Образец для цитирования:
Носов В. В. ИССЛЕДОВАНИЯ ПОКАЗАТЕЛЕЙ РАБОТЫ ЖЕЛЕЗНОДОРОЖНОГО ТРАНСПОРТА НА ОСНОВЕ ИСТОРИЧЕСКИХ ВРЕМЕННЫХ РЯДОВ // Изв. Сарат. ун-та. Нов. сер. Сер. Экономика. Управление. Право. 2015. Т. 15, вып. 1. С. 81-85. DOI: https://doi.org/10.18500/1994-2540-2015-15-1-81-85
ИССЛЕДОВАНИЯ ПОКАЗАТЕЛЕЙ РАБОТЫ ЖЕЛЕЗНОДОРОЖНОГО ТРАНСПОРТА НА ОСНОВЕ ИСТОРИЧЕСКИХ ВРЕМЕННЫХ РЯДОВ
Введение. Значительные территориальные пространства Российской Федерации предопределили особое место же- лезнодорожного транспорта для развития экономики страны. Так, основная масса грузов в стране (более 2 трлн т-км в год) перевозится именно по железным дорогам. Важную роль в оценке состояния и перспектив развития железнодорожно- го транспорта играет анализ исторических временных рядов показателей пассажирооборота и грузооборота. Методы. В настоящей работе с помощью статистических и эконометри- ческих методов проанализированы исторические временные ряды показателей пассажирооборота и грузооборота железно- дорожного транспорта за период с 1956 по 2012 г. и представ- лен прогноз на период до 2015 г. Результаты. Проведенный анализ показал отсутствие общей тенденции в исторических временных рядах показателей пассажирооборота и грузообо- рота. В подобных случаях для описания тенденции не может применяться аналитическое выравнивание и следует исполь- зовать самокорректирующиеся рекуррентные модели, кото- рые, характеризуя изменяющиеся во времени, динамические свойства ряда динамики, учитывают значения предыдущих уровней и дают возможность получить достаточно точные прогнозы будущих уровней. Под влиянием сложившихся со- циально-экономических условий динамика показателей ра- боты железнодорожного транспорта в предстоящем периоде будет иметь разнонаправленное движение – грузооборот в прогнозном периоде увеличивается, а пассажирооборот, на- оборот, снижается.
1. Chow G. C. Test of equality between sets of coefficients in two linear regressions // Econometrica. 1960. Vol. 28, № 3. P. 591–605. 2. Brown G. R. Smoothing, Forecasting and Prediction of Discrete Time Series. N.Y. : Dover Phoenix Editions, 2004. 468 р. 3. Hyndman R. J., Koehler A. B., Ord J. K., Snyder R. D. Forecasting with Exponential Smoothing // The State Space Approach. Springe 2008. XII. 360 p.