Прогнозирование спроса на природный газ

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