Анализ остатков. АКФ остатков.
У нас в Автокорреляционной функции столбцы выходит за пределы красной линии, что означает остатки не являются Белым Шумом. Поэтому проводим Авторег. остатков через ARIMA.
Autocorrelation
Function
:
E
(
r
)
Авторегрессия для
E
(
r
)
Первого порядка.
ARIMA Model: E (r)
Относительное изменение в каждой из лагов не превышает 0,0010.
В графике видно, в 12 лаге есть некое отклонение и возможно существуют факторы, которые повлияли на исходные изменения.
E (t) =0,489377+0,5109*E (t-1) +W (t)
Общее уравнение модели тренда. Прогноз на 3 шага вперед.
Финальная модель:
(t) = (73,9564 + 0,734098*t - 0,000719185*t^2) *S (t) * (0,489377+0,5109*E (t-1) +W (t))
Прогноз на 3 месяца:
По модели
Вывод по модели
Как уже говорилось, модель имеет тенденцию к снижению и сезонность, которая характеризуется перепадами и прыжками, каждые полгода. После анализа графика также стало ясно о наличии цикличности в рассматриваемый период. AKФ показала, что зависимость следующих показателей сильно зависит от предыдущих.
При проведенных анализах в 6 и 7 пунктах, выявлена наилучшая модель в виде ПМ. При выборе учитывался Коэффициент детерминации ПМ с 0,9969
в отличии от других. В дальнейшем мы выбрали ПМ в качестве основы финальной модели.
После проведения авторегрессии 1 порядка достигнут результат с наилучшим прогнозом. Составлена финальная модель.