Оценка точности линейной модели

Точность модели может быть оценена по итогам расчета средней относительной ошибки аппроксимации. Для этого выбрать вкладку «Характеристики остатков», строку «Относительная ошибка» (см.рисунок 16).

Рисунок 16. Оценка относительной ошибки аппроксимации

 

По итогам расчетов можно сделать вывод: средняя относительная ошибка аппроксимации по линейной модели составляет 3,78 %, следовательно, точность линейной модели можно признать удовлетворительной.

Для анализа критерия точности выбрать вкладку «Характеристики остатков», строку «Критерий точности» (см. рисунок 17).

 

Рисунок 17. Оценка критерия точности линейной модели

В программе VSTAT предусмотрена возможность расчета интегрированного критерия качества, который в соответствующих долях учитывает адекватность и точность модели. Для анализа обобщенного критерия качества необходимо выбрать вкладку «Характеристики остатков», строку «Критерий качества» (см.рисунок 18).

 

Рисунок 18. Оценка критерия качества линейной модели

 

Критерий качества равен 86,52 по 100-бальной шкале, что позволяет говорить о хорошем общем качестве модели.

Сводные результаты оценки качества линейной модели можно просмотреть, выбрав вкладку «Характеристики базы моделей» (см.рисунок 19).

 

 

Рисунок 19. Оценка качества линейной модели

Общее качество линейной модели может быть также оценено по коэффициенту детерминации, а статистическая значимость - по критерию Фишера. Для этого выбрать вкладку «Характеристики остатков», строки «Коэффициент детерминации», «F-значение» (см.рисунок 20).

 

 

Рисунок 20. Оценка статистической значимости линейной модели

 

По итогам проведенных расчетов можно сделать выводы:

- коэффициент детерминации равен 0,98, значение достаточно близко к 1, следовательно, общее качество линейной модели можно признать достаточно высоким;

- критерий Фишера, равный 436,75, превосходит табличное значение, следовательно, линейная модель признается статистически значимой.

7. Построение прогнозов по линейной модели и представление результатов расчетов графически.

Расчет точечного и интервального прогнозов в программе VSTAT осуществляется автоматически. Для просмотра результатов прогнозирования необходимо выбрать вкладку «Таблица прогнозов» (см.рисунок 21).

 

 

Рисунок 21. Результаты прогнозирования по линейной модели

Вывод: По результатам расчетов можно сделать вывод, что спрос на кредитные ресурсы в последующие два месяца будет составлять 91,67 тыс.рублей, причем колебания спроса могут осуществляться в интервале от 83,97 до 99,37 тысяч рублей и на последующий месяц 98,80 тысяч рублей с соответствующими колебаниями в интервале от 90,65 до 106,95 тысяч рублей, что в целом свидетельствует о положительной динамике спроса на кредитные ресурсы коммерческого банка. Это позволит Банку, имея информацию о прогнозируемых объемах спроса на кредитные ресурсы, своевременно координировать направления размещения денежных ресурсов.