Решение задач прогнозирования с помощью статистического пакета SPSS (стр. 1 из 3)
Курсовая работа
на тему:
«Решение задач прогнозирования с помощью статистического пакета SPSS»
ВведениеТочная и своевременная информация о том, что может произойти в экономике и обществе в будущем, всегда имела значение для тех, кто принимал бизнес-решения. Прогнозирование стало важной частью процесса планирования любой компании. Развитие современных экономических теорий, а также сложных компьютерных программ повлияло на подъем новых методов прогнозирования.
Сегодня рынок статистического программного обеспечения впечатляет своим многообразием. Существует более тысячи разнообразных программ решающих задачи статистического анализа данных. Зарекомендовавшими себя представителями этого класса программ являются SAS, STATISTICA, Statgraphics, а также отечественная разработка пакет STADIA. Однако бесспорным лидером является статистический пакет SPSS.
Целью данной курсовой работы является описание функциональных возможностей системы SPSS и решение средствами этой системы задачи прогнозирования.
1. Функциональные возможности системы SPSS
Пакет SPSS для Windows является в настоящее время одним из лидеров среди универсальных статистических пакетов. SPSS предлагает полный набор инструментов, обеспечивающих эффективную работу на всех этапах аналитического процесса – от планирования до управления данными, анализа данных и представления результатов.
Программное обеспечение SPSS позволяет:
- Эффективно осуществлять сбор и ввод данных;
- Организовывать простой доступ к данным;
- Эффективно управлять данными;
- Использовать различные статистические процедуры для анализа данных и строить более точные модели;
- Наглядно представлять результаты тем;
- Публиковать результаты в Интернете.
Для прогнозирования числовых переменных в системе SPSS можно использовать такие процедуры как:
- Линейная регрессия – исследование взаимосвязей между предикторами и прогнозируемой переменной. Например, прогнозирование продаж на основе данных о ценах и доходе покупателей.
- Линейная регрессия доступна в SPSS Base
- Регрессия на основе взвешенного метода наименьших квадратов
- – используется, когда дисперсия независимой переменной в генеральной совокупности непостоянна.
- Регрессия на основе взвешенного метода наименьших квадратов доступна в SPSS Regression Models
- Двухэтапный метод наименьших квадратов – применяется, когда предиктор и прогнозируемая переменная оказывают взаимное влияние друг на друга.
- Двухэтапный метод наименьших квадратов доступен в SPSS Regression Models
- Анализ выживаемости – оценка распределения временных интервалов между двумя событиями, например, временных интервалов от момента привлечения клиента до момента ухода клиента к конкурентам, даже если второе событие не регистрируется (например, клиенты остаются лояльными).
Анализ выживаемости доступен в SPSS Advanced Models
– Регрессия Кокса с ковариатами, зависящими от времени
– Процедура Каплана-Мейера
– Таблицы дожития
Процедуры доступны в SPSS Advanced Models.
Мощным инструментом анализа временных рядов и прогнозирования является модуль SPSSTrends. SPSS Trends позволяет анализировать информацию о прошлом и предсказывать будущее.
SPSS Trends позволяет воспользоваться следующими процедурами оценивания:
- Анализ Бокса-Дженкинса для несезонных и одномерных моделей
- Процедуры для обработки сезонных составляющих
- Оценка до четырех параметров в 12 различных моделях экспоненциального сглаживания
- Различные регрессионные методы: регрессия тренда, регрессионные модели с авторегрессионными ошибками первого порядка
- Разложение временных рядов на гармонические составляющие
На каждом этапе построения модели в SPSS Trends можно воспользоваться альтернативными методами. Для оценки степени адекватности модели в SPSS Trends выводятся статистики и нормальные вероятностные графики. Адекватность моделей можно оценивать при помощи автоматически вычисляемых стандартных ошибок и других статистик.
SPSS для Windows обладает целым рядом графических возможностей позволяющих визуально оценить полученные числовые результаты анализа и прогноза данных. Многочисленные типы диаграмм позволяют представлять результаты в наглядной форме.
- Категориальные диаграммы (включая несколько типов столбиков, линий, областей, кругов и ящиков).
- Диаграммы для контроля качества (включая диаграммы Парето, Х-среднего и Сигма).
- Гистограммы и диаграммы рассеяния (включая перекрывающиеся, матричные и трехмерные).
- Диагностические и исследовательские графики (включая графики по наблюдениям и графики временных рядов).
- Вероятностные графики (включая графики наблюденных и ожидаемых значений).
- Графики автокорреляционной и частной автокорреляционной функции (включая преобразование натурального логарифма и сезонное и несезонное дифференцирование).
- Графики кросс-корреляционной функции (включая преобразование при помощи натурального логарифмирования, сезонное и несезонное дифференцирование).
Система презентационной графики SPSS для Windows позволяет без лишних усилий создавать диаграммы, наилучшим образом описывающие результаты анализа, а также редактировать созданные диаграммы для их более тонкой настройки. Системой презентационной графики также легко пользоваться в случае работы в производственном режиме. SPSS создавать диаграммы и применять параметры созданной диаграммы к новым диаграммам.
Для представления данных в табличном виде в системе SPSS имеется дополнительный модуль SPSS Tables. Интерактивный интерфейс построения таблиц обновляется в режиме реального времени, так что Вы можете видеть, как будет выглядеть таблица, и изменять ее в процессе построения. Такие возможности, как объединение несколько категорий в одну, вставка итогов и подитогов сверху, снизу, справа или слева в таблице, добавление подкатегорий, изменение типов переменных и исключение категорий позволяют быстро и эффективно управлять внешним видом таблиц. Кроме того, вместе с таблицами можно рассчитывать статистические критерии, что позволяет устанавливать и подчеркивать достоверность полученных результатов. Например, можно показать значимость связи между временем, уделяемым домашним животным, и временем восстановления после сердечного приступа, построив таблицу по переменной времени восстановления после сердечного приступа и переменным повседневной деятельности.
Скорость работы и производственные возможности SPSS Tables позволяют создавать большие отчеты, и обеспечивают быстрое и эффективное представление информации, заложенной в огромных массивах данных, в удобной и понятной форме. SPSS Tables обладает целым рядом возможностей, обеспечивающих удобную и быструю доставку получаемых табличных отчетов. Интерактивные мобильные таблицы, создаваемые в SPSS Tables, можно экспортировать в Word и Excel. Дополнительного форматирования таблиц не требуется, однако, при необходимости в таблицы можно вставлять содержательную и описательную информацию. Результаты также можно распечатывать и публиковать в Интернете.
2. Основные понятия и методы эконометрического прогнозирования
Прогнозирование – это научное, основанное на системе установленных причинно-следственных связей и закономерностей, выявление состояния и вероятностных путей развития явлений и процессов.
Статистические методы прогнозирования опираются на анализ временных рядов.
Временным рядом называется (рядом динамики) называется последовательность значений статистического показателя-признака, упорядоченная в хронологическом порядке, т.е. в порядке возрастания временного параметра. Отдельные наблюдения временного ряда называются уровнями этого ряда.
Каждый временной ряд содержит два элемента:
1. значения времени;
2. соответствующие им значения уровней ряда.
В качестве показателей времени во временных рядах могут указываться либо определенные моменты времени, либо отдельные периоды (сутки, месяцы, кварталы, полугодия, годы и т.д.). в зависимости от характера временного параметра ряды делятся на моментные и интервальные.
В моментных рядах уровни характеризуют значения показателей по состоянию на определенные моменты времени. В интервальных рядах уровни характеризуют значения показателя за определенные интервалы времени.
Уровни рядов динамики могут представлять собой абсолютные, относительные и средние величины. Если уровни ряда представляют собой непосредственно не наблюдаемые значения, а производные величины: средние или относительные, то такие ряды называются производными. Уровни этих рядов получаются с помощью некоторых вычислений на основе абсолютных показателей.
Важной особенностью интервальных рядов динамики абсолютных величин является суммировании я их уровней. В результате получаются накопленные итоги, имеющие осмысленное содержание благодаря отсутствию повторного счета.
Моментные ряды в отличие от интервальных не обладают свойством аддитивности. При исследовании моментных рядов смысл имеет расчет разностей уровней, характеризующих изменение показателя за некоторый период времени.
Успешность статистического анализа развития процесса во времени во многом зависит от правильного построения рядов динамики.
Каждый уровень временного ряда формируется под воздействием большого числа факторов, которые условно можно разделить на 3 группы:
факторы, формирующие тенденции ряда;
факторы, формирующие циклические колебания ряда;
случайные факторы.
При различных сочетаниях в изучаемом явлении или процессе этих факторов зависимость уровней ряда от времени может принимать различные формы.
Если во временном ряду проявляется длительная тенденция изменения экономического показателя, то говорят, что имеет место тренд.