std.Err. of B |
t(22) |
p-level | |
|
Intercept |
19057,66 |
7532,861 |
2,529937 |
0,019075 | ||
|
SQRV2 |
0,838955 |
0,116024 |
15406,22 |
2130,615 |
7,230881 |
0,000000 |
Multipl R2=0,70384588- коэффициент детерминации близок к 1 следовательно уравнение качественное.
А так как коэффициент Durbin-Watson= 1,660515, то есто близок к 2 следовательно автокорреляции нет, и остатки независимы между собой. Учитывая нормальные характеристики уравнения регрессии можно составить прогноз.
Из данной таблицы следует, что с вероятностью 95% Y (объем продаж ОАО "КрасЦветМет" в тыс. руб.) в 25 периоде (т. е. на 01.08) будет варьироваться в промежутке от 86170,4 до 102894,5 тыс. руб.
2.2 Затем построим трендовую модель для Х1(затраты на изготовление календарей в тыс. руб.) и T(номер наблюдения)
|
Beta |
Std.Err.of Beta |
B |
Std.Err. of B |
t(22) |
p-level | |
|
Intercept |
89,12270 |
29,70670 |
3,000087 |
0,006593 | ||
|
V2**4 |
0,281994 |
0,204548 |
0,00034 |
0,00025 |
1,378620 |
0,181870 |
