Построенную модель спроса на природный газ в зависимости от ВВП можно использовать для краткосрочного прогнозирования , так как эта модель статистически значима при уровне доверительной вероятности 0,95, обладает высокой точностью (средняя ошибка аппроксимации равна 2,36%), уравнением этой регрессии объясняется 85,54% дисперсии результативного признака.
Для того чтобы оценить прогнозные значения спроса на природный газ в 2011 - 2012 годах, необходимо сначала спрогнозировать ВВП в указанные периоды времени.
На рис.1 представлен график динамики ВВП за 1996 - 2010 годы.
Рис.1.Динамика ВВП за 1996 - 2010 года.
Источник: построено автором на основе данных табл. 1
Из этого графика видно, что в динамике ВВП прослеживается тенденция к увеличению его уровней. Поэтому для прогнозирования этого показателя построим параболический тренд. В 2009 году в связи с мировым финансовым кризисом произошло падение ВВП, в связи с этим введем в модель фиктивную переменную, равную единице в 2009 году и нулю ¾ иначе.
Модель параболического тренда для временного ряда ВВП имеет вид:
. (14)
Оценим параметры этой модели с помощью метода наименьших квадратов (см.таблицу 12).
Таблица 12. Модель тренда
Регрессионная статистика |
Множественный R R2 Нормированный R2 Стандартная ошибка Наблюдения |
0,9936 0,9837 0,9839 1926,0903 15 |
Дисперсионный анализ | |
df |
F |
Значимость F | |
Регрессия Остаток Итого |
3 11 14 |
285,47 |
0,0000 | | |
Коэффициенты |
Стандартная ошибка |
t-Статистика |
P-значение |
b0 b1 b2 b3 |
1312,5698 -2,2918 209,9532 -3622,6141 |
1726,4521 504,0992 31,4445 2251,3398 |
0,7603 0,0045 6,6769 1,6091 |
0,4631 0,9965 0,0000 0,1359 |
Источник: инструмент «Регрессия» статистического пакета анализа MicrosoftExcel.
Сравнивая расчетные значения t-статистики Стьюдента (см. таблицу 12), фактора времени и фиктивной переменной, с табличным значением tтабличный=3,182 (Приложение 6) делаем вывод: коэффициенты перед этими факторами являются статистически незначимыми, так как tрасчетный оказался меньше tтабличного.
Таблица 13. Модель тренда
Регрессионная статистика |
Множественный R R2 Нормированный R2 Стандартная ошибка Наблюдения |
0,9921 0,9842 0,9830 1977 15 |
Дисперсионный анализ | |
df |
F |
Значимость F | |
Регрессия Остаток Итого |
1 13 14 |
810,1508 |
0,0000 | | |
Коэффициенты |
Стандартная ошибка |
t-Статистика |
P-значение |
b0 b1 |
1511,6484 204,4018 |
782,9722 7,1813 |
1,9307 28,4631 |
0,0756 0,0000 |
Перейти на страницу: 1 2 3 4 5 6
|