Проверяемый текст
Бияков, Олег Анатольевич. Региональное экономическое пространство : Измерение использования потенциала (Диссертация 2004)
[стр. 101]

обработки временных рядов предлагается новая процедура нормирования (сглаживания) медианная.
Пусть дан временной ряд Аь
А2).
Ак, тогда каждый новый элемент сглаженного ряда С; вычислим по следующей формуле 3.1: Q = 1 + (Aj Me) / ( AmaxAmin+ 1), i = l,...,k, (3.1) где Me медиана временного ряда; Атах>Aminмаксимальный и минимальный члены ряда.
Отметим некоторые преимущества предлагаемого подхода относительно других методов сглаживания.

Во-первых, уменьшается общая погрешность преобразования.
Проведенные исследования1 показали, что при медианном сглаживании получаем погрешность около 4%, скользящем 8 %, экспоненциальном 11%.
Во-вторых, при медианном сглаживании в преобразованных временных рядах практически отсутствует смещение по локальным экстремумам.
В-третьих, при попытке аппроксимации'исходных данных и данных, сглаженных по медиане, имеем практически одинаковый' вид функции.

При расчете темпов роста после медианного преобразования получаем еще одно серьезное преимущество в преобразованном временном ряде отсутствуют нулевые и отрицательные компоненты при практически полном совпадении данного тренда с исходным.
Это особенно важно, если в расчетах используются стоимостные показатели, например
фискальные (финансовые) результаты таможенной деятельности.
Ни один из других упомянутых методов
преобразования не дает такого результата.
Решается проблема с нулевыми компонентами, когда темп роста рассчитать нельзя, и отрицательными, когда темп роста имеет 1 Бияков О.Л.
Теория экономического пространства: методологический и региональный аспекты.
Томск: Изд-во Томского университета.
2004.
101 I л
[стр. 205]

номистов, занимающихся проблемами экономического моделирования.
Отсюда следует, что можно говорить о качестве первичной обработки статистической информации как о весьма важном моменте, во многом определяющем будущие результаты исследования.
С.
Суспицын и А.
Поздняков в этой связи отмечают, что «распространенным и естественным приемом межрегиональных сравнений является анализ определенным образом нормированных основных показателей регионального развития» [296, с.
94].
Естественно, что качество первичной обработки статистических данных во многом определяет адекватность будущей модели.
» Для первичной обработки временных рядов предлагается новая процедура нормирования (сглаживания) медианная.
Пусть дан временной ряд А
и Л2 — Лк, тогда каждый новый элемент сглаженного ряда С, вычислим как С) = 1 + (А,M e ) / ( A maxA min + 1), i= 1 .Х (3.1) где Me медиана временного ряда; А тах, А т1Пмаксимальный и минимальный члены ряда.
Отметим некоторые преимущества предлагаемого подхода относительно других методов сглаживания.

I Во-первых, уменьшается общая погрешность преобразования.
Проведенные исследования показали, что при медианном сглаживании получаем погрешность около 4%, скользящем 8%, экспоненциальном 11%.
Во-вторых, при медианном сглаживании в преобразованных временных рядах практически отсутствует смещение по локальным экстремумам.
В-третьих, при попытке аппроксимации исходных данных и данных, сглаженных по медиане, имеем практически одинаковый вид функции.

При расчете темпов роста после медианного преобразования получаем еще одно серьезное преимущество в преобразованном временном ряде отсутствуют нулевые и отрицательные компоненты при практически полном совпадении данного тренда с исходным.
Это особенно важно, если в расчетах используются стоимостные показатели, например
финансовые результаты хозяйственной деятельности.
Ни один из других упомянутых методов
преобразова205

[Back]