IEVADS
Ekonomikas cikliskums, kuru izraisa dažādi faktori ir dabisks process, bet, lai cilvēki, pirms ekonomikas augšupejas vai lejupslīdes, spētu adekvātāk rīkoties un „sagatavoties” tai, nepieciešams izdarīt pēc iespējas precīzākas prognozes. Ekonomikas svārstības parāda dažādi makroekonomiskie rādītāji – IKP, bezdarbs, cenu līmenis un citi rādītāj. Izdarot prognozes, ir jābalstās uz ekonomikas teoriju, kas palīdz izvēlēties pareizo modeļa formu. Piemēram, zinot sakarību starp inflācijas un bezdarba līmeņu izmaiņām, ko atspoguļo Filipa līkne, matemātiskais modelis nebūs lineārs, jo Filipa līkne ir līkne. Viena no priekšrocībām, ko sniedz prognozēšanas modelis – paredzot, ka nākotnē ir gaidāma kāda negatīva ekonomikas procesa iestāšanās, var ieviest dažādus pasākumus, kas novērstu vai mazinātu ietekmējošo faktoru darbību, tā novēršot vai mazinot gaidāmo negatīvo ekonomikas procesu.
Referātā galvenā uzmanība tiek pievērsta ARIMA procesiem un Box-Jenkins metodoloģijai, bet stacionārs un nestacionārs process tiek apskatīts ARIMA modeļu veidošanas kontekstā. Paralēli teorijai, tiek sniegts praktisks piemērs izmantojot Latvijas Republikas Centrālās Statistikas pārvaldes datus par mazumtirdzniecības apgrozījuma izmaiņām laikā. Visu aprēķinu veikšanai ir izmantotas datorprogrammas MS Excel un SPSS.
1. LAIKA RINDAS UN PROGNOZĒŠANA
Agrāk „laika rindu analīze” un Box-Jenkins analīze tika lietoti kā sinonīmi, bet šodien Box-Jenkins analīze ir plašāks jēdziens. Arī agrāk tika ignorēta laika rindu analīze, to pamatojot ar faktu, ka tā ir izņemta no vispārējās ekonometrijas, bet pētnieki, laikam ejot, sāka labot šo kļūdu, un šodien laika rindu analīzei, tātad, arī ARIMA modeļiem, tiek pievērsta īpaša uzmanība.
…
