Прогнозирование, основанное на использовании моделей временных рядов

Средние значения переменных соответственно равны:

Вычислим дисперсии независимых переменных, зависимой переменной и остатков:

Коэффициент детерминации R2 показывает, какая часть движения зависимой переменной описывается данным регрессионным уравнением и вычисляется по формуле [ЛЕЩ, c. 48]:

и коэффициент корреляции:

Поскольку |r| < 0,4, то между факторным и результативным признаком корреляционной связи нет.

Коэффициент детерминации равен: R2 = 0,0293. А это значит, что 2,93% вариации результативного признака зависит от вариации уровня факторных признаков, а 97,07% приходится на другие факторы.

Найдем среднюю ошибку аппроксимации как среднюю арифметическую простую по формуле [ЕЛИ, с. 87]:

Получим:

Поскольку δ > 7%, то делаем вывод о плохом подборе модели для исходных данных.

Проверим адекватность модели по критерию Фишера или F-критерию, который вычисляется по формуле [ЛЕЩ, c. 53]:

Поскольку F(0,05; 2; 16) = 3,6337 и |F*| > Fтаб, то делаем вывод о неадекватности эконометрической модели.

Методом математической экстраполяции составим прогноз показателя на следующие 4 недели.

Y(22) = 214,2489 + 6,1034 ∙ 22 - 0,2697 ∙ 222 = 217,9889,(23) = 214,2489 + 6,1034 ∙ 23 - 0,2697 ∙ 232 = 211,9558,(24) = 214,2489 + 6,1034 ∙ 24 - 0,2697 ∙ 242 = 205,3833,(25) = 214,2489 + 6,1034 ∙ 25 - 0,2697 ∙ 252 = 198,2714.

Таким образом, делаем вывод о несостоятельности исходных данних для построения адекватной модели. Об этом свидетельствует непредсказуемость объемов продаж рекламного времени.

Для возможности повышения прибыльности этого вида деятельности нужно кардинально менять подход в работе персонала, вид рекламируемых продуктов и качество их подачи.

Нужно делать ставку на долгосрочные контракты с новыми заказчиками рекламы и находить компромисс с прежними клиентами. Для этого нужно усовершенствовать тарифные планы рекламных пакетов.