Виды статистических методов прогнозирования

Термин «коэффициент условно-чистой регрессии» означает, что величины b измеряют среднее по совокупности отклонение зависимой переменной, представляющего собой результативный признак, от ее средней величины при отклонении зависимой переменнойх от своей средней величины на единицу ее измерения. Прочие факторы, которые входят в уравнение регрессии, закреплены на средних значениях и не изменяются.Множественная регрессия может использоваться и не только в целях прогнозирования, но и для отбора статистически значимых независимых факторов, которые используются при исследовании результативного признака. Например, при поиске критериев сегментации можно использовать регрессионный анализ для выделения демографических факторов, которые будут оказывать наибольшее влияние на какой либо определенный результирующий показатель, характеризующий поведение покупателей, допустим выбор товара.Множественная регрессия может использоваться и для определения относительной важности независимых переменных.Поскольку независимые переменные имеют различные размерности, проводить их сравнение прямым образом нельзя. Например, нельзя прямым образом сравнивать коэффициенты b для размера семьи и величины среднего для семьи дохода.Обычно в данном случае поступают следующим образом. Делят каждую разницу между независимой переменной и ее средней на среднее квадратическое отклонение для этой независимой переменной. Далее возможно прямое сравнение полученных величин (коэффициентов).В настоящее время разработан целый ряд моделей авторегрессионных преобразований и последующего прогнозирования на их основе, но наибольшее распространение среди них получил метод Фриша-Воу. В соответствии с теоремой, доказанной Фришем и Воу, в систему связных динамических рядов в явной форме в качестве дополнительного факторного признака вводится время. Преимущество практической реализации метода Фриша-Воу в моделировании заключается в том, что введение фактора времени снимает основную тенденцию развития всех показателей, представленных исследуемыми рядами динамики. Это, в свою очередь, способствует исключению автокорреляции и мультиколлинеарности из динамических рядов. Кроме того, параметры модели множественной регрессии, содержащей в качестве аргумента фактор времени, поддаются лучшей интерпретации.Как и любые прогнозы, оценки, полученные при помощи статистических методов нужно уметь правильно использовать. Литература1. Илышев, А.М. Общая теория статистики : учебник / А.М. Илышев. - Москва :Юнити-Дана, 2015. - 535 с.2. Колемаев, В.А. Теория вероятностей и математическая статистика : учебник / В.А. Колемаев, В.Н. Калинина. - Москва :Юнити-Дана, 2015. - 352 с.3. Лукашин, Ю.П. Прогнозирование социально-экономических процессов : учебное пособие / Ю.П. Лукашин ; Московская международная высшая школа бизнеса «МИРБИС» (Институт). - Москва ; Берлин : Директ-Медиа, 2017. - 88 с. 4. Мухина, И.А. Социально-экономическая статистика : учебное пособие / И.А. Мухина. - 3-е изд., стереотип. -Москва : Флинта, 2017. - 116 с. 5. Непомнящая, Н.В. Статистика: общая теория статистики, экономическая статистика / Н.В. Непомнящая, Е.Г. Григорьева ; Министерство образования и науки Российской Федерации, Сибирский Федеральный университет. - Красноярск : Сибирский федеральный университет, 2015. - 376 с.