| المستخلص: |
يعتبر تحليل السلاسل الزمنية من الأساليب الشائعة الاستخدام للتنبؤ بالقيم المستقبلية بمتغير معين ويهتم هذا البحث بتطبيق أسلوب بوكس- جنكنز للسلاسل الزمنية كأحد الأساليب المستخدمة حديثا في هذا المجال للتنبؤ بالمتغيرات المؤثرة على المعاشات والتعويضات العامة في نظام التأمين الاجتماعي المصري (صندوق العاملين بالقطاع الحكومي)، وقد تمثلت هذه المتغيرات في متغيرات تتعلق بالنظام نفسه وبعض المتغيرات الديموجرافية والاقتصادية، وقد شمل هذا البحث الجانب النظري لنماذج بوكس- جنكنز كما شمل جانبا تطبيقيا يحتوي على: مقدمة عن طبيعة البيانات المستخدمة، وعرض وصفي للمتغيرات محل الدراسة (الإحصاءات الوصفية)، واختبار سكون السلسلة الزمنية باستخدام (اختبار Dickey-fuller)، ومراحل تحليل نموذج بوكس- جنكنز، وأخيرا التنبؤ بالمتغيرات، فبعد التأكد من سكون السلسلة الزمنية، تم البدء في خطوات التحليل، وهي: 1- تحديد رتبة النموذج، حيث تم تحديد نموذج لوصف السلسلة الزمنية وتحديد رتبة النموذج وذلك من خلال دالتي الارتباط الذاتي ACF والارتباط الجزئي PACF، 2- تقدير معلمات النموذج، 3- اختبار النموذج، فقد تم التأكد من دقة وجودة وواقعية النموذج من خلال العلاقة بين الأخطاء وFitted values، حيث أن عشوائية نمط الأخطاء يوضح أنها لا تحتوي على أية معلومات وأن النموذج قادرا على تفسير جميع معلومات المتغير، وأخيرا، 4- التنبؤ بالمتغيرات ولمدة ١١ سنة مستقبلية من ٢٠١٥/2016 وحتى ٢٠٢٥/2026.
Time-series analysis is one of the most commonly used methods for predicting future values of a given variable, This study is concerned with the application of the Box-Jenkins method of time series as one of the most recently used methods in this field to predict the variables affecting pensions and public compensation in the Egyptian social insurance system, These variables were variables related to the system itself and some demographic and economic variables, This research included the theoretical aspect of the Box-Jenkins models, as well as an applied aspect containing: Introduction to the nature of the data used, (Descriptive statistics), the time series Stationary test using the Dickey-fuller test, the stages of analysis of the Box-Jenkins model, and finally the prediction of the variables, After the time series Stationary, the steps of the analysis were started: Model Identification, where a model was determined to describe the time series and determine the grade of the model through the ACF and PACF. 2- Estimating the model parameters, 3- Model Checking, the accuracy, quality and realism of the model has been confirmed by the relationship between errors and. Fitted values, where random error pattern shows that they do not contain any information and that the model is able to explain all the variable information, 4- Predicting, the variables for the next 11 years from 2015/2016 to 2025/2026.
|
