Kehl Dniel Dr.

Sipos Bla




Excel parancsfjlok felhasznlsa a statisztikai elemzsekben



Oktatsi segdlet













Pcsi Tudomnyegyetem
Kzgazdasgtudomnyi Kar
Pcs, 2009.









2




rta:

Dr. Sipos Bla egyetemi tanr, PTE KTK

Az Excel parancs fjlokat programozta:

Kehl Dniel egyetemi tanrsegd, PTE KTK
























Felels kiad: PTE KTK Dknja
3

Tartalom.
ELSZ 5
BEVEZETS, AZ EXCEL BELLTSAI, AZ EXCEL PARANCSFJLOK HASZNLATA
SORN 8
OFFICE 2007 ESETN: 8
1 EGYSZER ADAT-ELEMZSEK: VISZONYSZMOK SZMTSA S GRAFIKUS
BRZOLS 8
1.1 A DINAMIKUS VISZONYSZMOK PARANCSFJL MKDSE 12
GYAKORL FELADATOK. (DINAMIKUS VISZONYSZMOK.XLS) 13
1.2 BRK KSZTSE EXCEL PARANCSFJL MKDSE 13
GYAKORL FELADATOK. (BRK KSZITSE.XLS) 14
1.3 AZ ORSZGONKNTI KORFA PROGNZIS KSZTSE 2050-IG EXCEL PARANCSFJL MKDSE
16
GYAKORL FELADATOK. (ORSZGONKNTI KORFA PROGNZIS KSZTSE 2050-IG.XLS) 17
1.4 NEMZETKZI SSZEHASONLTSOK EXCEL PARANCSFJLOK FELHASZNLSVAL 18
GYAKORL FELADATOK. (NEMZETKZI SSZEHASONLTSOK EXCEL PARANCSFJLOK) 18
2 ELEMI MVELETEK A VLTOZKKAL S EMPIRIKUS ELOSZLSOK ELEMZSE
19
2.1 SZMLLS, RANGSOROLS, SSZEGZS 19
2.2 KZPRTKEK S KVANTILISEK 20
2.3 SZRDSI MRSZMOK 21
2.4 AZ ELEMI MVELETEK PARANCSFJL MKDSE 22
2.5 EMPIRIKUS ELOSZLSOK ELEMZSE EXCEL PARANCSFJL MKDSE 23
GYAKORL FELADATOK. (ELEMIMVELETEK.XLS S EMPIRIKUSELOSZLSOKELEMZSE.XLS) 32
3 AZ IDSOROK ELEMZSI MDSZEREI 33
3.1 A DEKOMPOZCIS IDSORMODELLEK 34
3.1.1 AZ IDSOROK SSZETEVI S KAPCSOLDSI MDJAI 34
3.1.2 A TREND VAGY A HOSSZ TV ALAPIRNYZAT BECSLSI MDSZEREI 36
3.1.3 A SZABLYOS RVID TV (SZEZONLIS) INGADOZS 49
3.1.4 A CIKLIKUS (PERIODIKUS) MOZGS MODELLEZSE.* 51
3.2 AZ ELREJELZSEK HIBINAK A MRSE (A HIBAKPLETEK EXCEL PARANCSFJL
MKDSE)* 54
3.3 TRENDSZEZON-HIBASZMTS PARANCSFJL MKDSE 56
GYAKORL FELADATOK. KONJUNKTRA CIKLUSOK MODELLEZSE, A TRENDSZEZON -
HIBASZMTS EXCEL PARANCSFJL MKDSE) 59
3.4 A TELTDSI, A LOGISZTIKUS (S-ALAK)- S LETGRBE TRENDFGGVNYEK BECSLSE
EXCEL PARANCSFJLLAL* 59
3.4.1 INFLEXIS PONTTAL NEM RENDELKEZ TELTDSI GRBK 60
3.4.2 EGY INFLEXIS PONTTAL RENDELKEZ TRENDFGGVNYEK 62
3.4.3 KT INFLEXIS PONTTAL RENDELKEZ TRENDFGGVNYEK 73
3.4.4 A LOGISZTIKUS TRENDEK BECSLSE EXCEL PARANCSFJL MKDSE* 77
GYAKORL FELADATOK. DEKOMPOZCIS IDSORMODELLEK 78
3.5 NAIV ELREJELZSI TECHNIKK. (A NAIVMDSZER-PARANCSFJL MKDSE.)* 80
GYAKORL FELADATOK. (NAIVMODSZER.XLS) 84
3.6 AZ EXPONENCILIS KIEGYENLTS MDSZERE 84
GYAKORL FELADATOK. (SIMIT.XLS) 88
4
3.7 A SABL-MDSZER (SZOFTVER) FELHASZNLSA ADATELKSZTSRE, A TREND S A
PERIODIKUS HULLMZS SZTVLASZTSRA* 88
GYAKORL FELADATOK A SABL-SZOFTVER ALKALMAZSRA* 97
4. A KORRELCI- S REGRESSZISZMTS 97
4.1 A REGRESSZI.XLS PARANCSFJL MKDSE 100
4.1.1 AZ ADAT MUNKALAP 100
4.1.2 A MTRIX MUNKALAP 105
4.1.3 A MARADK MUNKALAP 107
4.1.4 A MULTIKOLLINEARITS MUNKALAP 108
4.1.5 AZ AUTOKORRELCI MUNKALAP 115
4.1.6 A HOMOSZKEDASZTICITS MUNKALAP 118
4.2 GYAKORLATI ALKALMAZSOK BEMUTATSA IDSOROS S KERESZTMETSZETI ADATOK
ALAPJN 120
4.3 COCHRANE-ORCUTT ITERCIS ELJRS, A COTRANSZFORMCI.XLS PARANCSFJL
MKDSE* 128
4.4 A SZROETER-HARRISON-KING-FLE PRBA. (SZROETERTESZ.XLS PARANCSFJ MKDSE)
S A GOLDFELD-QUANDT-PRBA (GOLDFELD-QUANDT-PRBA.XLS PARANCSFJ MKDSE)*130
4.4.1 A SZROETER-HARRISON-KING-FLE PRBA 130
4.4.2 A GOLDFELD-QUANDT-PRBA 134
4.5 A REGRESSZIS EGYTTHATK SSZEFGGSEI (AZ TELEMZS) 137
4.6 KSLELTETETT REGRESSZIS MODELLEK. (KSLELTETETTMTRIX.XLS PARANCSFJL
MKDSE)* 138
4.6.1 A KSLELTETS MODELLJEINEK RVID TRTNETE 138
4.6.2 A FORDTOTT V-KSLELTETS MODELLEK. 140
4.6.3 KOYCK MDSZEREI 142
4.6.4 ALMON-FLE POLINOM ELOSZLS OSZTOTT KSLELTETS MODELLEK 146
4.7 A HATVNYKITEVS (COBB-DOUGLAS ) TERMELSI FGGVNY (A TERMELSI FGGVNY
TLAG S HATRMUTATI.XLS PARANCSFJL MKDSE)* 147
GYAKORL FELADATOK: C-D-TERMELSI FGGVNY TLAG S HATRMUTATI EXCEL
PARANCSFJL.XLS ALKALMAZSA. NEM LINERIS, DE LINEARIZLHAT REGRESSZIS
FGGVNYEK BECSLSE REGRESSZIO.XLS EXCEL PARANCSFJLLAL* 159
4.8 A CES-FGGVNY BECSLSE. (CES1.XLS, CES2.XLS CES3.XLS)* 160
GYAKORL FELADATOK CES1.XLS, CES2.XLS S CES3.XLS* 164
4.9 LOGISZTIKUS REGRESSZIS FGGVNYEK* 164
4.10 A SZTOCHASZTIKUS KAPCSOLAT ELEMZSE, AZ ASSZOCICIS EGYTTHATK EXCEL
PARANCSFJL MKDSE 166
FGGELK 173
F.1 INTERNETES ADATBZISOK 173
F.2 A MATRIX.XLS PARANCSFJL MKDSE 176
F3 TUDOMNYTRTNETI SSZEFOGLAL 178
F.4. TBLZATOK 185
F.4. A GRG BETK 195
FELHASZNLT IRODALOM 196




5
Elsz

A vals mret statisztikai modellek megoldsa kzi szmtsokkal ltalban nem, vagy csak
nehezen vgezhet el, a szmtgpes feldolgozs lehetsge azonban j utakat nyitott meg a
statisztika tudomnyban is. Napjainkban a szmolsi igny a szemlyi szmtgpek meg-
jelense s elterjedse miatt mr nem jelent klnsebb akadlyt, a szmtsok megknny-
tsre tbb matematikai-statisztikai s konometriai szoftvert is megalkottak. Ezeknek a prog-
ramoknak az oktats s a gyakorlati felhasznls szempontjbl azonban tbb hinyossga is
van. Az eladsra sznt programcsomagok
1
ltalban fekete dobozknt mkdnek, azaz a
felhasznl nem ltja, azt, hogy mi trtnik a httrben, a bevitt input s az rtelmezend out-
put jelenik meg csupn. A hivatkozott, legtbbszr az Amerikai Egyeslt llamokban kiadott
szakknyvek a hallgatk szmra nehezen beszerezhetek s drgk. Az ilyen szoftverekkel
kapcsolatos tovbbi gond az is, hogy folyamatosan jabb verziik jelennek meg, ami szles-
kr alkalmazsuk lehetsgt megnehezti. Drgtja a felhasznlsukat tovbb, hogy az
ves licencdj kifizetsn tl a gpszm fggvnyben gyakorta kln djat kell fizetni. A fel-
soktatsban sok esetben a szoftverek csak az egyetemi/fiskolai szmtgpeken rhetek el,
a hallgatk otthoni szmtgpkre leglisan nem telepthetik azokat. A klnbz szoftverek
emellett klnbz felhasznli fellettel rendelkeznek. A preferlt csomag kivlasztsa
gy meglehetsen nknyes. A klnbz formtumok miatt a programcsomagok kztti vl-
ts nmely esetben gondokat okoz. Az interneten tallhat, ingyenesen letlthet
konometriai programcsomagok, mint pldul az egyik legismertebb s legelterjedtebb gretl
(Gnu Regression, Econometrics and Time-series Library, http://gretl.sourceforge.net/), igen
sokoldal szolgltatst nyjtanak, de az elmleti httr feldolgozshoz a megadott angol
nyelv szakirodalmat
2
is be kell szerezni s el kell sajttani. A jelenleg legnpszerbb irodai
programcsomag a Microsoft Office Windows vltozata 1990-ben jelent meg. A Microsoft Of-
fice
3
s ezen bell az MS Excel vilgviszonylatban s Magyarorszgon is szleskren al-
kalmazott szoftver. Egyrszt ez a tny indokolja az MS Excel (tovbbiakban Excel) alkalma-
zst, tovbb az is, hogy az elzekben ismertetett problmkat rszben ki lehet kszblni.
Az Excel sok statisztikai mveletet kpes elvgezni, de az alapfunkcik segtsgvel felpt-
hetk a bonyolultabb statisztikai s konometriai mdszerek is a fggvnyek segtsgvel. Az
Excellel ilyen mdon a szles rtelemben vett modellezst is tanthatjuk a hallgatknak. To-
vbbi elny, hogy a mdszerek, a felhasznlt kpletek megjelennek, azok alakthatk, az adott
feladat megoldshoz testre szabhatk, lthatv, s megrthetv vlnak a rszeredmnyek
s a mellkszmtsok. Az Excel a specilis statisztikai szoftverekhez hasonlan, de messze
nem olyan rszletessggel a statisztika mdszertannak nagy rszt felleli beptett modul-
ja (Analysis ToolPak) segtsgvel, de j nhny aprbb hiba (pl. rossz, vagy flrerthet ma-
gyarra fordts) s hinyossg is a sajtja. Az emltett flrefordtsoknl nagyobb hibk is
megfigyelhetk, melyek az Excel korbbi verziiban csakgy megtallhatk voltak, mint a
legjabbakban. Az Excel a fknt a kvetkeztetses statisztikban oly fontos eloszlsok ese-
tn nmely specilis esetben hibs, nagyban flrevezet rtkeket szolgltat. A tmakr bs-
ges irodalommal rendelkezik, tanulmnyunkban csak utalunk Knsel
4
illetve McCullough s
Wilson
5
vagy az Excel legjabb kiadsval kapcsolatban Yalta
6
munkira, melyekbl az r-
dekld olvas kimert hibalistt merthet. Az emltett hibk azrt is bosszantak, mert
tbb ve ismertek. Hasonl problmk ms szoftverek esetn is elfordultak, de valamennyit
a lehet leggyorsabban javtottk, mg az Excel esetben ez a jelents tudomnyos visszhang
ellenre sem trtnt meg. Ennek megfelelen az Excelt tudomnyos felhasznlsra nem, okta-
tsra azonban ajnljk a szerzk. Az Excel ktsgtelen s messze legfontosabb elnye
ugyanakkor, hogy az Office csomag elterjedse miatt szinte mindenhol megtallhat. ltal-

1
Pl.: BMDP, SPSS, SAS, STATISTICA, MINISTAT, MINITAB stb.
2
Hill R. C., Griffiths W. E., Lim G. C. [2008].

3
Ld.: Baczoni Pl [2007], Brtfai Barnabs [2002].
4
Ld.: Knsel, [1998], [2002], [2005].
5
Ld.: McCullough-Willson, [1999], [2002].
6
Ld.: Yalta, [2008].
6
nos elrhetsge egyben azt is jelenti, hogy akr mikro- s kisvllalatok amelyek a drga, s
folyamatosan friss verzikkal jelentkez szoftvereket nem kpesek megvsrolni elemzsi
eszkztrt is erstheti. Megemltjk tovbb azt a fontos tnyt, hogy a statisztika oktats-
ban ma mr Magyarorszgon, a nagyobb egyetemeken s fiskolkon az Excel, mint tblzat-
kezel szoftver elterjedt, fknt knny elrhetsge okn. Az els knyv e tmakrben Ma-
gyarorszgon Rappai Gbor: zleti statisztika Excellel
7
c. mve volt. Ismereteink szerint csak
az Excel alapszolgltatsainak hasznlata terjedt el az oktatsban s az zleti letben Magyar-
orszgon
8
, pedig mint arrl mr sz esett az Excel ennl tbbre kpes, lehet batch file-
okat, ktegelt parancsllomnyokat (a tovbbiakban parancsfjlokat, illetve programokat) k-
szteni. Internetes keress
9
, s a rendelkezsnkre ll szakknyvek feldolgozsa alapjn
10

megllaptottuk, hogy az USA-ban igen elterjedtek a parancsfjlok, br legtbbszr csak kor-
ltozott szolgltatsokat nyjtanak. A tovbbi szolgltatsokat kln meg kell fizetni, azokat
a knyvekhez mellkelt CD-k nem tartalmazzk. Rtrve az alkalmazsi lehetsgekre, vle-
mnynk szerint az adatelemzs t szintje oldhat meg az Excellel: Az els szint az, amikor a
Fggvny beszrsa varzslt (ikont) hasznljuk, teht beptett statisztikai, matematikai s
trigonometriai, mtrix, adatbzis, stb. fggvnyeket alkalmazunk. A msodik szint, amikor az
Eszkzk - Adatelemzs
11
menpont szolgltatsait (pl. korrelcianalzis, regresszi) hasz-
nljuk. A harmadik szint, amikor magunk runk konkrt adatsorhoz vagy adatsorokhoz kple-
teket, mivel nem minden feladathoz ll rendelkezsre megrt fggvny. A negyedik szint az,
amikor parancsfjlokat ksztnk vagyis a harmadik szintet ltalnostjuk aminek felhasz-
nlsval az ltalunk megadott adatbzis terjedelmig (ez az adatbzisok sajtossgainak
12

fggvnyben 25 - 10000 megfigyels) j adatbzisok felhasznlsval korltlan szmban
szmtsokat vgezhetnk a programozott kpletek, illetve fggvnyek alkalmazsval. Gyak-
ran igen sok szmtst kell elvgezni. Eben az esetben az idvel val takarkos gazdlkods a
cl, mert gyakran a harmadik szintnl egy feladatsor szmtsainak elvgzse tbb ra, vagy
tbb nap, amit a parancsfjlok felhasznlsval egy perc alatt el lehet vgezni. Az tdik szint
az, amikor a feladat a hagyomnyos mdon nem oldhat meg. Erre plda a CES termelsi
fggvny, ahol a vltozk szma tbb mint a rendelkezsre ll egyenletek szma. A feladat a
legjobban illeszked fggvny paramtereinek a megkeresse
13
. A logisztikus s egyb speci-
lis trendfggvnyek esetben a fggvnyeket nem lehet linerisra transzformlni, a cl meg-
keresni azokat a paramtereket, amelyek mellett az illeszts a legpontosabb
14
. A logisztikus
regresszis fggvnyek sem linearizlhatk, de itercis eljrssal, a paramterek vltoztat-
sval a paramterek becslhetk, meghatrozhat egy olyan fggvny, ahol a tbbszrs de-
termincis egytthat a legnagyobb. Az Excel a Visual Basic for Applications (VBA) fel-
hasznlsval programozhat, gy ezek a feladatok egy itercis eljrssal megoldhatk. A
negyedik s tdik szint tovbbi elnye az, hogy szakrti rtkelsre is felhasznlhatk,
vagyis javaslatot lehet tenni a klnbz modellek elfogadsra vagy elutastsra, tovbb
kikszblhetek az Excel fordtsi s tartalmi hinyossgai. ppen ezrt, s az eddig felso-
roltak miatt gondoltuk gy, hogy rdemes lenne olyan Excel alkalmazsokat ltrehozni, me-
lyek megknnytik a tanultak elsajttst, dinamikusak, a felhasznlt kpletek knnyen leol-
vashatk, megknnytik a feladatmegoldst, s didaktikusak. A hallgatknak lehetsgk
nylik a nagy mennyisg szmtsi folyamat mg nzni. Tovbbi nagy elnye a kvetke-
zkben ismertetett mdszernek az, hogy az rdekld hallgatk amennyiben valamilyen
specilis mdszer alkalmazsra van szksgk, a bemutatott programok alapjn, vagy azok

7
Rappai Gbor [2001].
8
Pl. Balzsn Mcsai Andrea-Csetnyi Arthur [2003], Jnosa Andrs [2005].
9
Ld.: pl. statistiXL, ami 30 napos ingyenes vltozat, utna meg kell venni, regresszi-, faktor- s
klaszter-analzist is szmol, elrhetsge az interneten: http://www.statistixl.com/ (1.8 verzi: 2009
december 31)
10
Evans James R. [2007], Aczel, Amir D. [2002], Berenson, Mark L. Levine David M. Krehbiel
Timothy C. [2006].
11
Az Eszkzk Bvtmnykezel Data Analysis Toolpak bejellse utn.
12
Pl. hisztogram 25, korfa 101, elemi mveletek 5 ezer stb.
13
Ld.: ces1.xls
14
Ld.: Kehl Dniel Dr. Sipos Bla [2009]. s logisztikusregresszio.xls
7
mdostsval elkszthetik sajt, testhezll Excel fjljaikat is. A munkalapokat egysges
szerkezetben ptettk fel. A vltoztathat, illetve megadhat vagy megadand adatokat srga
mezk jellik, az eredmnyeket pedig egysges struktrban, illetve szhasznlattal kvntuk
megjelenteni. A megrtshez szksges vgeredmnyek, s az egyes cellk szmtshoz
hasznlt kpletek valamennyi cella esetn lthatak. Termszetesen a kpletek, fggvnyek
olvasshoz alapvet tblzatkezelsi ismeretek elengedhetetlenek, ezzel a szmts menete
kvethetv vlik. Szintn nagyon fontos, hogy egyetlen cella, vagy vezrlelem (Checkbox,
legrdl men stb.) megvltoztatsa az eredmnyek azonnali vltozst vonja maga utn, s
mindezt hla a gyors szmtsi sebessgnek azonnal elrhetjk. Rappai Gbor az informa-
tikai tmogatottsggal s az Excel felhasznlsval kapcsolatban a kvetkezket rta: meg-
gyzdsem szerint a legszlesebb krben rendelkezsre ll tmogateszkz hasznlata a
legindokoltabb
15
. A modernizci jelentsgre hvja fel a figyelmet Kovcs Pter tanulm-
nya is
16
, aki a Szegedi Tudomnyegyetemen bevezetett tanterven keresztl mutatja be a sze-
gedi modellt, ami szintn ersen tmaszkodik az Excelre. gy gondoljuk, hogy az ltalunk
felvzolt, Excel alap oktats az egyik, termszetesen nem kizrlagos irny lehet a jvben.
Rappai Gbor dkn javaslatra 2006-ban kezdtk meg a fejleszt munkt. Az ltalunk rt ok-
tatsi segdlet felhasznlbart stlusban rdott, csak annyi matematikai kpletet tartalmaz,
ami az Excel parancsfjlok megrtshez s a feldolgozshoz, az eredmnyek rtelmezshez
felttlenl szksges s szleskr hazai s nemzetkzi adatbzist dolgoz fel, ami a szakmai
megrtst elsegti. Az oktatsi segdlet fggelkben, amit pdf formtumban is mellkelnk
a CD-n, felhvjuk a figyelmet arra s bemutatjuk, hogy hogyan lehet a feldolgozott adatsoro-
kat az interneten megkeresni s letlteni. Oktatsi segdletnkben s annak CD mellkletben
azokat az Excel parancsfjlokat mutatjuk be, melyek elksztst feladatul tztk ki, s ame-
lyek fellelik a statisztika illetve konometria hrom fontos terlett; 1. egyszer elemzsek:
viszonyszmok szmtsa, grafikonok ksztse, empirikus eloszlsok elemzse s elemi sta-
tisztikai mveletek; 2. dekompozicis idsorelemzs statisztikai mdszerei; 3; korrelci- s
regressziszmts s egyes specilis alkalmazsok: pl. ksleltetett regresszis modellek. A
CD mellklet tartalmazza az Excel parancsfjlokat, s a feladatok megoldshoz szksges
adatokat. Kzljk tovbb az eladsok prezentciit pdf formtumban s a SABL szoftvert.
Az oktatsi segdlet megrtshez szksges elmleti httr nagy rsze megtallhat a Pintr
Jzsef Rappai Gbor (szerkeszt) [2007]: Statisztika.
17
c. BSC tanknyvben, amire az Excel
parancsfjlok kidolgozsa sorn tmaszkodtunk, ezrt csak az Excel parancsfjlok megrts-
hez felttlenl szksges elmleti ismereteket s kpleteket ismertetjk. Az oktatsi segdletet
a BSC s ezen fell az MSC, MBA s PHD kpzsben is hasznljuk, gptermes gyakorlati
oktats keretben. Azokat az Excel parancsfjlokat, amelyek nem kpezik a BSC alapkpzs
tananyagt, a knyvben *-gal jelljk. Munknk sorn rtkes segtsget kaptunk Hunyadi
Lszl emeritus egyetemi tanrtl (Corvinus Egyetem) s Rdey Katalin nyugdjas egyetemi
adjunktustl (Pcsi Tudomnyegyetem, Kzgazdasgtudomnyi Kar). Segtsgket ezton is
ksznjk. Az Excel alkalmazsnak tmjval bvebben foglalkoz kziknyv (Kehl Dniel
Dr. Sipos Bla: Excel parancsfjlok felhasznlsa a statisztikai elemzsekben) s az Excel
parancsfjlok (BSC.zip, MSC.zip s SABL.zip) a PTE honlapjn a KTK-GMI Publikcik -
Sipos Bla internet cmen letlthetk.
18

19



A Szerzk


15
Rappai Gbor [2008]: 840.

16
Kovcs Pter [2008b]

17
Pintr Jzsef Rappai Gbor (szerkeszt) [2007].
18
http://www.gmi.ktk.pte.hu/index.php?mid=33#SiposB
19
Kiss Tibor-Sipos Bla: EXPS for Windows. 1998 szoftver 12 mdszerrel vgzi el a becslst, a PTE
KTK gptermeiben hasznlhat. Ld.: Kiss Tibor Sipos Bla [2000].

8

Bevezets, az Excel belltsai, az Excel parancsfjlok hasznlata sorn

Office 2003 esetn:
Mdostsok: Eszkzk Belltsok Biztonsg Makr vdelem - kzepesre lltani. A
megnyitskor a Makr hasznlatt engedlyezni kell. Javasoljuk, a felhasznlknak, hogy az
eredeti fjlt rizzk meg s ms nven lementett fjllal dolgozzanak.
Eszkzk Bvtmnykezel - Analysis Tool Pak, bejellni. rdemes a tbbi Bvtmnyke-
zelt is bejellni.(x)
Csak ez az Excel fjl legyen megnyitva, a mdostsok utn le kell menteni s be kell zrni a
fjlt s jra meg kell nyitni.
j adatbzis bevitele: a srga mezben lv adatok cserlhetk, ltalban a munkalapon ta-
llhat adatok trlse gomb segtsgvel. Az res srga mezbe az j adatok msolst a k-
vetkezkppen kell elvgezni: elszr trlni kell az adatokat, az j adatbzist kijellni - m-
solni- s irnytott beillesztsen bell - rtket vlasztani. Az j adatbzist a felhasznlnak
rtelemszeren el kell ksztenie vagy be kell rni az res srga mezbe.
A logisztikus trendek s regresszis fggvnyek esetben mg a kvetkez belltsokra van
szksg:
Eszkzk Bvtmnykezel - Solver beikszelni, vagy ha be van jellve kiszedni a bejel-
lst, kilpni, belpni s jra bejellni a Solvert. (A tbbi bvtmnyt is clszer bejellni)
Eszkzk Makr - Visual Basic Editor - Tools (fell) - References - Solver legyen bejell-
ve.

Office 2007 esetn:

Makrk belltsa: Kattintson a Microsoft Office gombra, majd a Programnv belltsai
gombra (Excel Options), ahol a Programnv az ppen hasznlt alkalmazs neve, pldul Az
Excel belltsai (alul tallhat). Kattintson az Adatvdelmi kzpont (Trust Center) elemre,
majd Az Adatvdelmi kzpont belltsai (Trust Center Settings) gombra vgl a
Makrbelltsok (Macro Settings) elemre. Kattintson a kvnt belltsra, a vlaszts: Az
sszes makr engedlyezse. (Enable all macros) Minden vlaszts utn Ok.

Kattintson a Microsoft Office gombra, majd a Programnv belltsai gombra, (Excel
Options) ahol a Programnv az ppen hasznlt alkalmazs neve, pldul Az Excel belltsai
(alul tallhat). Kattintson a Bvtmnyek (Add-Ins) gombra, majd vlassza a Kezels Ex-
cel bvtmnyeket alul, az ugrst vlasztva a Bvtmnyeket bejellheti (Manage: Excel Add-
Ins, Go, megjelenik: Analysis Tool Pak, rdemes a tbbit is bejellni.). A Bvtmnyeket az
Excel installlja. A Bvmnyek megjelennek: Adatok - Adatelemzs ikonnl. (Data Data
Analysis)


1 Egyszer adat-elemzsek: viszonyszmok szmtsa s grafikus brzols

Az egyszer adatelemzsek trgyalsa eltt, rviden ismertetjk azokat az alapvet statiszti-
kai fogalmakat, amelyeket a tovbbiak sorn hasznlni fogunk. Statisztikai sokasgnak ne-
vezzk a statisztikai megfigyels trgyt kpez egyedek sszessgt. A sokasg egyedei le-
hetnek llnyek, szervezetek, trgyak, esemnyek, kpzett egysgek, stb. Amennyiben a so-
kasg egy adott idpontra (ezt az idpontot szoks n. eszmei idpontnak is nevezni) vonat-
koz llapott vizsgljuk, ll sokasgrl beszlnk. A mozg sokasg folyamatot fejez ki,
ebbl kvetkezen idtartamra rtelmezhet. Statisztikai ismrvnek nevezzk a sokasg
egyedeire vonatkoz tulajdonsgokat, jellemzket. A sokasg egysgei (egyedei) az ismrvek
hordozi. Az ismrv lehetsges kimenetelei (vltozatai) az ismrvvltozatok. Az ismrvek-
nek ngy tpust klnbztethetjk meg:

1. Az idbeli ismrv a sokasg egysgeire nzve valamilyen idbeli elhatrolst ad.
9
2. A terleti ismrv a sokasg egysgeire nzve valamilyen fldrajzi elhatrolst ad.
3. A minsgi ismrv a sokasg egysgeire jellemz verblisan lerhat tulajdonsg.
4. A mennyisgi ismrv azon tulajdonsgokat jelenti, melyek szmadatokkal lerhatak,
s valamilyen mrs vagy szmlls eredmnyei.

A csoportosts, avagy osztlyozs a statisztikai sokasgnak valamely ismrv szerinti tagol-
sa, rendszerezse. A csoportosts lnyegben azt is jelenti, hogy a statisztikai sokasgot mi-
nsgileg klnbz rszekre, csoportokra bontjuk, s gy tanulmnyozzuk szerkezett, fel-
ptst. A csoportosts a gyakorlatban gy trtnik, hogy a csoportkpz ismrv alapjn az
ismrv vltozatainak megfelelen a sokasg egyes tagjait a konkrt ismrvvltozatokhoz ren-
deljk. A csoportkpz ismrvek a sokasg lnyeges tulajdonsgait tkrzik, ezek alapjn
lehetsg nylik a sokasgon bell az alapvet klnbsgek, eltrsek feltrsra, elemzsre.
A csoportostshoz felhasznlt csoportkpz ismrv vltozatai sok esetben adottak: pl. nem,
kor, beoszts s szakkpzettsg. A statisztikai nmenklatrk fontos csoportkpz ismrvek:
pl. a tevkenysgek azonostsa a TEOR-on (Tevkenysgek Egysges gazati Osztlyoz-
si Rendszere), a termkek az ITJ-n (Ipari Termkek Jegyzke), a METJ-n (Mezgazdasgi,
Erdszeti Termkek Jegyzke), az J-n (ptmnyjegyzk), a SZATJ-n (Szmtstechnikai
Alkalmazsi Termkek Jegyzke) a szolgltatsok pedig a Szolgltatsok Jegyzkn (SZJ)
alapul. Ismert nomenklatra tovbb a Foglalkozsok Egysges Osztlyozsi Rendszere
(FEOR).
Fontos szempont a csoportosts sorn, hogy az adatok egyrtelmen besorolhatk legyenek.
Ez annyit jelent, hogy valamennyi egyed egy s csak egy csoportba kerlhet. Egy statisztikai
sokasg egyidejleg tbb ismrv szerinti csoportostst kombinatv csoportostsnak hv-
juk. A statisztikai adatok feldolgozsnak a csoportosts mellett gyakorta alkalmazott
msik elemi mdszere az sszehasonlts.
Az sszehasonlts statisztikai adatok egyms mell rendelst jelenti elemzsi clbl. Az
sszehasonltssal a mindennapi letnkben gyakran tallkozunk, s szinte semmilyen megl-
laptst nem tesznk nlkle. sszehasonlthatnak tekintjk azokat az adatokat, amelyek
csak olyan tnyezk miatt trnek el egymstl, amelyeknek a szerept ppen kutatjuk. A sta-
tisztikai adatok valamilyen ismrv szerinti felsorolst statisztikai sornak nevezzk. A sorok
csoportosts eredmnyeknt, vagy sszehasonlts cljbl llthatk el. Az azonos fajta
adatokbl ll statisztikai sorok amelyek ltalban csoportost vagy sszehasonlt sorok
az ismrvek tpusai szerint is osztlyozhatk. gy beszlhetnk idbeli, minsgi, mennyisgi
s terleti statisztikai sorokrl. A klnbz fajta, de egymssal sszefgg adatokat tartal-
maz sort ler sornak nevezzk. Az ll sokasg (stock) adatait tartalmaz idsor az n. l-
lapot idsor, melynek jellemzje, hogy minden megfigyelt adata egy eszmei idponthoz tar-
tozik, valamint ez a sor csak sszehasonlt jelleg statisztikai sor lehet. A mozg sokasgot
tartam idsorral tudjuk szemlltetni. A tartam idsor sajtossga, hogy a statisztikai adatok a
sokasg flow-jellegbl addan mindig idtartamhoz ktdnek, adatai gy akr sszesthetk
is. A statisztikai sorok vltozatait az albbiakban foglaljuk ssze:

10
St at i szt i kai sorok csoport os t sa



Azonos fajta adatokat tartalmaz sorok Klnbz fajta adatokat tartalmaz sorok



sszehasonlt sor Csoportost sor Ler sor





Idsor Terleti sor Minsgi sor Mennyisgi sor


llapot Tartam Gyakorisgi rtksszeg


A statisztikai alapfogalmak ttekintse utn rviden trgyaljuk a viszonyszmok szmtst s
a grafikus brzolst.
Viszonyszmnak nevezzk kt egymssal kapcsolatban ll statisztikai adat hnyadost.
A viszonyszm kplete:
A
V =
B

ahol:
A a viszonyts trgya,
B a viszonytsi alapja, ms nven bzisa.
A viszonyszmok legfontosabb fajti:
intenzitsi,
megoszlsi,
koordincis,
dinamikus viszonyszm.

Az intenzitsi viszonyszm ltalban klnbz, de egymssal kapcsolatban ll statisztikai
adatok hnyadosa, ebbl kvetkezen a mrtkegysge a szmll s a nevez mrtkegys-
gbl kpzdik.
Megoszlsi, illetve koordincis viszonyszmokat a sokasg csoportostst kveten sz-
mthatunk. Az elbbiek egy rszsokasgot hasonltanak az egszhez, az utbbiak kt rszsok-
sgot viszonytanak egymshoz. A viszonyts eredmnyt vagy n. egytthats formban,
vagy szzalkos formban szoks megadni.
A dinamikus viszonyszmok kt idszak vagy idpont adatainak hnyadosai, melyeket lta-
lban szzalkos formban adunk meg. A viszonyts alapjt kpez idpontot, idszakot b-
zisidszaknak, mg a viszonyts trgyt trgyidszaknak szoktk nevezni. Amennyiben ket-
tnl tbb idszak vagy idpont adataival rendelkeznk a viszonyts alapja lehet lland
vagy vltoz; ezen utbbi esetben ltalban a megelz idszak (idpont) adatt tekintjk vi-
szonytsi alapnak. Az els esetben bzisviszonyszmokat, a msodik esetben lncviszony-
szmokat szmtunk.
A bzisviszonyszm kplete, ha az idsor els megfigyelst tekintjk bzisnak akkor:
T
t
1
y
B
y
=
A lncviszonyszm kplete:
T
t
T 1
y
L
y

=
11
Az idbeli sszehasonltsokra a bzis- s lncviszonyszmok egyarnt alkalmasak. Mg a
bzisviszonyszmok a fejlds (vltozs) relatv mrsre, addig a lncviszonyszmok a fej-
lds (vltozs) temnek szmszerstsre szolglnak.
Idbeli sszehasonltsokra az n. differencia-kpzst is hasznlhatjuk. Ebben az esetben kt
szomszdos idszak vagy idpont adatnak a klnbsgt kpezzk, melyet elsrend diffe-
rencinak neveznk. Kplete:
t T T 1
D y y

=
Az idsor adatainak szigoran kttt a felsorolsi rendje, mely egyben azt is jelzi, hogy a
szomszdos adatok klnbsgeinek s hnyadosainak szmtsnl, mindig a ksbbi adatbl
vonjuk ki korbbit, illetve a ksbbi adatot osztjuk a korbbival.
Az idbeli sszehasonltsokra amennyiben kettnl tbb idszak vagy idpont adatt is-
merjk gyakran hasznljuk az tlagos abszolt s relatv vltozs mutatit is.
Az idszakrl idszakra, illetve idpontrl idpontra trtn vltozsok (a
t
D s
t
L rtkek)
tlagos rtkt kiszmtva jutunk az elbb emltett mutatszmokhoz. Az tlagos abszolt
vltozs mutatja melyet azokban az esetekben alkalmazzuk, ha felttelezhet, hogy a vl-
tozsok a vizsglt idszakban abszolt nagysgukat tekintve llandsgot mutatnak az alb-
bi kplettel hatrozhat meg:
( ) ( ) ( )
2 1 3 2 T T 1
T 1
y y y y y y
y y
D
T 1 T 1

+ + +

= =

Ha az egymst kvet megfigyelsek hnyadosai mutatnak viszonylagos llandsgot, akkor
az tlagos relatv vltozs mutatjt clszer kiszmtani:
2 3 T T
T 1 T 1
1 2 T 1 1
y y y y
L
y y y y

= =
A grafikus bra az elemzsek s kzlsek fontos eszkze.
20
A grafikus brk felhvjk a fi-
gyelmet a statisztikai adatok ltal reprezentlt jelensgek alapvet jellemzire, a fbb ar-
nyokra, tendencikra, sszefggsekre. Az brzols clja lehet a jelensgek kztti kapcso-
latok vizsglata, a ler cl alkalmazs, a dntselkszts altmasztsa, az elemzsek
eredmnyeirl trtn tjkoztats, kzls. A grafikus brzols lnyege az sszehasonlts,
ezrt az arnyokat rzkelteti s nem az abszolt nagysgokat.
A grafikus brzolssal szemben tmasztott kvetelmnyek:
A legmegfelelbb brzolsi mdot kell kivlasztani, amit a vizsglt jelensget bemu-
tat adatok jellege, illetve a jelensgek kztt lv kapcsolat termszete dnt el.
A kivlasztott grafikus bra legyen egyszer, arnyos, ttekinthet s kifejez.
Minden grafikon kt rszbl lljon: bra s magyarz jellsek (cm, skla, jelma-
gyarzat, alkalmazott mrtkegysgek, forrs).

A grafikus brk lehetnek a teljessg ignye nlkl:
Egyszerbb statisztikai brk (diagramok):
Oszlop (tglalap)-,
vonal-,
kr-,
szalag-,
XY, vagy pontdiagram.
sszetett (kifejezetten statisztikai mveletek eredmnyeknt keletkez) diagramok:
Gyakorisgi sorok elemzsre szolgl brk:
hisztogram,
gyakorisgi poligon,
Specilis szalagdiagram az n. korfa, mely a demogrfiai elemzsekben hasznlatos.

20
Ld.: Hunyadi Lszl [2002]
12
1.1 A dinamikus viszonyszmok parancsfjl mkdse

A dinamikus viszonyszmok.xls fjl alkalmazsa sorn bevihet az idvltoz, ezen kivl
egyszerre 12 klnbz adatsor, maximum 2000 adat. Az sszehasonlts mveletnek kt
alapvet mdja elvgezhet: az sszehasonltand adatokbl trtn hnyados-, illetve k-
lnbsgkpzs. Ki kell vlasztani a szmllt s a nevezt, ezt kveten a program kiszmol-
ja a hnyados rtkt. Ha a szmll s a nevez hnyadosa kis szmrtk, akkor a szorzt-
nyez (pl. 10, 100, 1000) megadsval a hnyadost beszorozza. Ha szzalkos, illetve ezrel-
kes formt alkalmazunk akkor a szorztnyez 100 illetve 1000. Ha erre nincs szksg akkor
a szorztnyez rtke alaprtelmezsben 1. Ha nem akarunk hnyados kpezni, akkor a h-
nyados kpzs-nevez mensorban a nincs oszts-t vlasszuk. A klnbsg kpzsnl, ha
az kzgazdasgilag rtelmezhet, ki kell jellni a kisebbtend s a kivonand adatsort. A
program mindkt esetben elkszti az brt, tovbb kiszmtja a bzis- s lncviszonyszmo-
kat. A klnbsgkpzs (elsfok differencia) oszlop a szomszdos adatok klnbsgeit sz-
mtja ki.
Ha az tlagos abszolt s tlagos relatv vltozs mutatit akarjuk kiszmtani, akkor az tla-
gos vltozs munkalapon meg kell adni a T, az
T
y s az
1
y rtkeket s a program kiszmt-
ja az tlagos abszolt s relatv vltozs mutatit.
Plda a dinamikus viszonyszmok.xls alkalmazsra, a munkatermelkenysg vltozsnak
elemzse.
Vezessk be az albbi jellseket:
Y = ellltott termk rtke milli Ft-ban, (milli Ft.).
X
11
= a fizikai dolgozk ledolgozott (munkahelyen eltlttt illetve fizetett) munkaideje
rban. (ra)
X
12
= a fizikai dolgozk tlagos llomnyi ltszma fben. (f)
X
13
= a foglalkoztatottak tlagos llomnyi (teljes: fizikai + nem fizikai) ltszma f-
ben. (f)

A rendelkezsnkre ll vllalati adatsor
21
: 1996-2007 ves adatok.
A munkagyi tnyezk hatst az albbi egyenlet mutatja, ahol a munkatermelkenysget a
termels s a foglalkoztatottak tlagos llomnyi ltszmnak hnyadosaknt hatroztuk meg,
(milli Ft/f):
11 12
13 11 12 13
Y Y X X
X X X X
=

A fenti sszefggs esetn vizsglhat:
A munkaid egy rjra jut termels nagysga (milli Ft/ra):
11
Y
X

A munkaid s a fizikai dolgozk tlagos llomnyi ltszmnak az arnya (ra/f):
11
12
X
X

A fizikai dolgozk tlagos llomnyi ltszma egy fjre jut termels nagysga (milli
Ft/f):
12
Y
X

A fizikai dolgozk tlagos llomnyi ltszmnak s a foglalkoztatottak tlagos llomnyi
ltszmnak az arnya*100 (%)
12
13
X
X


21
Felttelezett adatok.
13
A szmtsok vgeredmnynek bemutatsa a dinamikus viszonyszmok.xls fjl felhasznl-
sval.

1-1. tbla: A termelkenysg (Y/X
13
) vltozsa 1996-2007 kztt
Id Bzisviszonyszmok Lncviszonyszmok
1996 1,000 -
1997 1,018 1,018
1998 0,992 0,975
1999 1,003 1,010
2000 1,050 1,047
2001 1,123 1,069
2002 1,222 1,088
2003 1,172 0,960
2004 1,215 1,037
2005 1,256 1,033
2006 1,297 1,032
2007 1,298 1,001

tlagos abszolt vltozs
0,232
tlagos relatv vltozs
1,024
Az 1-1. tblban lv adatok:
Y = ellltott termk rtke milli Ft.-ban, (milli Ft.).
X
13
= a foglalkoztatottak tlagos llomnyi (teljes: fizikai + nem fizikai) ltszma
fben. (f)
A rendelkezsnkre ll vllalati adatsor: 1996-2007 ves adatok.
Gyakorl feladatok.
22
(dinamikus viszonyszmok.xls)

1. Elemezze az egy fre jut GDP alakulst 2000-es $-ban Magyarorszg s az EU or-
szgok (27 orszg) adatai alapjn az 1969-2007 kztti adatok felhasznlsval.


2. Elemezze az egy fre jut GDP alakulst 2000-es $-ban az USA-ban 1790-2006 k-
ztti adatok felhasznlsval A szmll: Rel GDP 2000-es $-on (millird $), a ne-
vez: Npessg 1000 f, a szorztnyez 1000.
3. A termelkenysg1996-2007.xls fjl felhasznlsval vgezze el a szmtsokat az
elzekben bemutatott kpletek felhasznlsval.
4. Elemezze az egy fre jut GDP alakulst 2005-es $-ban Magyarorszg s az EU or-
szgok (27 orszg) adatai alapjn az 1969-2008 kztti adatok felhasznlsval.
23

1.2 brk ksztse Excel parancsfjl mkdse

Az brk ksztse parancsfjl segtsgvel a kvetkez brkat nyerhetjk: vonal/oszlop/
hisztogram/kr/szalag/XY/korfa. Mindegyik brnak megfelel egy munkalap. A kivlasztott
brnak megfelel munkalapot megnyitva s az brzoland adatsort bemsolva, az ennek
megfelel brt a program szolgltatja. Az oszlop- s vonal-diagramot ltalban idsorok
brzolsra hasznljuk. Az idsorok esetn a grafikonra kattintva, lehetsg van a trendvonal

22
Az adatokat a CD mellklet tartalmazza, a viszonyszmok alknyvtrban.
23
http://www.ers.usda.gov/Data/Macroeconomics/ Az adatokat a CD Nemzetkzi sszehasonltsok
alknyvtrban is tartalmazza,
14
felvtelre (lineris, fllogaritmikus, polinomilis, hatvny, exponencilis s mozgtlagols
trend
24
). Tartamidsorok esetn a vzszintes tengelyen intervallumok szerepelnek, a jelensget
pedig clszer ezen intervallumok fl rajzolt tglalapokkal (oszlopokkal), teht
oszlpodiagrammal bemutatni.

llapot idsorok esetn az idbeli ismrv rtkei egy-egy id-
ponthoz tartoznak, ezrt clszer brzolsuk egy-egy pont, az egyes pontokat egyenesekkel
ssze is lehet ktni.
25

A gyakorisgi sorok brzolsra a hisztogramot tartalmazza a program. A hisztogram mun-
kalapba az brzoland osztlykzs gyakorisgi sort bemsolva, az brt a program szolgl-
tatja. Az osztlykzs gyakorisgi sor kpzse az elemi mveletek parancsfjlban tallhat.
Hisztogramnak nevezzk azt a grafikus brt, amely olyan - a derkszg koordinta rend-
szerben hzag nlkli oszlopdiagramot jelent, ahol az oszlopok alapjt az osztlykzk hosz-
sza, a magassgt pedig a gyakorisgok adjk. A hisztogram oszlopainak terlete arnyos a
gyakorisgokkal, ezrt az egyenl hosszsg osztlykzk esetn az brzols nem okoz
gondot. Eltr hosszsg osztlykzk esetn mivel a hosszabb osztlykzhz arnytala-
nul nagyobb gyakorisg tartozna ezrt mdostani kell a gyakorisgokat.
A krdiagram a minsgi (terleti) sorok brzolsnak ltalnos eszkze. A minsgi is-
mrv szerinti megoszls eredmnyt a krdiagramban megjelen megoszlsi viszonyszmok
segtsgvel szemllteti. A krdiagramot ltalban az adatok relatv gyakorisgnak brzol-
sra hasznljk. A teljes kr jelkpezi a 100%-ot, s az egyes adatok relatv gyakorisgt b-
rzol krcikkhez tartoz kzpponti szg arnyos a relatv gyakorisggal. Termszetesen a
krdiagram akkor mutatja jl a megoszlsokat, ha az ismrv kevs vltozattal rendelkezik. Ha
a minsgi (terleti) ismrv vltozatainak a szma nagy, akkor a szalagdiagram az brzols
javasolt mdszere.
Pontdiagramot (XY brt) kt egymssal sszefggsben lv mennyisgi ismrv rtkeinek
brzolsra hasznljuk.
A korfa olyan specilis szalagdiagram, amelynek egyik oldaln a frfiak, a msik oldaln a
nk szmnak megfelel hosszsg vzszintes svok mutatjk az adott letkor npessg
szmt vagy %-os megoszlst korcsoportonknt. Az alkalmazott, az adatszolgltatsban szo-
ksos korcsoportok: 0-4, 5-9, 10-14, ,85-89, 90-94, 95-99, 100+ v. A npesedsi helyzet
vizsglatnak egyszer, ugyanakkor szemlletes s ltvnyos eszkze a korfa.
Gyakorl feladatok. (brk kszitse.xls)
26


1. Magyarorszgi hossz idsorok brzolsa s elemzse. A KSH minden vben - 2001
ta - kzli a hossz idsorokat Excel formtumban is tartalmaz Statisztikai vknyv
CD mellklett. Ezek az idsorok 1960-tl tartalmaznak folyamatosan venknt mrt
adatokat. brzolja s rtkelje a 2006. vi Statisztikai vknyv CD mellkletben ta-
llhat hossz (1960-2006) adatsorokat szakmai bontsban. A szakmai terleteken be-
ll tbbfle mutat idbeli alakulsa vizsglhat:
1.1. Npessg, npmozgalom mutati.
1.2. A hztartsok jvedelme s fogyasztsa, lakspts.
1.3. Egy fre jut lelmiszer- s tpanyagfogyaszts.
1.4. Trsadalombiztosts, szocilis ellts.
1.5. Egszsggy.
1.6. Oktats
1.7. Kultra.
1.8. Bnzs.
1.9. Gazdasgi aktivits, brutt hazai termk (GDP), beruhzs.
1.10. A mezgazdasg fbb mutati.
1.11. Nvnyek sszes termse [ezer tonna].
1.12. llattenyszts.

24
A trendszmtssal a ksbbiekben a 3.-ik fejezetben rszletesen foglalkozunk.
25
Hunyadi Lszl [2002]: 29.
26
Az adatokat a CD mellklet tartalmazza az brk ksztse alknyvtrban.
15
1.13. Ipar.
1.14. Kereskedelem, turizmus.
1.15. Szllts.
1.16. Posta s tvkzls.
1.17. Az MNB interneten elrhet adatsorai
27
alapjn brzolja s elemezze a rendszer-
vltst kveten:
A fogyaszti rindex alakulst 1993-tl havi- s ves tlagos bontsban, piaci javak
szerint is.
28

A klkereskedelmi termkforgalom havi alakulst ru fcsoportonknt 1996-tl havi
bontsban.
29

A fedezetlen bankkzi forint kihelyezsek havi tlagkamatlbainak alakulst 2000-tl
havi bontsban.
30

A devizban fennll nett adssg alakulst 1995 s 2008 kztt negyedves bonts-
ban.
31

2. Ksztse el a vilg tz legnpesebb orszgra, a vilgra s Magyarorszgra a korfkat a
2000. 2025. s 2050. v adatai alapjn.
32
rtkelje a korfkbl levonhat kvetkezte-
tseket.
3. Az amerikai elnk rszre ksztett 2008. vi jelents
33
Excel formtumban kzreadott
adatsorai kzl brzolja s rtkelje a kvetkezket:
3.1. B-2. A GDP (Real gross domestic product), az export s az import, a hztartsok
(Personal consumption expenditures, total) fogyasztsa s a kormnyzati fogyasz-
ts (Government consumption expenditures and gross investment, total) alakulsa
2000-es $-ban. 1959-2007.
3.2. B-35. A munkanlklisg rtjnak alakulsa a polgri terleten dolgozknl. Az
agrr s a nem agrr terleten dolgoz aktv npessg szmnak alakulsa.34
(Unemployment rate, civilian workers Civilian population and labor force) 1929-
2007. A hinyz adatokat (1930-1931, 1934-1938) becslje meg egyenletes nve-
kedsi temet felttelezve.
3.3. B-36. A munkanlkliek szmnak alakulsa sszesen s nemek szerint. (Civilian
employment and unemployment by sex and age). 1960-2007.
3.4. B-42. A mukanlklisg rta alakulsa sszesen s f csoportok (nem, kor: 16-19,
s 20- vesek, szrmazs, fehr s nem fehr) szerint. (Civilian unemployment
rate). 1960-2007.
3.5. B-51. A teljes ipari termelsi index (2002=100%) alakulsa. (Industrial production
indexes, major industry divisions). 1959-2007.
3.6. B-60. A fogyaszti rindex alakulsa (1982-84=100) az sszes termkre, az le-
lemre (food), a vasti szlltsra (transportation), orvosi elltsra (medical care)
vonatkozan. (Consumer price indexes for major expenditure classes). 1960-2007.
3.7. B-77. Fogyaszti teljes hiteltartozsok (total consumer credit, milli $-ban.) alaku-
lsa. (Consumer credit outstanding). 1959-2007.

27
http://www.mnb.hu/engine.aspx?page=mnbhu_statisztikai_idosorok az adatokat a KSH szolgltatja.
A CD-n a knyv adatai MNB adatsorok 20090921 alknyvtrban megtallhatk az MNB honlapjn
kzztett Excel fjlok: a Statisztikai adatok-idsorok 2009 szeptember 21-n.
28
Ld.: CD-n fogyasztirindex1993-havi.xls
29
Ld.: CD-n Klkereskedelmitermkforgalom1996-havi.xls
30
Ld.: CD-n bankkzikamatlbak2000-havi.xls
31
Ld.: CD-n fizetsimrleg1995-2007.xls
32
Az adatokat a CD mellklet tartalmazza az brk ksztse alknyvtrban. Az adatok forrsa:
http://www.census.gov/ipc/www/idb/summaries.html
33
Internetes elrs: Economic Report of the President. Statistical Tables. 2008:
http://www.gpoaccess.gov/eop/download.html A 2009-es adatok is letlthetk:
http://www.gpoaccess.gov/eop/tables09.html Az adatokat a knyv CD mellklete (a knyv adatai:
Economic Report of the President alknyvtrban) is tartalmazza.
34
1947-ig a 14 vnl idsebb, utna a 16 vnl idsebb npessgre vonatkoz adatok.
16
3.8. B-97. A farmok teljes jvedelmnek alakulsa millird $-ban. (Farm income).
1945-2007.
4. Az MNB folyamatosan kzli a forint napi rfolyamt a klnbz valutkhoz k-
pest
35
.
4.1. A 2007. v napi rfolyamait
36
brzolja s elemezze a Ft/USD (USD= USA dol-
lr), a Ft/CAD (CAD= kanadai dollr) s a Ft/EUR (EUR= eur) esetben.
4.2. brzolja
37
1990. jan. 1. s 2008. pr. 4. kztt a Ft/USD (USD= USA dollr) s a
Ft/CAD (CAD= kanadai dollr) napi rfolyamnak a vltozst.
A grafikonok az MNB honlapjrl is lekrhetk, klnbz bontsban
38
.
5. Krdiagram ksztse
39

5.1. Foglalkoztatottak szmnak alakulsa 2000 s 2006 kztt gazdasgi gak szerint
Magyarorszgon.
5.2. Iskolai vgzettsg vltozsa nemenknt 1960 s 2006 kztt.
1.3 Az orszgonknti korfa prognzis ksztse 2050-ig Excel parancsfjl mkdse

Ezzel a parancsfjllal elemezhet a munkalapon szerepl 25 orszg s a vilg npessgnek
adatllomnya korcsoport s nemhez val tartozs szerint. Az egyes orszgok npessgszma
ltalban az 1990-es vektl a 2050-ig elrejelzett rtkekkel egytt vente rendelkezsre ll.
Az adatokat az USA Npszmllsi Hivatala (US Census Bureau) hozza rendszeresen nyilv-
nossgra.
4041
A vizsglni kvnt orszg korfit 2050-ig megrajzolja a program.
Az Excel parancsfjl mkdse:
1. Az els bra nev munkalapon 25 orszg s a vilg npessge kzl vlaszthatunk,
a kvetkez munkalapokon megtalljuk az egyes orszgok npessgi adatait. A v-
laszthat orszgok, feltntetve a rendelkezsre ll adatok kezd vt:
Afganisztn (AFG) 1979-
Amerikai Egyeslt llamok (USA) 1950-
Ausztrlia (AUS) 1986-
Ausztria (AUT) 1991-
Banglades (BAN) 1991-
Belgium (BEL) 1989-
Bosznia-Hercegovina (BHV) 1991-
Brazlia (BRA) 1971-
Bulgria (BUL) 1993-
Csehorszg (CZE) 1991-
Franciaorszg (FRA) 1990-
India (IND) 1991-
Indonzia (INA) 1980-
Japn (JPN) 1990-
Kanada (CAN) 1991-
Kna (CHN) 1990-
Lengyelorszg (POL) 1989-
Magyarorszg (HUN) 1924-, hinyoznak az 1942-1946 vek.
Egyeslt Kirlysg (GBR) 1991-
Nmetorszg (GER) 1991-

35
http://www.mnb.hu/engine.aspx?page=arfolyamlekerdezes
36
Az adatokat (rfolyam2007.xls) a CD mellklet tartalmazza az brk ksztse alknyvtrban.
37
rfolyam1949-2007.xls
38
http://www.mnb.hu/engine.aspx?page=arfolyamlekerdezes
39
Az adatokat a CD mellklet tartalmazza az brk ksztse alknyvtrban.
40
http://www.census.gov/ipc/www/idb/summaries.html
41
2009 10 24 utn az adatszolgltats egyszerbb vlt: Country ki kell vlasztani az orszgot, Ctrl le-
nyomsval az sszes v kivlaszthat, utna Population Pyramids-t vlasztva, mindegyik orszgra el-
kszti a korft s az utols korfa utn az adatok letlthetk Excel/CSV formtumban.
17
Nigria (NGR) 1953-
Oroszorszg (RUS) 1989-
Pakisztn (PAK) 1981-
Romnia (ROM) 1992-
Szlovnia (SLO) 1991-
Vilg (VILG) 1996-
2. A csszda mozgatsval (egy kattints egy v elre) nyomon kvethetjk a korfa (fr-
fi % s n %) vltozst. Az vszmok 1950-2050 kztt vltoznak vi bontsban.
Meg kell nzni melyik vtl vannak korfa adatok (pl. Magyarorszg 1924-2050) s a
csszdt az vszmhoz kell mozgatni. Az eltte lv veknl mivel nincs adat a korfa
res marad. Baloldalt lthat az vszm, jobboldalt fell pedig a vizsglt orszg vagy
a vilg adott, teht ppen vizsglt vhez tartoz korfa adatai, frfi, n s sszesen
(mindkt nemre vonatkozan) bontsban.

Az albbi 1-1. bra mutatja Magyarorszg korfjt
42
1924-ben s a 2050-re vrhat korft a
1-2. bra tartalmazza, lthat, hogy a piramisbl (1924) egy fordtott piramis (2050) lesz, ami
komoly veszlyeket prognosztizl.
20,0% 17,5% 15,0% 12,5% 10,0% 7,5% 5,0% 2,5% 0,0% 2,5% 5,0% 7,5% 10,0% 12,5% 15,0% 17,5% 20,0%
0- 4
5- 9
10-14
15-19
20-24
25-29
30-34
35-39
40-44
45-49
50-54
55-59
60-64
65-69
70-74
75-79
80-84
85+
Frfiak (%)
Nk (%)

1-1. bra: Magyarorszg korfja 1924-ben
20,0% 17,5% 15,0% 12,5% 10,0% 7,5% 5,0% 2,5% 0,0% 2,5% 5,0% 7,5% 10,0% 12,5% 15,0% 17,5% 20,0%
0- 4
5- 9
10-14
15-19
20-24
25-29
30-34
35-39
40-44
45-49
50-54
55-59
60-64
65-69
70-74
75-79
80-84
85-89
90-94
95-99
100+
Frfiak (%)
Nk (%)

1-2. bra: Magyarorszg prognosztizlt korfja 2050-ben
Gyakorl feladatok. (orszgonknti korfa prognzis ksztse 2050-ig.xls)
43


A csszda mozgatsval vizsglja meg a korfa vltozst a felsorolt orszgokban s rtkelje
a 2025 s 2050 vekre vonatkoz prognzis becslseit.
Amerikai Egyeslt llamok (USA) 1950-2050
Brazlia (BRA) 1971-2050

42
Az adatok forrsa: http://www.nepszamlalas.hu/
43
Az adatok s az adatok forrsai megtallhatk a knyv CD mellkletben a korfa ksztse alknyv-
trban.
18
Csehorszg (CZE) 1991-2050
Franciaorszg (FRA) 1990-2050
India (IND) 1991-2050
Kna (CHN) 1990-2050
Lengyelorszg (POL) 1989-2050
Romnia (ROM) 1992-2050
Szlovnia (SLO) 1991-2050
Vilg (VILG) 1996 - 2050
1.4 Nemzetkzi sszehasonltsok Excel parancsfjlok felhasznlsval

A GDP-re, a npessgszmra, a fogyaszti rindexre, a $ rfolyamra vonatkoz hossz idso-
rok orszgonknt s rginknt (216-231 orszg s rgi) 1969-2008 kztt llnak rendelke-
zsre.
44
Az adatokat vente frisstik. Ennek alapjn 7 Excel parancsfjlt ksztettnk el. Pa-
rancsfjlonknt elszr a rendelkezsre ll adatok jelennek meg, az ezt kvet 1. munkalapon
ezekbl kt orszgot illetve rgit lehet kivlasztani s ennek alapjn a program elkszti azt a
grafikon, amely brzolja 1969 s 2008 kztt a vizsglt mutat alakulst. A 2. munkalapon
10 orszgot, illetve rgit lehet kivlasztani a vizsglt mutat szerinti sszehasonltsra. Az
idtengely (a csszda) mozgatsval nyomon kvethetk a vltozsok 1969 s 2008 kztt. A
rendelkezsre ll adatok extrapolcit is tartalmaznak a 2009 s 2020/2030 kztti idszakra.
Ezrt a prognzisokat is meg lehet tekinteni 2009 s 2020 illetve 2030
45
kztt. Az idsorok s
a prognosztizlt idszak hosszt a parancsfjlok neve tartalmazza.
A letlttt adatok alapjn az albbi parancsfjlok kerltek kidolgozsra:
A gdpegyfrees1969-2008sprognzis2030.xls
Ez a parancsfjl az egy fre jut GDP rel rtkeket ($/f, 2005-s $-ban) tartalmazza orsz-
gonknt s rgikknt (228 orszg, a vilg illetve rgi).
A gdp1969-2008 sprognzis2030.xls
Ez a parancsfjl a GDP rel rtkeket (millird $, 2005-s $-ban) tartalmazza orszgonknt s
rgikknt (230 orszg, a vilg illetve rgi).
A npessg1969-2008 sprognzis2030.xls
Ez a parancsfjl 228 orszg, a vilg illetve rgi esetben kzli a npessg alakulst fben.
A gdpdeflci1969-2009 sprognzis2020.xls
Ez a parancsfjl a 227 orszg illetve rgi esetben kzli a GDP deflcis indexnek alakulst
%-ban 2005-s $-ban.
A gdprszesedse1969-2008 sprognzis2030.xls
Ez a parancsfjl a A GDP rel rtkek vilgtermelsbl (world=100 %) val rszesedst tar-
talmazza 2005-s $-ban orszgonknt s rgikknt (228 orszg illetve rgi).
A fogyasztirindex1969-2008sprognzis2020.xls
Ez a parancsfjl a 231 orszg, a vilg illetve rgi esetben kzli a a fogyaszti rindex (CPI
Consumer price index 2005=100%) alakulst %-ban.
A $rfolyama1970-2008s prognzis2020.xls
Ez a parancsfjl 216 orszg illetve rgi esetben kzli a nemzeti valutk $ rfolyamt (US =1)
relrtken 1970 s 2008 kztt. A nvleges $ rfolyamokat a fogyaszti rindexszel (CPI
Consumer price index 2005 = 100 %) korrigltk.
Gyakorl feladatok. (Nemzetkzi sszehasonltsok Excel parancsfjlok)

A Gdpegyfrees1969-2007sprognzis2020.xls, a fogyasztirindex1969-2007 s prognzis
2020.xls parancsfjl, a $rfolyama1969-2007.xls alapjn milyen Magyarorszg helyzete:
2008-ban s 2020-ban. Viszonytsi alapok: Vilg, USA, EU 27 orszg, j EU orszgok,

44
Az adatok forrsa: http://www.ers.usda.gov/Data/Macroeconomics/
45
Az extrapollt idszak veit *-gal jelltk.

19
krnyez orszgok: Ausztria, Csehorszg, Szlovkia, Romnia, Ukrajna, Szlovnia s Hor-
vtorszg.
2 Elemi mveletek a vltozkkal s empirikus eloszlsok elemzse

A sokasg mennyisgi ismrv szerinti megfigyelse sorn a sokasg minden egyes egyedre
vonatkozan egy szmszer adattal rendelkeznk. Ezek a mennyisgi ismrvrtkek jelentik a
megfigyelt adatbzist, melynek nagysga esetnkben maximum 5000 lehet. Ezt az adathal-
mazt rendezni, rendszerezni szksges, hogy a vizsglt jelensgrl ltalnos, tmr jellemzst
tudjunk adni. Ezt a clt szolglja a kidolgozott parancsfjl. Az adatok-szmtsok munkalap
az aktulis adatbzisra jellemz szmlls, rangsorols, sszegzs eredmnyeit jelenti meg,
tovbb kzprtkeket s kvantiliseket szmt s meghatrozza a szrds klnbz mr-
szmait. A parancsfjl mkdsnek a lersa eltt rviden ismertetjk az ltalunk hasznlt
statisztikai ismeretanyagot.
2.1 Szmlls, rangsorols, sszegzs

A legegyszerbb statisztikai mvelet a szmlls vagyis annak meghatrozsa, hogy az adott
vltoz szempontjbl hny megfigyelssel rendelkeznk. A szmlls vgeredmnyt ltal-
ban n-nel jelljk, gy mr szemlltetni tudjuk a teljes adathalmazt:
1 2 n
x , x , , x
illetve az adathalmaz ltalnos elemt:
i
x -t.
Rangsornak nevezzk a vltozrtkek nvekv, vagy cskken sorrendben trtn felsoro-
lst. A statisztikai mdszertan rangsoron - fszablyknt emelked rangsort rt. A rangsor-
ba rendezett rtkeket, annak rdekben, hogy megklnbztessk az egyszer lajstromtl
(felsorolstl) ltalban az indexrtkek megklnbztetsvel jelljk:
(1) (2) (n)
x , x , , x
A mindennapi letben, gy a statisztikai elemzsekben is kitntetett szerepe van a legkisebb,
illetve a legnagyobb ismrvrtknek, ezeket akrcsak a kznyelvben minimumnak, illetve
maximumnak hvjuk, s
min (1)
max (n)
x x
x x
=
=

szimblumokkal jelljk.
A rangsorba rendezs sorn az eredeti adathalmaz szmrtkeihez n. rangszmokat rende-
lnk. Rangszmnak nevezzk azt a pozitv egsz szmot, amely megmutatja, hogy egy konk-
rt adat hnyadik az adathalmaz emelked rangsorban, vagyis
i
R k = , ha
i (k)
x x =
Knnyen belthat, hogy a minimlis rtk rangszma 1; a maximlis pedig n, a rangszmok
pedig a termszetes szmokkal egyenlk 1-tl n-ig.
Ha egy-egy vltozrtk tbbszr is elfordul a lajstromban, akkor valamennyi azonos rtk-
hez azt az azonos rangszmot rendeljk, amely a sorban kvetkezik, de a kvetkez (na-
gyobb) rtkhez annyival nagyobb rangszmot adunk, ahnyszor eltte elfordult az azonos-
sg. A msik megolds az, hogy az azonos rtkekhez rendelt rangszm nem a sorban kvet-
kez, hanem egy kpzett szm, melyet gy kpeznk, hogy az azonos rtkekhez rendelt
rangszmok sszege akkora legyen, mintha az rtkek klnbznnek. (pl. ha a 2-ik s a 3-ik
rtk azonos, akkor 2,5 s 2,5 rangszmot kapnak)
A legegyszerbb statisztikai mveletek kz soroljuk az sszegzs (szummzs) mvelett
is. sszegzsnek nevezzk azt a folyamatot, mely sorn sszeadjuk az adatbzisban szerepl
vltoz rtkeit, vagyis kpezzk a vltoz rtksszegt:
n
i
i 1
x x
=
' =

20
2.2 Kzprtkek s kvantilisek

Kzprtknek, az azonos fajta szmszer rtkek tmegnek kzs jellemzjt nevezzk. A
kzprtk egyetlen rtkkel tmren jellemzi a sokasgot a vizsglt mennyisgi ismrv sze-
rint.
A kzprtkekkel szemben tmasztott kt legfontosabb kvetelmny:
egyrtelmen szmthatk s knnyen rtelmezhetk legyenek
kzepes s tipikus rtkek legyenek

A kzepessg azt jelenti, hogy ne egy szls mennyisgi ismrvrtk legyen a kzs jellemz,
hanem valamilyen kzpen elhelyezked, mg a tipikussg olyan rtket jelent, ami a soka-
sgban sokszor fordul el. Kzprtkknt tbbfle statisztikai jellemz ismeretes, amelyek
termszetesen nem egyformn felelnek meg a fenti kvetelmnyeknek.
A kzprtkek fajti:
Szmtott kzprtkek (tlagok), a szmtani-, a harmonikus-, a mrtani (geometriai)-
s a ngyzetes (kvadratikus) tlag
Helyzeti kzprtkek, a mdusz s a medin

A szmtott kzprtkeket az elfordul valamennyi rtk felhasznlsval, matematikai
kplet, formula segtsgvel szmtjuk. Az tlagok kzl ltalnosan a szmtani tlag haszn-
latos, a tbbi tlagot csak specilis esetekben hasznljuk.
A helyzeti kzprtkeket az elfordul rtkek kzl vlasztjuk ki, az rtkek elhelyezked-
si rendje szerint. A medint ugyangy ltalnosan hasznljuk, mint a szmtani tlagot. A
mdusz nem minden esetben hatrozhat meg egyrtelmen, gy alkalmazsa egyrtelmen a
gyakorisgi sorok elemzshez kthet.
A szmtani tlag az a szm, melyet az tlagoland rtkek helybe tve, azok sszege vlto-
zatlan marad. Kplete szerint, a mennyisgi ismrv elfordul rtkeinek sszegt, az rtkek
szmval osztjuk:
n
i
i 1
1
x x
n
=
=


Az tlagot mindig az
i
x rtkek nagysgrendjben s mrtkegysgben kapjuk meg. A sz-
mtsi mdbl lthat, hogy a szmtani tlagot akkor clszer alkalmazni, ha az tlagoland
rtkek sszege (

x ) rtelmezhet. Mint a legegyszerbben szmthat s rtelmezhet t-

lagot, szmos ms esetben is hasznlni tudjuk. A szmtani tlag nevezetes tulajdonsgai kzl
kettt emelnk ki:

1. Az tlagoland rtkeknek a szmtani tlagtl mrt algebrai sszege zrus,
( )
n
i
i 1
x x 0
=
=

2. Az tlagoland rtkeknek a szmtani tlagtl mrt eltrs-ngyzetsszege minimlis,
( )
n
2
i
i 1
x x min
=

A szmtani tlag egyrtelmen szmthat s jl rtelmezhet, kzepes helyet foglal el az el-
fordul rtkek kztt, de nem biztos, hogy tipikus rtk. Szmtott jellegbl addan
ugyanis, lehet, hogy ilyen rtk nem is fordul el.
A medin a rangsorba rendezett (
i
x ) mennyisgi ismrvrtkek kzl a kzps rtk. Olyan
jellemzje a sokasgnak a mennyisgi ismrv szerint, amelyiknl ugyanannyi kisebb, mint
nagyobb rtk fordul el. A sz szoros rtelmben kzepes rtk. A medin rtknek megl-
laptshoz elszr az n szm
i
x mennyisgi ismrvrtket rangsorba rendezzk, s megke-
ressk a kzpen elhelyezked rtket.
A medin pratlan elemszm adathalmaz esetn:
21
n 1
2
Me x
+ | |
|
\ .
=
A medin pros szm adat esetn a medin nem esik egybe egy konkrt megfigyelssel, gy
ilyenkor, konvencionlisan a
n n
1
2 2
x x
Me
2
| | | |
+
| |
\ . \ .
+
=
kplettel hatrozhat meg.
A medin egyik fontos tulajdonsga, hogy minden ismrvrtk medinnal trtn helyettes-
tsekor elkvetett hibk abszolt rtkben szmtott sszege minimlis lesz:
n
i
i=1
x - a min, ha a = Me

Egy statisztikai sokasgban, ha az adatokat nvekv sorrendben rendeztk, megkereshetjk
azt az ismrvrtket (osztpontot) amelynl az ismrvek fele, negyede, tizede, szzada stb. ki-
sebb, a tbbi pedig nagyobb rtk. A kvantilisek teht olyan osztpontok, amelyek a rang-
sorba rendezett szmszer ismrvrtkek 2,3,4,,k-ad rszt jellemzik. Defincink szerint a
j-edik kvantilis az a vltozrtk, amelynl az sszes elfordul rtk j/k-ad (j=1,2,,k-1) r-
sze kisebb, illetve 1-(j/k)-ad rsze nagyobb. Vagyis
(k)
(1) (2) (i) j (i 1) (n)
x x x q x x
i j
n k
+
s s.s s s s.s
=

ahol
(k)
j
q a j-edik k-ad rend kvantilis.
Az osztpontokat a medinnl megismert mdon knnyen meg lehet hatrozni, a rangsor-
ba rendezett sokasg megfelel rtknek kivlasztsval, illetve a kt szomszdos rtk tla-
golsval.
A kvartilisek szmtsnl, az n szm rangsorolt rtket ngy (k=4) egyenl rszre osztjuk,
s az gy nyert hrom (k-1=3) osztpontot, als (Q
1
), kzps (Q
2
) s fels (Q
3
) kvartilisnek
nevezzk. A kzps kvartilis egyben a medin (Q
2
=Me). Az als kvartilis az az rtk,
amelynl az elfordul rtkek egynegyede kisebb, hromnegyede nagyobb, mg a fels
kvartilis rtknl az rtkek hromnegyede kisebb, s egynegyede nagyobb. A nevezetes
kvantilisek (k=2, 3, 4, 5, 10, 100) kzl, a mr emltett kvartiliseken (k=4) kvl, a deciliseket
(k=10) alkalmazzuk az Excel parancsfjlban.
2.3 Szrdsi mrszmok
A kzprtkek szmtsnl abbl indultunk ki, hogy a mennyisgi ismrvek ltalban igen
sokfle rtket vehetnek fel, s a clunk az, hogy egy olyan kzs jellemzt keressnk,
amellyel az egyedi rtkek helyettesthetk. Azt, hogy e clunkat hogyan sikerl elrni,
nagymrtkben fgg attl is, hogy a kzs jellemz mgtt lv rtkek mennyire kln-
bzek. Lehet, hogy krlbell hasonl nagysg, egymstl kevss eltr rtket tlago-
lunk, de elfordulhat, hogy igen jelents klnbsgeket sikerl kiegyenlteni a kzprtk-
szmtssal. A statisztikai elemzsekben ezt gy mondjuk, hogy a sokasg vizsglt mennyis-
gi ismrv szerint kevsb, vagy jobban szrdik. A szrds a mennyisgi ismrvrtkek
klnbzsgt jelenti. A szrds ismert mutatszmai kzl a kvetkezket alkalmazzuk:
a terjedelem, a szrs, a variancia (szrsngyzet) s a relatv szrs.
A terjedelem (range): az elfordul legnagyobb s legkisebb rtk klnbsgeknt a
mennyisgi ismrvrtkek rangsorbl knnyen megllapthat,
max min
T x x =
Kijelli annak az intervallumnak a nagysgt, amelyben az rtkek elfordulnak.
A szrds leggyakrabban alkalmazott mrszma a szrs. A szrsnak nevezzk az tlago-
land rtkek szmtani tlagtl val eltrsnek ngyzetes tlagt.
A szrs kplete:
22
( )
n
2
x i
i 1
1
x x
n
=
o =

A szrs az albbi intervallumban vehet fel rtkeket:
0 n 1 x s o s
A szrs ngyzett variancinak (o
2
) hvjuk. nll tartalommal br, bizonyos statisztikai el-
jrsokban nagyon fontos szerepet tlt be.
Kplete:
( )
n
2
2
i
i 1
1
x x
n
=
o =

A relatv szrs mutatja a szrsnak a szmtani tlaghoz viszonytott arnyval fejezi ki a
szrdst, amelyet szzalkos formban is megadhatunk:
x
x
V
x
o
=
A relatv szrs mutatjnak jelentsgt a klnbz nagysgrend, s sokszor klnbz
mrtkegysgekkel is mrt tlagokkal s szrsokkal jellemzett sokasgok, sszehasonltsa
adja. Hatrai:
x
0 V n 1 s s
2.4 Az elemi mveletek parancsfjl mkdse
Az elemi mveletek parancsfjl kt munkalapbl ll. Az adatok-szmtsok munkalap az ak-
tulis adatbzison elvgzi az elemi mveletek cmsz alatt sszefoglalt statisztikai elemzse-
ket. A segtsg munkalap a parancsfjl hasznlathoz szksges tudnivalkat tartalmazza,
amiket a kvetkezkben ismertetnk. A szemlltet plda: egy benzinkt egyik ktoszlop-
nl egy adott idszak 4 ra alatt kiszolglt benzin mennyisge literben, amit az esem-
nyek sorrendjben jegyeztek fel, ld.
i
x srga mezben lv oszlopot.
46

Az adatbzis maximum 5000 rtket tartalmazhat.


A felhasznlt Excel Adatok - szmtsok munkalap eredmnyei s magyarzatok:

Az j adatbzis bevitele utn a munkalap az albbi eredmnyeket jelenti meg.
Nvekv oszlop: az
i
x adatsor nvekv sorrendben.
Cskken oszlop: az
i
x adatsor cskken sorrendben.
A sorba rendezst a program az AZ Rendezs nvekv ikon s a ZA Rendezs cskken
ikon hasznlatval is elvgzi.
Rang oszlop: az
i
x adatsor rangszmai, amelyek az Excel beptett fggvnye felhasznl-
sval kszlnek: SORSZM (szm; hiv; sorrend)
Alapstatisztikk
47
:

Megfigyelsek szma: az adatbzisban szerepl megfigyelsek szma. A mintapldban
n 60 = .
sszeg =
i
x adatsor sszege, =SZUM(xi) = 2259 liter.
n
i
i 1
x x 27 5 27 ..... 28 2259
=
' = = + + + + =

Minimum: a legkisebb elfordul rtk az adatsorban:
min (1)
x x = =MIN(xi) = 5 liter
Maximum: legnagyobb elfordul rtk az adatsorban:
max (n)
x x = =MAX (xi) = 70 liter
Kzprtkek:

46
Az adatok megtallhatk a CD-n: eladottbenzin.xls
47
A tovbbiakban ahol hasznltuk a fggvny beszrsa parancsot ott utalunk erre.
23
Szmtani tlag: az
i
x rtkek szmtani tlaga
n
i
i 1
1 27 5 27 .... 28
x x 37,65
n
60
=
+ + + +
= = =

=TLAG(xi) = 37,65 liter
Medin: a nvekv rangsorba rendezett
i
x rtkek kzps rtke.
60 60
1
2 2
x x
36 36
Me 36
2 2
| | | |
+
| |
\ . \ .
+
+
= = = liter.
=MEDIN(xi)= 36 liter.
Kvantilisek:
Kvartilisek: a ngy rszre osztott nvekv rangsorba rendezett sokasg osztpontjai.
Als kvartilis (Q
1
): =KVARTILIS(xi;1) = 27,75 liter
Medin (Q
2
): =KVARTILIS(xi;2) = 36,00 liter
Fels kvartilis (Q
3
): =KVARTILIS(xi;3) = 48,50 liter
Decilisek: a tz rszre osztott nvekv rangsorba rendezett sokasg osztpontjai.
Els decilis: =PERCENTILIS(xi;0,1) = 18,00 liter
Msodik decilis: =PERCENTILIS(xi;0,2) = 26,40 liter
Harmadik decilis: =PERCENTILIS(xi;0,3) = 28,00 liter
Negyedik decilis: =PERCENTILIS(xi;0,4) = 33,00 liter
tdik decilis: =PERCENTILIS(xi;0,5) = 36,00 liter
Hatodik decilis: =PERCENTILIS(xi;0,6) = 40,40 liter
Hetedik decilis: =PERCENTILIS(xi;0,7) = 48,00 liter
Nyolcadik decilis: =PERCENTILIS(xi;0,8) = 51,00 liter
Kilencedik decilis: =PERCENTILIS(xi;0,9) = 60,00 liter

Szrds mrszmai:
A szrds terjedelme: a legnagyobb s a legkisebb x
i
rtk klnbsge.
max min
T x x =
A szrds terjedelme: T = 70 5 = 65 liter.
A szrs: az x
i
rtkeknek a az tlaguktl mrt klnbsgeinek a ngyzetes tlaga.
( )
n
2
2 2 2
i
i 1
1 1
x x [(27 37, 65) (5 37, 65) .... (28 37, 65) ] 15, 60 liter
n 60
=
o= = + + + =

=SZRSP(xi) = 15,60 liter

A variancia (szrsngyzet): a szrs ngyzete.
( )
n
2
i
2 2 2 2 i 1
x - x
1
[(27 37, 65) (5 37, 65) .... (28 37, 65) ] 243, 49
n 60
=
o = = + + + =

=VARP(xi) = 243,49
Relatv szrs: a szrs a szmtani tlag szzalkban.
15, 60
V 0, 4145 41, 45%
x 37, 65
o
= = =
2.5 Empirikus eloszlsok elemzse Excel parancsfjl mkdse
Az empirikus eloszlsok elemzse parancsfjl t munkalapbl ll. Az els, az adatok-
szmtsok munkalap magban foglalja az elemi mveletek a vltozkkal parancsfjl ugyan-
ezen elnevezs munkalapjt, kibvtve a gyakorisgi sorok kpzsvel s ezek elemzsre
szolgl tovbbi mutatszmokkal. Az 1. 2. 3. munkalap az osztlykzs gyakorisgi sorok
kpzst, az ezekbl nyerhet becslt mutatszmokat, a gyakorisgi sor hisztogramjt, s a
koncentrci vizsglatt tartalmazza. A segtsg munkalap a parancsfjl hasznlatval kapcso-
latos tudnivalkat tartalmazza.
24

A gyakorisgi sor

A gyakorisgi sor felsorolja a mennyisgi ismrv elfordul klnbz rtkeit, s mind-
egyikkhz hozzrendeli az elfordulsuk szmt, azaz a gyakorisgukat. A gyakorisgi sor,
csoportost sor, azaz a sokasg megoszlst mutatja a vizsglt mennyisgi ismrv szerint. A
gyakorisgok sszege a sokasg elemszmt adja meg. A gyakorisgi sor kpzst az elfor-
dul rtkek, - ltalban nvekv rangsorbl kiindulva a legegyszerbb elvgezni. Ha ke-
vs szm klnbz rtk fordul el a sokasgban, - mint pldul a gyermekek szma, a ke-
resk szma a csaldokban, stb. akkor a gyakorisgi sor kpzse knnyen elvgezhet. Az
gy kpzett sort egyszer gyakorisgi sornak nevezzk. Ha nagyon sokfle elfordul rtkkel
tallkozunk, akkor az informci tmrts rdekben nem clravezet a klnbz rtkek
felsorolsa. Ilyenkor az rtkekbl intervallumokat, n. osztlykzket kpeznk s az egyes
osztlykzkhz tartoz gyakorisgokat llaptjuk meg. Az ilyen sort, osztlykzs gyakori-
sgi sornak nevezzk. Az osztlykzs gyakorisgi sor kpzsnek kulcskrdse, az osztly-
kzk szmnak s hossznak a meghatrozsa. Azonos hosszsg osztlykzk esetre
sokfle osztlykz-meghatrozsi mdot ismer az irodalom. A gyakorlatban elterjedt mdsze-
rek kzl itt csupn kettt emltnk meg.
Az osztlykzk hossza (h) meghatrozhat az albbi mdon:
max min
x x
h
r

=
ahol r az osztlykzk szma s
j
r f 1 = +

Az osztlykzk szmt meghatrozhatjuk az albbi kplet alkalmazsval is:
r 1 3, 3lg(n) = +
mely alapjn az osztlykzk hossza az elzek szerint llapthat meg.
Termszetesen a fenti mdszerek automatikus alkalmazsa nem garantlja egyrtelmen a j
megoldst. Soha nem szabad szem ell tveszteni a vizsglt sokasg sajtossgait, ugyanis a
szakmai ismeret, a szubjektv vlemnyek figyelembe vtele jobb eredmnyt hozhat, mint az
algoritmusok mechanikus alkalmazsa. Az osztlykzk hossznak meghatrozsa utn az
osztlykzs gyakorisgi sor az albbi sma szerint kpezhet:
fels als
j j 1 min
x x x j h
+
= = +
Termszetesen gyakorlati okokbl treksznk knnyen kezelhet osztlyok (kerek sz-
mok az osztlyhatrok, azonos hosszsgak az osztlykzk) megllaptsra. Az elfordul
rtkeknek az osztlykzkbe trtn egyrtelm besorolsa rdekben, az egymst kvet
osztlykzk als s fels hatrt meg kell klnbztetni egymstl.

2-1. tbla: Az osztlykzs gyakorisgi sor smja
Ismrvvltozatok Gyakorisg
als fels
1 1
x x
1
f
als fels
2 2
x x
2
f

als fels
r r
x x
r
f
sszesen
r
j
j 1
n f
=
=

Az osztlykzs gyakorisgi sorok esetn sokszor lnk az n. nyitott osztlyok alkalmazs-
nak lehetsgvel, vagyis a legals, illetve a legfels osztlyt nyitva hagyjuk, ezltal lehe-
tv tve a kiugr (extrm) rtkek besorolst.
A gyakorisgi sorokbl tovbbi mennyisgi sorokat szrmaztathatunk. A relatv gyakorisgi
sor a tnyleges gyakorisgok helyett, az azokbl szmtott megoszlsi viszonyszmokat tar-
25
talmazza, melyeket relatv gyakorisgoknak neveznk, melyek sszege 1. Az rtksszeg-
sor a vltozrtkek (osztlykzk) felsorolsa mellett, az ezekhez tartoz rtkek sszegt
tartalmazza. Osztlykzs gyakorisgi sor esetn becslt rtksszeg-sor llthat el az osz-
tlykzepek s a gyakorisgok szorzata alapjn. Az rtksszegekbl szmtott megoszlsi vi-
szonyszmok segtsgvel relatv rtksszeg-sor kpezhet. Az elbbi sorok mindegyikn
elvgezhet a halmozott sszeads (kumulls) mvelete, amely jelenthet kumullst (felfel
kumullst) s lefel kumullst. Ez azt jelenti, hogy a nvekv rtkek fel, illetve a cskke-
n rtkek fel trtnik a halmozott sszeads. gy nyerjk a kumullt sorokat. A gyakoris-
gi sor alapvet brzolsi mdszere a hisztogram.

Kzprtk s szrds szmts gyakorisgi sorokbl

A gyakorisgi sorokbl a szmtani tlagot s a szrst slyozott formban szmthatjuk ki.
Slyknt mindkt esetben a gyakorisgok (f
i
-k), illetve a relatv gyakorisgok (g
i
-k) szerepel-
nek.
A slyozott szmtani tlag kplete:

k k
i i i i
i=1 i=1
k
i
i=1
f x f x
x = =
n
f


k k
i i i
i=1 i=1
x = g x mivel g =1

Ahol
x
i
= az elfordul vltoz-rtkek, illetve az osztlykzepek, ezek az tlagoland rtkek
A fenti kplet alapjn lthat, hogy a slyozott szmtani tlag nagysgt kt tnyez hatroz-
za meg:
1. az tlagoland rtkek (abszolt) nagysga,
2. a slyok viszonylagos nagysga, ms szval a slyarnyok.

A szrs slyozott formulja:
( )
( )
n
2
i i n
2
i 1
i i n
i 1
i
i 1
f x x
g x x
f
=
=
=

o = =

Mindkt helyzeti kzprtknek a mdusznak s a medinnak is jelents szerepe van a gya-
korisgi sorok elemzsben.

Az egyszer gyakorisgi sorban ahol a mennyisgi ismrvet diszkrt szmrtkek jellemzik
a mdusz meghatrozsa nem okoz klnsebb nehzsget, mivel a legnagyobb gyakori-
sggal rendelkez ismrvrtket kell kivlasztani. Komplikltabb a szmts, ha az adatok
osztlykzs gyakorisgi sorba vannak rendezve. A mdusz, mint tudjuk, a leggyakrabban
elfordul ismrvrtk. Osztlykzs gyakorisgi sor, valamint folytonos mennyisgi ismr-
veket tartalmaz sorok esetn a defincit kiss ltalnosabban fogalmazzuk meg. Ilyen eset-
ben a mdusz
48
az az rtk, amely krl az elfordul rtkek legjobban srsdnek, ahol a
gyakorisgi grbnek maximuma van. Ez a meghatrozs egyben azt is jelenti, hogy a mdusz
egzakt meghatrozsra osztlykzs sorok esetn nincs md, rtkt csak kzelt szmts-
sal tudjuk meghatrozni.
A mdusz meghatrozsa kt lpsben trtnik:

48
Pintr Jzsef - Rappai Gbor [2007]: 128-131.
26
1. Ki kell vlasztani az n. modlis osztlykzt, amelyben a mdusz tallhat. Ez
egyenl hosszsg osztlykzk esetn az az osztlykz, amelyhez a legnagyobb gyako-
risg tartozik. Nem egyenl osztlykzk esetn azonban ezt meg kell elznie a gyakori-
sgok korrekcijnak, hiszen a modlis osztlykz azonostsakor figyelembe kell venni
azt a tnyt, hogy eltr hosszsg osztlykzk esetn egyenletessget felttelezve pl.
ktszer olyan hossz osztlykzhz ktszer akkora gyakorisgnak kellene tartozni. gy
egysgnyi osztlykz-hosszra vettve a tnyleges gyakorisgot az osztlykz hosszbl
szmtott egyenrtkessel a tnyleges gyakorisgot korriglni kell.
Mindez kpletbe rendezve :
*
*
j j fels als
j j
h
f f
x x
=

ahol
*
h az egyenrtkesnek tekintett osztlykz hosszsga,
*
j
f a j-edik osztlyhoz tar-
toz korriglt gyakorisg.
2. A kivlasztott modlis osztlykz birtokban alkalmazhat az albbi kplet:
( )
( ) ( )
( )
* *
1
* * * *
1 1
mo mo
als fels als
mo mo mo
mo mo mo mo
f f
Mo x x x
f f f f

= +
+


ahol:
*
mo
f a modlis osztlykz korriglt gyakorisga,

*
1 mo
f

a modlis osztlykz eltti osztlykz korriglt gyakorisga,

*
1 mo
f
+
a modlis osztlykzt kvet osztlykz korriglt gyakorisga,
,
als fels
mo mo
x x a modlis osztlykz als s fels hatrai.

Egyszer gyakorisgi sorok esetn a medin kivlasztsa a rangsor alapjn knnyen elvgez-
het, a medin sorszmnak megfelel x
i
rtk megllaptsval. Osztlykzs gyakorisgi
sor esetn csak valamilyen kzelt eljrssal lehetsges.
A medin meghatrozsra az albbi algoritmust szoks hasznlni:
( )
n
2 als fels als me 1
me me me
me
f
Me x x x
f

'
= +
ahol:
als
me
x a medint magban foglal osztlykz als hatra,

fels
me
x a medint magban foglal osztlykz fels hatra,

me 1
f

' a medint megelz osztlykz felfel kumullt gyakorisga,

me
f a medint tartalmaz osztlykz gyakorisga,

n
2
a medin sorszma.
A szrmaztatott mutatszmok meghatrozsa krben van kitntetett szerepe a momentu-
moknak. Egy kvantitatv vltoz r-ed rend momentuma, a bevett statisztikai meghatrozs
szerint, a vltozrtkek r-edik hatvnyainak tlagval egyenl, vagyis slyozott esetben:
k
r
i i
i 1
r
f x
m
n
=
=

Ha a r=1, az n. elsrend momentum a szmtani tlag,
1
m x = .
Definilhat valamely tetszlegesen megvlasztott a rtkre vonatkoz r-ed rend momen-
tum is, ha a x = , akkor ez az r-ed rend centrlis momentum slyozott esetben:
( )
( )
k
r
i i
i 1
r
f x x
m c
n
=

=

Az els rend centrlis momentum, ( )
1
m c 0 = , mivel az tlagtl mrt eltrsek algebrai sz-
szege 0. A msod rend centrlis momentum megegyezik a szrsngyzettel. ( )
2
2
m c = o .
Empirikus eloszlstpusok. Az aszimmetria s a ferdesg mrsre szolgl mutatk

27
A gyakorisgi eloszlsok elemzse a gyakorisgi grbe alakjnak vizsglatt jelenti. Az em-
pirikus eloszlst jellemz grafikus brt, a hisztogramot, illetve gyakorisgi poligont, ssze-
hasonltjuk a normlis eloszls szimmetrikus gyakorisgi grbjvel. A gyakorisgi poligon
felrajzolsa sorn az osztlykzepeknl felmrt gyakorisgok pontjait (ezek a hisztogramok
oszlopkzepnek felelnek meg) sszektjk. Az n. egymdusz eloszls esetben, azt vizs-
gljuk, hogy az empirikus eloszlsunk szimmetrikusnak tekinthet-e, vagy a grbe, valame-
lyik szle fel jobban elnylik. Ez utbbi esetben jobb, vagy bal oldali aszimmetrirl be-
szlnk. A gyakorisgi grbe alakjrl a grafikus bra s a kzprtkek nagysgrendje mr
tjkoztat. Szimmetrikus tekinthet empirikus eloszlsok esetn a szmtani tlag, a medin s
a mdusz rtke kzel azonos.
Jobb oldali aszimmetrinl az emltett hrom kzprtk kzl a mdusz rtke a legkisebb,
bal oldali aszimmetrinl pedig a szmtani tlag. Jobb oldali aszimmetrij eloszls esetn, a
grbe a cscspontjt valamilyen alacsonyabb
i
x rtknl veszi fel, a magasabb
i
x rtkek fe-
l haladva a gyakorisgok egyre kisebbek lesznek, a grbe hosszan elnylik. Bal oldali
aszimmetrinl termszetesen fordtott a helyzet, amint az albbi bra mutatja.


x Mo Me
f
X
Jobb oldali

x Me Mo ( (
Jobboldali aszimmetria

X
f

x Me Mo = =
Szimmetrikus eloszls

Bal oldali
f
X
x Me Mo

x Me Mo ) )
Baloldali aszimmetria
2-1. bra: Szimmetrikus s aszimmetrikus eloszlsok

Az aszimmetria mrsre hasznlt mutatszmok kzs jellemzje, hogy dimenzi nlkliek,
rtkk nulla, ha az eloszls szimmetrikus, s eljelk jelzi a jobb- s baloldali aszimmetrit.
A Pearson-fle A mutat:
x Mo
A

=
o

A szmtani tlag s a mdusz rtknek azonossga esetn a mutat rtke 0, ami jelzi a
szimmetrit. A mutat pozitv eljele a jobb oldali, negatv eljele a bal oldali aszimmetrit
mutatja. A mutatnak nincs fels korltja, teht a mutatszm rtke nem utal kzvetlenl az
aszimmetria mrtkre.
Az aszimmetria mrsre szolgl F-mutat:
3 1
3 1
(Q Me) (Me Q )
F
(Q Me) (Me Q )

=
+

Az F-mutat szmtsa azon alapul, hogy szimmetrikus eloszlsnl a kvartilisek egyenl t-
volsgra vannak egymstl, ekkor 0 a mutat rtke. A jobb s bal oldali aszimmetrit az F
mutatszm eljele ugyangy jelzi, mint az A mutat, abszolt rtke azonban maximum 1
lehet. Ez az extrm aszimmetrit jelezn, amikor is a medin rtke valamelyik szls
kvartilisvel (Q
3
vagy Q
1
) egyezik meg.
A ferdesg mrsre szolgl S mutat, amely meghatrozhat a centrlis momentumok
alapjn:
S
=
3
2
3
2
m (c)
m (c)

A S -mutat rtke 0, ha az eloszls szimmetrikus, pozitv eljel esetn jobb oldali, mg nega-
tv eljel esetn bal oldali aszimmetrira kvetkeztethetnk. Hasonlan az A-mutathoz ez a
mutatszm sem korltos.
28

A gyakorisgi eloszlsok vizsglata kiterjed az empirikus eloszlsok tovbbi alak-
vizsglatra, a cscsossg-lapultsg elemzsre is. Cscsossgon az eloszlst jellemz grbe
meredeksgt rtjk a mdusz krnyezetben. A cscsossg mrszmai is a normlis elosz-
lshoz viszonytva vizsgljk az eloszls relatv lapultsgt, vagy erteljes meredeksgt.
Trgyi rtelmt tekintve a szimmetrikus, de lapult eloszls az egyenletes eloszls fel kzelt,
mg a cscsos eloszls jelzi az tlag krli tmrls erteljes voltt.
A cscsossg mutatszma:
K
=
4
2
2
m (c)
m (c)

A K-mutat rtke 3, normlis eloszls esetn. Ennl kisebb rtk esetn lapultnak, nagyobb
rtk esetn cscsosnak tekinthetjk az eloszlst.

A koncentrci vizsglata

A gyakorisgi sorok adatai alapjn vizsglhat a sokasg x vltoz szerinti koncentrcija. Az
elzekben bemutatott empirikus eloszlsok vizsglatnak nem szerves rsze a koncentrci
elemzse. Azrt trgyaljuk egytt, mert ugyanabbl az adatbzisbl a gyakorisgi sorokbl
mindkt vizsglat elvgezhet. Koncentrci vizsglatot akkor vgznk, ha rtelmezhet a
sokasg x vltoz szerinti koncentrcija, vagyis a gyakorisgi sor mellett kpzett rtksz-
szeg-sor adatainak trgyi rtelme van. Pl. a npessg jvedelem szerinti koncentrcijt vizs-
glva, a jvedelem eloszlsa mellett a megszerzett jvedelmek sszege, az sszjvedelembl
val rszeseds is rtelmezhet. Beszlhetnk a gazdlkodsi egysgeknek a termelsi rtk, a
ltszm, a beruhzs, a forgalom, az rbevtel s a nyeresg szerinti koncentrcijrl; a n-
pessg jvedelem, vagyon szerinti koncentrcijrl.
Koncentrcin a gazdasgi-trsadalmi jelensgekben megfigyelhet tmrlseket, sszpon-
tosulsokat rtjk. A koncentrci fogalma mind a gazdasgi folyamatokat, mind azok ered-
mnyeknt ltrejtt llapotokat jellemzi. Koncentrcinak nevezzk azt a jelensget, amikor a
sokasghoz tartoz rtksszeg jelents rsze a sokasg kevs egysgre sszpontosul. A
koncentrci jelensgt a mennyisgi sorok alapjn jellemezhetjk (mrhetjk) gy, hogy egy
adott X ismrv gyakorisgi s rtksszeg eloszlst hasonltjuk ssze. Ha a teljes rtksszeg
megoszlsa nem egyenletes, azaz a teljes rtksszeg nagy rsze a sokasg egysgeinek kis
rsznl sszpontosul, relatv koncentrcirl beszlnk. Az egyenletes eloszls az az elm-
leti hatreset, amely a koncentrci teljes hinyt jelezn. A msik elmleti hatreset a leg-
ersebb fok az abszolt koncentrci, amikor a teljes rtksszeg egyetlen sokasgi egy-
sghez tartozik. A relatv koncentrci elemzse elvgezhet a koncentrcis tbla alapjn, a
relatv gyakorisgi s relatv rtksszeg sor sszehasonltsval. A koncentrci megltt az
jelzi, hogy az alacsonyabb x
i
rtkeknl a relatv gyakorisgok rendre nagyobbak a relatv r-
tksszegek rtkeinl. A nagyobb x
i
rtkeknl fordtott helyzetet tapasztalunk.
A koncentrci brzolsra s elemzsre szolgl specilis grafikus brt, megalkotjrl
49
Lorenz-grbnek hvjuk. A Lorenz-grbe egysgoldal ngyzetben elhelyezett bra, amely a
kumullt relatv gyakorisgok ( )
i
g' fggvnyben brzolja a kumullt relatv rtksszege-
ket ( )
i
z' .
50
Amennyiben az egysgeknek az rtksszegbl val rszesedse egyforma lenne,
a kumullt relatv gyakorisgok s a kumullt relatv rtksszegek rendre megegyeznek
( )
i i
g z = , a grbe a ngyzet tljval egybeesne. Ha a grbe kzel van az tlhoz, akkor
gyenge a koncentrci. Ha a relatv gyakorisgok s relatv rtksszegek igen jelentsen el-
trnek egymstl, a grbe a tengelyekhez ll kzel, ez mutatja az ers koncentrcit. A grbe
s az tl ltal bezrt terlet teht, a koncentrci relatv nagysgt jellemzi. Ezt a terlet-
arnyt kzelti az n. Gini-fle koncentrcis arnyszm.

49
Max Otto Lorenz (1880-1962) amerikai statisztikus 1905-ben publiklta elszr az ltala elssorban
jvedelem-egyenltlensgek illusztrlsra javasolt brt.
50
Hunyadi Lszl Vita Lszl [2008] I. 120.
29
( )
n n
i j i j
j 1 i 1
f f x x
K
2xn n 1
= =

=

A fenti kplettel meghatrozott koncentrcis arnyszm rtke egyenl a Lorenz-grbe s az
tl ltal bezrt terletnek s a tengelyek s az tl ltal bezrt hromszg terletnek az ar-
nyval. A mutatszm hatrai: s s 0 K 1.

Az empirikus eloszlsok elemzse parancsfjl t munkalapbl ll. Az adatok-szmtsok
munkalap rszben megegyezik az elemi mveletek parancsfjl azonos nev munkalapjval.
A munkalap tovbbi rszben az egyszer gyakorisgi sor kpzst s az empirikus eloszl-
sok jellemzit kzli a parancsfjl. Az 1. s 2. munkalap az adatok s szmtsok munkalapon
szerepl adatbzisbl osztlykzs gyakorisgi sorokat kpez s hisztogramot kszt. A 3.
munkalap az empirikus eloszlsok elemzsre szolgl abban az esetben, amikor az egyedi
adatok nem llnak rendelkezsre, s gy a kiindul adatbzis egy osztlykzs gyakorisgi
sor. A mkdst bemutat szemlltet plda: egy benzinkt egyik ktoszlopnl egy adott
idszak 4 ra alatt kiszolglt benzin mennyisge literben, amit az esemnyek sorrendj-
ben jegyeztek fel, ld. xi srga mezben lv oszlopot.
51


Az adatbzis maximum 5000 rtket tartalmazhat.

Momentumok (r-ed rend, slyozs nlkli): az x
i
vltoz rtkeinek r-edik hatvnybl
szmtott tlagok az r=1,2,3, s 4 esetekben

Momentumok
Elsrend 37,65
Msodrend 1661,016667
Harmadrend 81014,25
Negyedrend 4241460,617

Centrlis momentumok: az x rtkre vonatkoz r-ed rend momentumok, r=1,2,3, s 4
Centrlis momentumok
Elsrend 1,30266E-15
Msodrend 243,4941667
Harmadrend 141,86175
Negyedrend 139775,4399

Empirikus eloszlsok jellemzi
A mutat (aszimmetria): az aszimmetria Pearson-fle mrszma
x Mo 37, 65 36
A 0,11
15, 6

= = =
o

F mutat (aszimmetria): az aszimmetria kvartilisekbl szmtott mrszma
3 1
3 1
(Q Me) (Me Q )
F 0, 20
(Q Me) (Me Q )

= =
+

S mutat (aszimmetria), amely meghatrozhat a centrlis momentumok alapjn:
( )
( )
2
3
3
2
m c
S 0, 037
m c
= =
Az Excel ltal alkalmazott kplet:


51
Az adatok megtallhatk a CD-n: eladottbenzin.xls
30
( )( )
( )( )
3
n
' i
i 1
2 2 2 2 3
3
x x n
S
n 1 n 2
27 37,65 5 37,65 27 37,65 28 37,65
60
60 1 60 2
15,60
0,038
[( ) ( ) ( ) .... ( ) ]
=
| |
= =
|
o
\ .

+ + + +
=


=FERDESG(xi) = 0,038

K mutat (cscsossg):

K mutat (cscsossg): az Excel ltal alkalmazott kplet:
4
i
2
'
4
2 2 2 4
4
2
n
x x
n(n 1) (n 1)
3
i 1
K
(n 1)(n 2)(n 3) (n 2)(n 3)
60(60 1) [(27 37,65) (5 37,65) ... (28 37,65) ]
(60 1)(60 2)(60 3) 15,60
(60 1)
3
0, 59
(60 2)(60 3)
(

(
+

=
= =
o
+ + + +
=

=



=CSCSOSSG(xi) = -0,59

Az 1. munkalap az adatok-szmtsok munkalapon szerepl x
i
adatsor, illetve az egyszer
gyakorisgi sor alapjn olyan osztlykzs gyakorisgi sort kpez, ahol az els s az utols
osztlykz nyitott. Az 1. munkalapon minden szmts automatikus, az adatok-szmtsok
munkalapon meghatrozott egyszer gyakorisgi sorbl (x
i
, f
i
) kpezi az osztlykzs gyako-
risgi sort. Az 1. munkalapon csak az els osztlykz (a pldban: xa) s az utols osztly-
kz (a pldban: xf) hatrt lehet mdostani, amit a srga szn is jelez. A 2. munkalapon
ugyanezt vgzi el, azzal a klnbsggel, hogy az osztlykzk szma s az osztlykzk fel-
s hatra is tetszs szerint vltoztathat (a srga szn jelzse szerint), gy akr tbbszri pr-
blkozssal lehet a tnyleges eloszlst legjobban ler gyakorisgi sort megkeresni. Ehhez ad
informcit a tnyleges rtksszeg-sor megjelentse, a becslt sorok mellett.
Az osztlykzs gyakorisgi sorbl kpezhet tovbbi sorok mindegyikt kzli a parancsfjl,
gy az rtksszeg, relatv s kumullt sorokat is.
A kvetkez jellseket hasznlja a program:
fi = a (felfel) kumullt gyakorisgok
fi = a lefel kumullt gyakorisgok
gi = a relatv gyakorisgok
gi = a (felfel) kumullt relatv gyakorisgok
gi = a lefel kumullt relatv gyakorisgok
si = a tnyleges rtksszeg
si = a felfel kumullt tnyleges rtksszeg
si = a lefel kumullt tnyleges rtksszeg
zi = a relatv tnyleges rtksszeg (%)
zi = a felfel kumullt relatv tnyleges rtksszeg (%)
zi = a lefel kumullt relatv tnyleges rtksszeg (%)
si_becs = a becslt rtksszeg [osztlykzp (xi)*(fi)]
si_becs = a felfel kumullt becslt rtksszeg [osztlykzp (xi)*(fi)]
K 3 -0,64
=
=
4
2
2
m (c)
m (c)
31
si_becs = a lefel kumullt becslt rtksszeg [osztlykzp (xi)* (fi)]
zi_becs = a relatv becslt rtksszeg (%)
zi_becs = a felfel kumullt relatv becslt rtksszeg (%)
zi_becs = a lefel kumullt relatv becslt rtksszeg (%)

A program megadja a klnbz sorokat tartalmaz tblban az fi*-gal jellt korriglt
gyakorisgokat, amelyek a mdusz becslshez s a hisztogram szerkesztshez szksge-
sek.
Az 1. s 2. munkalap zr rsze a koncentrci elemzsre megadja a koncentrcis tblt, a
Lorenz-grbt s a Gini-mutatt, a munkalapokon szerepl adatbzis alapjn. A szmtsokat
ktfle mdon tudja elvgezni a program, a tnyleges, illetve a becslt rtksszeg-sor adatai
alapjn, melyek kzl vlaszthatunk a legrdl mensor hasznlatval. Az 1. s 2. munka-
lapon szerepl bemutat plda nem alkalmas a koncentrci elemzsnek bemutatsra, mi-
vel itt az rtksszeg-sor adatainak (a vsrolt sszes benzin mennyisgnek) nincs inform-
ci tartalma, nehezen rtelmezhet a vsrlknak a vsrolt benzinmennyisg szerinti kon-
centrcija. Itt jra hangslyozzuk, hogy, ha empirikus eloszlsok elemzse a clunk, s
adatbzisunk alapjn nem rtelmezhet a koncentrci akkor a program ltal megadott, a
koncentrcira vonatkoz szmtsi eredmnyeket figyelmen kvl kell hagynunk.
A 3. munkalap amint mr utaltunk r az empirikus eloszlsok elemzsre szolgl abban
az esetben, amikor az egyedi adatok nem llnak rendelkezsre, s gy a kiindul adatbzis
egy osztlykzs gyakorisgi sor. Az adatok bevitelt az osztlykzk szma srga mezben
kitltsvel kell kezdeni. Ha az utols osztlykz fels hatra nyitott, akkor az osztlykzk
szma eggyel tbb, mint a berand fels hatrok. Az osztlykzk bevitelre az osztlyk-
zk fels hatra (Fels oszlop), mg a gyakorisgok bevitelre az fi oszlopa szolgl a srga
mezben. Ha n. nyitott osztlyos a gyakorisgi sorunk, akkor az x
a
s x
f
srga mezbe ber-
hatjuk az ltalunk vlasztott als s fels osztlykz hatrt. Amennyiben az emltett srga
cellkat nem tltjk ki, a program mechanikusan elvgzi az osztlykzepek szmtst. A ki-
indul adatbzisunk tartalmazhatja az rtksszeg-sort is (si oszlop), ebben az esetben az
adatainkat a srga cellkban rgzthetjk s gy a tovbbi szmtsok a tnyleges rtkssze-
gekbl trtnnek. Ha a tnyleges rtksszegek nem ismeretesek, akkor a program az osz-
tlykzepek segtsgvel becslt rtksszegeket szmt.
A 3. munkalapon ugyanazok az elemzsi eredmnyek jelennek meg, mint az 1. s 2. munka-
lapon. Rszletesebb magyarzatot csak a koncentrci elemzse ignyel. A koncentrcis
tbla adatai alapjn sszehasonlthatk a kumullt relatv gyakorisgok a kumullt relatv r-
tksszegekkel. Ezen adatok alapjn a program megrajzolja a Lorenz-grbt s kzli a ki-
szmtott Gini-mutat rtkt.
Az Excel felhasznlsval meghatrozhatjuk a Lorenz-grbe s az tl ltal bezrt terletet
(A) gy is, hogy meghatrozzuk a Lorenz-grbn kvli terlet nagysgt (B), felhasznlva
azt, hogy a trapz terlete:
(a + b)h
T =
2

A trapz kt alapjt a-val s b-vel, magassgt h-val jelltk. sszegezzk a terletek nagy-
sgt, ami az albbi brban a trapz terlete. A B terlet ismeretben a Lorenz-grbe: (A=-
B) a Gini mutat pedig (A/2)
32
Lorenz-grbe=A s a Gini-mutat A/2 (A=-B)
0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
1
0 0,2 0,4 0,6 0,8 1
b
a
h
A
B

2-2. bra: A Lorenz-grbe s a Gini-mutat becslse grafikus mdn
A 3. munkalapon a bemutat plda az APEH honlapjn elrthet
52
SzJA bevallsok Magyar-
orszgon 2004-ben, jvedelemsvok szerint.
Gyakorl feladatok. (elemimveletek.xls s empirikuseloszlsokelemzse.xls)
53


1. A Demogrfiai vknyv 2005. s 2006. KSH, Budapest, kzli Excel formtumban
(A_3_1_2 2205.xls [3.1.2. A NPESSG SZMA VROSONKNT]) a magyarorszgi v-
rosok npessgszmt vrosonknti bontsban az 1970 s 2007 kztti (1970, 1980, 1990,
2001, 2002, 2003, 2004, 2005, 2006, 2007) idszakban. Vizsglja meg a vrosi npessg
koncentrcijnak a vltozst Budapest nlkl. Az adatbzis az eredeti formjban nem al-
kalmas a szmtsok elvgzsre. A Gyakorisgok fggvny felhasznlsval csoportosthat-
juk a vrosokat a npessgszm alapjn. A npessgszmvrosonkntrendezve1970-2006.xls
fjlban nyomon kvethet a programozs a Gyakorisgok fggvny felhasznlsval. (Gya-
korisgok: a gyakorisgi vagy empirikus eloszls rtkt fggleges tmbknt adja eredm-
nyl. A gyakorisgi eloszls adott rtkhalmazbl s adott szm osztlynl [intervallumnl]
az egyes intervallumokban elfordul rtkek szmt mri.)
A megoldshoz segtsg: 1970-ben a Gini-mutat 0,518, 2006-ban 0,512 volt.
2. A jvedelemkoncentrci vltozsa Magyarorszgon az SzJA bevallsok alapjn. Rendel-
kezsre ll adatok: 2004, 2005 s 2006. Vgezze el a szmtsokat az elemimveletek.xls
fjl segtsgvel, s rtkelje a kapott adatokat.
3. Egy kereskedelmi gazat vllalkozsainak ves rbevtel adatait az albbi tblzat tartal-
mazza rbevtel-svok szerint. Vgezze el a koncentrci elemzst elemimveletek.xls fjllal
s rtkelje a kapott adatokat.
4. Egy wellness hotel brjnak elz napi forgalmrl (az eurban kibocstott szmlk alap-
jn) rendelkezsnkre ll adatsor (szmhalmaz). rtelmezze az elemi mveletek
(elemimveletek.xls fjllal) szmtsainak (kzprtkek, szrdsi mutatk, az empirikus
eloszls alakjnak vizsglata) a kapott adatokat.
5. Hrom trsashz 132 laksnak havi tlagos vzfogyasztsa (m
3
/laks), amit a Pcsi Vzm
az elz egy ves fogyaszts alapjn llaptott meg, mint havi tlagmennyisget a kvetkez-
kppen alakult.
rtelmezze az elemi mveletek (elemimveletek.xls fjllal) szmtsainak (kzprtkek,
szrdsi mutatk, az empirikus eloszls alakjnak vizsglata) az adatait.
6. Ipoly Erd Zrt. Kemence WS 3600 lloms napi (01, 09, 13, 19 rakor s kzp) hmr-
skleti menete. 2007 mrcius. rtelmezze az elemi mveletek (elemimveletek.xls fjllal)

52
Lsd www.apeh.hu.
53
A knyv CD mellklete tartalmazza az adatokat az elemi mveletek alknyvtrban.
33
szmtsainak (kzprtkek, szrdsi mutatk, az empirikus eloszls alakjnak vizsglata)
az adatait.
7. Egy kereskedelmi bankban egy adott hten (5 munkanap) lekttt ( rvid, 1, 2, 3, 4 illetve
6 hnapos futamidej ) bettek rtkei, (eFt), nvekv sorrendben 257 adatot tartalmaz.
rtelmezze az elemi mveletek (elemimveletek.xls fjllal) szmtsainak (kzprtkek,
szrdsi mutatk, az empirikus eloszls alakjnak vizsglata, koncentrci, Gini-mutat) az
adatait.
8. Egy iparvllalat dolgozinak havi brutt tlagkeresetre vonatkozan az albbi adatokkal
rendelkeznk. rtelmezze az elemi mveletek (elemimveletek.xls fjllal) szmtsainak (k-
zprtkek, szrdsi mutatk, az empirikus eloszls alakjnak vizsglata, koncentrci, Gi-
ni-mutat) az adatait.
3 Az idsorok elemzsi mdszerei

Az idsor-elemzsi mdszereket alapveten kt clbl hasznljuk:
a jelensgek idbeli alakulsnak elemzsre mltbeli adatok alapjn;
illetve a jelensgek jvbeni alakulsra vonatkoz elrejelzsek (prognzisok) ksz-
tsre.
Az idsoros adatbzisok sajtossga, hogy nemcsak az adatok sszessge, hanem azok sor-
rendje is rdekel bennnket. Ez egyben azt is jelenti, hogy szemben a tbbi statisztikai sorral,
idsorok esetn az adatok felsorolsnak sorrendje szigoran kttt, mindig a legkorbbi id-
pontbl (idszakbl) haladunk a jelenig. Az idsorok rendkvl fontosak az elemzsi s prog-
nosztikai tevkenysgben, mivel a mltat brzoljk s ebbl bizonyos kvetkeztetsek a j-
vre vonatkozan levonhatk. Az idsorok teht a prognziskszts alapjt kpezik, ahhoz
ugyanis, hogy valamely jelensg vagy folyamat jvbeli alakulsrl helyes kpet kapjunk,
ismerni kell a prognzistrgy mltbeli alakulst is. Az idsorok alapjn trtn elrejelzsek
azon a felttelezsen alapulnak, hogy a trtneti smk folytatdnak a jvben is. A progn-
ziskszts tipikus mdszernek tekinthet teht az idsor-kutatson alapul elrejelzs, mert
szmtsi alapelve megfelel a prognosztizls alapelvnek: a mlt s jelen ismert paramterei
alapjn elrevetteni az sszefggst a jvbe. Az idsorokban megfigyelt tendencia prog-
nosztizlsa azon a felttelezsen nyugszik, hogy a jvben is ugyanolyan irny s mrtk
vltozsok kvetkeznek be, mint amilyenek jellemzek voltak a vizsglt mltbeli idszakban.
Az idsor adatai ltalban egymst egyenl idkzzel kvet idpontokra illetve idszakokra
vonatkoznak. Ezek az idpontok illetve idszakok a gyakorlati tapasztalatok szerint lehetnek:
percek, flrk, rk, napok, hetek, hnapok, negyedvek, vek, vtizedek. A statisztikai hi-
vatalok ltal kzlt adatok ltalban venknti, negyedvenknti s havonknti megfigyel-
seket tartalmaznak. Rvidebb idszakokra (pl. napi, rnknti, flrnknti) vonatkoz adat-
gyjtst pldul a tzsdeindexek esetben vgeznek.
Az idsor mindig konkrt megfigyels eredmnye, vagyis az elmleti idsornak egyetlen rea-
lizcija. Vgeredmnyben az idsor egyetlen realizcija, a tapasztalati idsor alapjn kell a
vizsglt jelensget illetve folyamatot befolysol, illetve meghatroz trvnyszersgeket
feltrni.
Az idben lejtszd folyamatok mindegyike sztochasztikus folyamatknt definilhat, mely
valsznsgi vltozk sorozataknt jelenik meg. Ezt elmleti idsornak nevezzk s az
albbi mdon jelljk:
M M 1 t M
Y , Y ,..., Y , , Y
+

Az Y
t
( M t M s s ) valsznsgi vltozk mindegyikre vonatkozan egy megfigyelssel
rendelkeznk, ez a modellezs adatbzist jelent tapasztalati idsor.
A realizlt idsori rtkeket tapasztalati idsornak, egyszeren idsornak nevezzk s a to-
vbbiakban y
t
-vel (t = 1,2,....,N) jelljk
54
.
1 2 t N
y , y , , y ,..., y

54
A t a latin tempus szbl szrmazik.
34
Az idsorelemzs legegyszerbb, de egyben legtbbszr alkalmazott mdszerei a grafikus
brzols s a dinamikus (bzis s lnc) viszonyszmok szmtsa. Ezek ismertetse az 1.
fejezetben megtallhat.
55
Az egyszerbb elemzsi eszkzk tovbbi csoportjt alkotjk az
idsor-elemzs terletn alkalmazhat tlagok. Az idsor elemzs esetben ritkn hasznlunk
tlagszmtst, mivel nem az informci tmrts a cl, hanem az idben lejtszd folya-
matok lersa. Specilis esetekben szksg lehet egy idsor tlagos rtkre. Hasonlan, a
grafikus brzols sorn az ll s mozg sokasgok kztti megklnbztetshez, az idsori
tlagszmtsnl klnbz tlagfajtkat hasznlunk llapot- s tartam-idsor esetn.
Ha egy tartam-idsor tlagos rtkre vagyunk kvncsiak, mivel az idsor adatai ssze-
gezhetk alkalmazhat az egyszer szmtani tlag:
N
t
t =1
y
y =
N

Az llapot idsor adatainak tlagolsra az gynevezett kronologikus tlagot szoks hasz-
nlni:
N 1
2 N-1
k
t
y y
+y +...+y +
2 2
y =
N-1

Az idsorelemzsnek kt f megkzeltsi mdja ismert:

1. A determinisztikus idsorelemzs
56
abbl a felttelezsbl indul ki, hogy az idso-
rok alakulst egy viszonylag hossz tv nvekedsi/cskkensi plya hatrozza
meg, amely krl tartsan hat szablyos hullmmozgsok (pl. szezonalts) mutatha-
tk ki. Ezektl eseti, egyedi eltrt hatsok maradkknt a vletlen tnyezt jele-
ntik meg.
2. A sztochasztikus idsorelemzs
57
(pl. Box Jenkins, ARIMA stb. modellek) abbl a
felttelezsbl indul ki, hogy az aktulis idsori rtkeket korbban realizldott rt-
kei s a vletlen hats alaktja ki, a determinisztikus modellezs felttelezte hossz t-
v tendencia befolysol szerepe ebben a megklnbztetsben kzvetlenl nem jele-
nik meg.
Az Excel parancsfjlokat nhny determinisztikus idsorelemzsi mdszerre ksztettk el.

3.1 A dekompozcis idsormodellek

A dekompozcis idsorelemzs statisztikai mdszerei azt felttelezik, hogy a vizsglt idso-
rok ltalban ngy f, egymstl fggetlen s elklnthet tnyezbl tevdnek ssze. Ezek
a kvetkezk: a trend vagy hossz tv alapirnyzat, az ettl szablyos (ltalban havi vagy
negyedves) ingadozsokkal eltr rvid tv (szezonlis) ingadozst ler sszetev, a sza-
blytalan hosszabb tv ingadozsokat ler ciklikus sszetev (konjunktraciklus) s a vlet-
len vltoz. A kvetkezkben ezen tnyezk kimutatsra szolgl mdszereket mutatjuk be.

3.1.1 Az idsorok sszetevi s kapcsoldsi mdjai

1. A trend vagy a hossz tv alapirnyzat
A trend az idsorban tartsan az ingadozsokon keresztl hossz tvon rvnyesl ten-
dencia, amely az idsor alakulsnak f irnyt jelenti. A trendet tbb, a vizsglt jelensg
alakulst alapveten meghatroz tnyez alaktja. Ha az adott idintervallumon becslt
tendencit extrapollssal ki akarjuk terjeszteni a vizsglt intervallum hatrain kvlre, ezt
csak azzal a felttelezssel tehetjk, hogy ott is rvnyesl ez a stabilits. Az idsorokban r-
vnyesl trendek meghatrozsra kidolgozott mdszerek tbbsge jelents adatmennyisg

55
Ld. Dinamikus-viszonyszmok.xls parancsfjlt.
56
A latin determinatio (be)hatrols szbl ered.
57
Sztochasztikus grg sz, jelentse statisztikai valsznsgen alapul.
35
ismeretben is csak rvid illetve kzptv prognzisok ksztsre hasznlhat. Hosszabb
tv prognosztizlsra val felhasznlsukat korltozza az a tny, hogy hosszabb tvlatban
ritkn felttelezhet a vizsglt jelensgre hat tnyezk krnek s irnynak vltozatlansga.
Ugyanakkor, ha hossz, 100-200 ves, vagy ennl hosszabb idsorokkal rendelkeznk, akkor
a hossz tv, n. megatrendeket is azonostani tudjuk, ami megalapozottabb trend extrapol-
cit eredmnyezhet. A megatrendek nem az egyik naprl a msikra alakulnak ki s enysz-
nek el. Ezek az tfog trsadalmi, gazdasgi, politikai s mszaki vltozsok lassan bonta-
koznak ki, de ha egyszer mr kialakultak, akkor befolyst gyakorolnak rnk egy ideig, ht-tz
vig, vagy mg tovbb. Megvan a hatkrk s alakt erejk egy-egy vtized vltozsspekt-
rumnak a meghatrozshoz.
58

2. A szablyos rvid tv (szezonlis) ingadozst ler sszetev
A szezonlis vagy idnyszer ingadozs lland peridushossz, olyan hullmzs, melynek a
peridushossza egy vnl rvidebb idszak.
3. A szablytalan hosszabb tv ingadozsokat ler ciklikus sszetev (konjunktracik-
lus)
A konjunktraciklus a trend krli ingadozst jelenti. ltalban vltoz peridushossz s
amplitdj ingadozs, a legtbb esetben klnbz egy vnl hosszabb peridus (pl. 3,
9, 18, 54 ves) hullmzs. Ezen ciklusok jelenltt csak hosszabb (legalbb 15-100 ves) id-
sorok alapjn lehet kimutatni.
4. A zavar hatsokat ler vletlen vltozk,
A vletlen ingadozs az idsorban kimutathat szablytalan mozgs, ami nem mutat semmi-
fle trvnyszersget. amelyekrl tbbnyire csak azt felttelezik, hogy vrhat rtkk addi-
tv kapcsolatnl 0, illetve multiplikatv kapcsolat esetben 1. A tapasztalati idsorok adatai l-
talban eltrnek a trend, a ciklus s a szezonalts alapjn vrt rtkektl. Az eltrst a sza-
blytalan, rvid tvon hat vletlen ingadozs okozza.

Kiegsztsknt meg kell emlteni a strukturlis trst. Strukturlis trseknek nevezzk az
olyan egyszeri, jelents tendenciavltozsokat, melyek oly szmotteven befolysoljk az
adott idszakban a jelensg alakulst, hogy kln vizsglatot ignyelnek. Strukturlis trs
meglte esetn fontos cl, a ltrehoz ok vagy okok feltrsa, a hats vagy hatsok tovagy-
rzsnek, esetleges elhalsnak" elemzse. Ha a strukturlis trsek szma s jelentsge
nagy, akkor a dekompozcis idsorelemzs mdszereinek hatkonysga megkrdjelezhet.

Ttelezzk fel, hogy az idsorban mind a ngy tnyez megjelenik. Az idsor sszetevi: ad-
ditvan (sszegszeren) vagy multiplikatvan (szorzatszeren) kapcsoldhatnak egymshoz.

Additv modell esetn felttelezzk, hogy az idsor megfigyelt rtkei, a trend, a szezon, a
konjunktra ciklus s a vletlen komponens rtkeinek sszegeknt llthat el.
Ennek alapjn ha kapcsolds mdja additv:
* * *
ij ij j l ij
y y s c v = + + +
ahol:
ij
y = a megfigyelt idsor rtke, az i-edik peridus j-edik szezonjban
ij
y

= a trendrtk, az i-edik peridus j-edik szezonjban
*
j
s

= a j-edik szezonban a szezonlis eltrs
*
l
c

= az l-edik becslt (*) konjunktra ciklus, aminek a peridusa klnbz (3-60 v) lehet.
*
ij
v = a vletlen hats, az i-edik peridus j-edik szezonjban
i = 1, 2,.... ,n = a peridusok (pl. vek) szma
j = 1, 2,... .,m = a periduson belli idszakok, azaz a szezonok (pl. a hnapok, a negyedvek)
szma

58
Naisbitt, John - Aburdene Patricia [1991] 11-12.
36
l = 1, 2, ,o = a konjunktra ciklusok peridusainak
59
a szma.

Az jonnan bevezetett jellsekhez nhny megjegyzst fznk. Idsorunk ltalnos elem-
nek jellsre eddig az
t
y (t=1,...,N) mdot hasznltuk s eszerint, idsorunk N szm adatbl
ll. Ha az idsorban szezon-komponenst is megklnbztetnk, a bevezetett j jells szerint
az idsor ltalnos eleme:
ij
y (i=1,2,...,n; j=1,2,...,m) , s az idsor adatainak szma: n m=N
*
. Az
lland szezonalts egyben azt is jelenti, hogy ha brmely peridus (pl. v) ugyanazon sze-
zonjrl (pl. hnapjrl) van sz, a szezon-ingadozs eltrt hatsa standard, a vizsglt
t=1,...,N idtartam alatt. Ez azt jelenti teht, hogy a vizsglt sszes peridusban pldaknt
az elmlt t vben -, negyedves adatokkal lert szezonalts esetn ngy szezontnyezvel,
havi adatok esetn tizenkt szezontnyezvel jellemezzk a szezon-ingadozst. Ezrt kell te-
ht az
j
s (j=1,2,...,m) jellst a szezon-komponensre bevezetni (negyedves adatoknl m=4 ,
havi adatoknl m=12 ), s ilyenkor a peridusok (pl. vek) jellsre az i=1,2,...,n mdot
hasznlni.
Multiplikatv modell esetn felttelezzk, hogy az idsor megfigyelt rtkei, a trend, a szezon,
a konjunktra ciklus s a vletlen komponens rtkeinek szorzataknt (jele:
*
) llthat el.
Ennek alapjn ha kapcsolds mdja multiplikatv:

ij ij j l ij
y y s c v
* * *
=
ahol, a mr ismert jellsek mellett,
s
j
= a j-edik szezonhoz tartoz szezonlis komponens, a szezonindex
c
l
= az l-edik konjunktra ciklushoz tartoz konjunktraindex.

sszefoglalan megllapthat, hogy a szezonalits s a konjunktra ciklusok eltrt hatsa
a megfelel szezonoknl s konjunktra ciklusoknl az additv modellben abszolt lland-
sgot, a multiplikatv modellben pedig a trendhez mrt relatv llandsgot mutat.

3.1.2 A trend vagy a hossz tv alapirnyzat becslsi mdszerei

A trendszmts ktfle mdszert ismertetjk: a mozgtlagols s az analitikus trendsz-
mtst. Az analitikus trendszmts keretben a lineris s a linerisra visszavezethet tren-
dekkel foglalkozunk elszr.
60
A linerisra vissza nem vezethet trendek egy rszt a telt-
dsi, a logisztikus s az letgrbe trendek becslse sorn ismertetjk.
61


3.1.2.1 Mozgtlagols trendszmts

A mozgtlagols alapgondolata, hogy a trendet az eredeti adatsor dinamikus tlagaknt llt-
juk el. A gyakorlatban igen elterjedt trendszmtsi mdszer, mert egyszer s gyorsan sz-
mthat. Htrnya viszont, hogy a kiegyenltett sor rvidebb, teht kevesebb adatot tartalmaz,
mint az eredeti, gy a nagyon rvid idsor esetben szinte lehetetlen a trendet e mdszerrel
egyrtelmen jelezni. A mozgtlagols trendszmts sorn az idsor rtkeibl lta-
lunk vlasztott tagszm (jele: k) tlagokat szmtunk gy, hogy az idsor elejrl indulva
az tlagoland rtkek kzl az elst elhagyva, s az utols rtket kvett hozzvve az el-
jrst addig folytatjuk, mg az utols adatot is felhasznltuk. Minden kiszmtott tlagot az t-
laggal jellemzett idszak kzephez rendeljk. Az gy nyert mozg tlagok sora az alapirny-
zat rtkeit, azaz a mozg tlagols trendrtkeket adja, melyek szma kevesebb, a megfi-
gyelt idsor adatainl. Pldul k=3 tag mozg tlagolsnl 2 adattal rvidl az idsorunk, az
els s az utols megfigyelt idszakhoz nem kapunk trendrtket. A nagyobb tagszm tla-
gols, jobban kiszri a vletlen hatst, de tbb adattal rvidl a trendrtkek sora. Ha az id-

59
A peridus az az idkz ami alatt a ciklus tlagosan ismtldik.
60
Ld. Trendszezon-hibaszmts.xls Excel parancsfjlt.
61
Ld. Logisztikustrendekbecslse.xls Excel parancsfjlt.
37
sorban szezonhats van, a mozg tlag tagszmt gy vlasztjuk meg, hogy tfogjon legalbb
egy, vagy tbb teljes peridust.
Pldul negyedves szezonalts esetn 4, 8, 12, ... tag, havi szezonalts esetn 12, 24, 36, ...
tag tlagokat kell vlasztani. A trendrtkek sora ekkor 4, 8, 12, ... , illetve 12, 24, 36, ...
adattal rvidl. A megfelel tagszm-vlaszts a szezonhats kiszrst clozza.
Ha k pros, akkor az sszeget szolgltat idszak kzepe kt tlagolt rtk kz esik. Ez eset-
ben egy ismtelt k=2-es mozgtlagolst, ms nven centrozst vgznk, gy a ktszeri elto-
lds miatt az y
t
s
t
y rtkek mr egymsnak megfelelhetk.
Az elzek alapjn a mozg tlagols trendszmts lpsei:
1. A peridus alapjn eldntjk, hogy hny tag mozgtlagot szmtunk. (tagszm=k)
2. Kiszmtjuk az els k adat egyszer szmtani tlagt. Ezt az rtket az tlag ltal lefe-
dett idszak kzephez rendeljk. Ez pratlan k esetn a (k+1)/2-dik idszak, pros k
esetn a k/2 s a (k/2)+1-edik idszak kz rendeljk. Ez utbbi esetben ahhoz, hogy
az eredeti idsor idszakaihoz rendelhessnk adatot, szksg van a centrozsra.
3. Ezutn elhagyjuk az els adatot, s helyette a k+1-edik adattal bezrlag szmtjuk ki
a k-tag egyszer szmtani tlagot, s az gy add idszak kzephez rendeljk az t-
lagot.
4. A 3. lpst ismteljk az elemzend idsor utols adatig.

3.1.2.2 Analitikus trendszmts

A lineris s a linerisra visszavezethet trendfggvnyek esetben a legkisebb ngyzetek
mdszert alkalmazzuk, vagyis olyan fggvnyt keresnk, amely esetben a megfigyelt s a
modell ltal szmtott rtkek kztti eltrs ngyzetsszege minimlis.
62

A legjobb kzeltst teht az a fggvny adja, melyiknl a reziduumokbl ( )
i i
y - y szmtott
eltrs-ngyzetsszeg a legkisebb:
n n
2
2
i i i
i=1 i=1
e (y - y ) min =


A feladat megoldst a klasszikus legkisebb ngyeztek mdszernek nevezik.
63


A kvetkezkben bemutatsra kerl lineris s linerisra visszavezethet trend fggvnyt-
pusok logaritmikus transzformcikkal, illetve j vltozk bevezetsvel linearizlhatak, s
klasszikus legkisebb ngyzetek mdszervel a paramtereik becslhetk.
A kvetkezkben nhny vizsglati szempontot sorolunk fel:

I. A lineris s a linerisra visszavezethet trendfggvnyek a fggvnyt ler egyenlet alap-
jn vizsglhatk:
monotonits szempontjbl:
1. nvekvek: pl. lineris, parabolikus, fl-logaritmikus, hatvny alak s para-
bolikus (ha az egytthatk pozitvak), exponencilis, ha
1
>1 b
2. monoton cskkenek: pl. hiperbolikus, parabolikus (ha az egytthatk pl. po-
zitvak, de a legnagyobb fokszm idtnyeznl a paramter negatv), hat-
vny alak ha b
1
<0 s exponencilis, ha 0< b
1
<1
3. vegyes fggvnyek: pl. parabolikus trendek, (az idvltoz, a t egytthati k-
ztt tallhat pozitv s negatv is) ahol a monoton nvekeds monoton csk-
kensbe vagy fordtva a monoton cskkens monoton nvekedsbe megy t.
teltds szempontjbl:
1. teltdsi fggvnyek: pl. fllogaritmikus, hiperbolikus, ahol a fggvny egy
vgs hatrrtk fel tart,
2. teltds nlkli fggvnyek: pl. lineris, parabolikus, hatvny alak, expo-
nencilis, ahol a nvekedsnek vagy a cskkensnek nincsenek korltai.

62
Hunyadi Lszl Vita Lszl [2008] I. 272-273.
63
Statisztika. [2007] Szerk: Pintr Jzsef Rappai Gbor. 164.
38
inflexis pont szempontjbl:
1. a fggvnyek rendelkezhetnek inflexis ponttal: pl. harmadfok parabolikus
2. a fggvnyeknek nincs inflexis pontjuk: pl. lineris, fllogaritmikus, hatvny
alak, exponencilis.

Egy fggvny inflexis pontjn azt rtjk, hogy ebben a pontban az rint tmetszi a grbt.
Az inflexis pont ltezsnek szksges felttele ha a fggvnynek az inflexis pontban a
harmadrend derivltja is ltezik az, hogy a fggvny msodik derivltja ebben a pontban
nulla legyen, az elgsges felttel pedig az, hogy a harmadik derivlt az inflexis pontban ne
legyen egyenl nullval. Termszetesen felttelezzk, hogy a fggvny az inflexis pont kr-
nyezetben hromszor differencilhat. Az inflexis pont ltezsnek szksges s elgsges
felttele az is, ha a msodik derivlt a zrus pontjban eljelet vlt, ami azt mutatja, hogy a
konvex (konkv) vet konkv (konvex) kveti.

a fggvnyek nevezetes pontjait is vizsglhatjuk, pl. melyek a trend kezdeti, (az rtel-
mezsi tartomny t=0 pontjban mekkora az y rtk) s hatrfelttelei, van-e a fgg-
vnynek maximuma (pl. a parabolikus trend, ha a paramterek eljele klnbz) vagy
nincs (a legtbb vizsglt fggvny esetben, pl. lineris, fllogaritmikus, hatvny alak,
exponencilis). Vizsglhat tovbb, ha t , akkor mekkora az y rtk.

II. meghatrozhatjuk az abszolt nvekedsi fggvnyt (
t
), a fggvny t idvltoz szerin-
ti els derivltjt (differencilhnyadost). Ez az rtk a lineris diagramban (y s t), mint n-
vekedsi (az egyenes meredeksge illetve irnytangense) tnyez olvashat le. Ha felttelez-
zk, hogy az abszolt nvekeds (pl. kg/v) azonos marad, akkor lineris trendet hasznlunk.
A fggvnyt kzelt egyenes meredeksgbl, az gy nevezett derivltbl kvetkeztethe-
tnk:
'
'
f (t) 0
f (t) 0
>
<

- a fggvny nvekedsnek irnyra azaz, hogy monoton nvekv (a t idtengely
mindegyik pontjban az els derivlt f(t) nem negatv) vagy monoton cskken, (a t
idtengely mindegyik pontjban az els derivlt f(t) nem pozitv):
- a nvekeds mrtkre (gyorsan vltozik-e a fggvny vagy lassan). A differencia h-
nyados az idsorok trend vizsglatnl a kvetkez kplettel kzelthet, felhasznlva
az analzisben tanult sszefggst:
t t t-1 t t -1
t 0 t 0
dy y y(t +t) - y(t)
= = lim = lim (y - y )/(t -[t -1]) = (y - y )

dt t t

~
- esetleges szlsrtkre (van-e abban a pontban a fggvnynek maximuma vagy mi-
nimuma), az albbi sszefggs szerint, ahol a msodik derivlt t szerint f(t):
'
max
"
max
'
min
"
min
f (t ) = 0
f (t ) < 0
f (t ) = 0
f (t ) > 0

III. meghatrozhatjuk tovbb az n. relatv nvekedsi fggvnyt (
t
), ms nven relatv
derivlt fggvnyt, a derivlt fggvny (
t
) s a trendfggvny ( y) hnyadost. Ha felttelez-
zk, hogy a relatv nvekeds, a nvekeds tlagos teme azonos marad, akkor exponencilis
trendet hasznlunk. Ez a forma logaritmikus levezets, ami a fllogaritmikus diagramban
(ln y s t) mint nvekedsi tnyez olvashat le.
( )
t
d lny dy dy
= /y = =
y
t dt dt d
| |
|
\ .

39
A
t
hnyados a t idpontbeli nvekeds relatv nagysgt mutatja.
Ha felttelezzk, hogy a relatv nvekeds azonos marad
64
, vagyis a relatv nvekeds az id-
tl fggetlen lland, akkor az albbi sszefggst kapjuk:
|
t 1
= lnb = konstans
0 1 t
lny = lnb + tlnb
t
t 0 1
y = b b
Ha
1
c = lnb akkor:
0 t
ct
t 0
lny = lnb + tc
y = b e

gy egy exponencilis (log-lin
65
) fggvnyt kapunk. A relatv nvekedsi fggvny a kiv-
lasztott mrtkegysgtl mr nem fgg.

IV. kiszmthatjuk a fggvny elaszticitst (rugalmassgt,
t
)
66
Ezek az rtkek a teljes
logaritmikus diagramban (lny s lnt) mint nvekedsi tnyez olvashat le. Ha felttelezzk,
hogy a fggvny rugalmassga lland marad, akkor hatvnykitevs trendet hasznlunk. A
fggvny elasz Meghatrozhat a relatv nvekedsi fggvny s az id vltoz szorzataknt
is.ticitsa (rugalmassga) dimenziktl mentes rtk, amelynek nagysga nem fgg a mrtk-
egysgek megvlasztstl, ezrt a klnbz folyamatok sszehasonltsra szolglhat.
Meghatrozhat a relatv nvekedsi fggvny s az id vltoz szorzataknt is.
( )
t
t t
d lny dy/y dy y
= = /
dt/t dt t d(lnt)
dy
t = t
y
dt
c =
c =

Ha felttelezzk, hogy a fggvny elaszticitsa azonos marad, akkor az albbi sszefggst
kapjuk:
t

1
= b = konstans
t 0 1
ln y ln b b ln t = +
1
b
t 0
y = b t
gy egy hatvny alak (log-log) fggvnyt kapunk.


Lineris (lin - lin
67
) trendszmts
68 69 70


Az idsorban a vltozs tendencija egyenes vonallal jl lerhat, ha a szomszdos idszakok
kztti abszolt vltozs (nvekeds vagy cskkens) viszonylag lland az idben.
1. A fggvnyt ler formula:
t 0 1
y = b + b t
Ahol:
1
b 0 = mert ha
1
b =0 akkor a trendfggvny konstans:
0
b .

Regresszis modellnl
71
(pl. Excel) a

64
Knut Sydsaeter - Peter I. Hammond [2006]: 252.
65
Ramanathan, Ramu [2003] 519-520.
66
Meghatrozhat a relatv nvekedsi fggvny s az id vltoz szorzataknt is.
67
A lin-lin: y
t
lin=lineris, a t=lin=lineris ld.: Ramanathan Ramu [2003]: 519-521.
68
Az
t
,
t
,
t
becslsre a lineris s linerisra visszavezethet trendek mindegyikre Excel parancs-
fjlokat dolgoztunk ki, ld. Trendtpus(neve=lineris, fllogaritmikus stb.)ciklus.xls fjlokat, Lehet vl-
toztatni a mozg tlag tagszmt is.
69
Kerkgyrt Gyrgyn Mundrucz Gyrgy [1995]: 460-463.
70
Hunyadi Lszl Vita Lszl [2002]: 518-519.
71
A regresszis modelleket a 4. fejezetben trgyaljuk.
40
Bemeneti Y tartomny:
t
y
Bemeneti X tartomny: t (pl. t = 1, 2, 3, N
72
)
73


A b
0
s b
1
a lineris trendfggvny ismeretlen paramterei. A b
1
becslt paramter megmutat-
ja azt, hogy a vizsglt idszakban a vizsglt jelensg idegysgenknt (pl. a megfigyelsek-
nek megfelelen: venknt, hnaponknt stb.) tlagosan hny egysgnyivel vltozott. A line-
ris trend t szerinti derivltja ugyanis b
1
. A nvekeds (
1
ha b 0 > ) illetve cskkens (
1
ha b 0 < )
tlagos abszolt rtke illetve irnytangense idegysgre vettve teht lland. A b
1
paramter
jelentse megegyezik a D (tlagos abszolt vltozs) mrszm jelentsvel. A kt mutat
abban klnbzik egymstl, hogy a b
1
meghatrozsnl, a legkisebb ngyzetek mdszer-
nek felhasznlsval, a megfigyelt adatokhoz legjobban illeszked egyenest vlasztjuk ki. A
d mutat esetben viszont az egyenes meredeksgt (irnytangenst) az els s az utols adat
alapjn hatrozzuk meg. Az idszakonknti vltozsok tlagra ezrt a b
1
megbzhatbb becs-
lst ad, mint a D mutat. A b
0
becslt paramter a tengelymetszet s ezt az rtket akkor ve-
szi fel a trend, ha t=0.
Ha t = 0 akkor:
t =0 0
y = b
Azt felttelezzk, hogy a mltbeli folyamatok folytatdnak a jvben. A lineris trend az ext-
rapolcinl llandnak veszi az tlagos abszolt nvekmnyt, ami hosszabb tvon ritkn tel-
jesl felttel, mivel a lineris trendfggvny a vgtelenbe tart, ha az id is a vgtelenbe tart.
Ha: t + s
1
ha b 0 >
(t )
t
y + +
Ha: t + s
1
ha b 0 <
(t )
t
y +
2. Az abszolt nvekedsi fggvny:
t 1
dy
= = b
dt
o
3. Az relatv nvekedsi fggvny (
t
):
1
t
0 1
b dy
= /y =
dt b +b t
| |
|
\ .

4. A fggvny elaszticitsa (rugalmassga)
1 1
t
0
0 1
1
b t b dy/y
= =

b
t/dt b + b t
b
t
=
+

t
y
t
0
b t 0 1
y = b + b t
1
b >0
1
b <0

3-1. bra: A lineris trend

72
A t idvltoz egymstl egyenl tvolsgra lv rtkek sorozata.
73
A gyakorlati szmtsokban t=1, 2, n
41

Fllogaritmikus (szemi-logaritmikus, fllogaritmusos, lin-log) trend

Elfordul a gyakorlatban, klnsen a hosszabb tv extrapolcinl olyan sszefggs,
amelyben a megfigyelt idsor (y
t
) termszetes rtke s az idvltoz (t) logaritmusa kztt
irhat fel egy lineris modell. A fllogaritmikus trend az extrapolcinl sok esetben jobb
eredmnyt ad, mint a lineris trend, mert nem tekinti az tlagos abszolt nvekmnyt llan-
dnak, hanem felttelezi, hogy a nvekmny nagysga az idben elrehaladva cskken.
1. A fggvnyt ler formula:
t 0 1
y = b + b lnt
Ahol:
1
b 0 = mert ha
1
b =0 akkor a trendfggvny konstans
0
b .

Regresszis modellnl (pl. EXCEL) a
Bemeneti Y tartomny:
t
y
Bemeneti X tartomny: lnt (pl. t = 1, 2, 3, N)
A nvekeds (
1
ha b 0 > ) illetve cskkens (
1
ha b 0 < ) tlagos abszolt rtke idegysgre ve-
ttve cskken, ugyanis, pl.: ln1 = 0, ln2 = 0,693, ln3 = 1,098,..ln10 =2,302,.ln100
=4,605,..ln1000= 6,907.
Ha
t=1
akkor:
t =1 0
y = b

2. Az abszolt nvekedsi fggvny:
1
t
b dy
= =

dt t

3. A relatv nvekedsi fggvny (
t
):
1
1
t
0 1 0 1
b
b dy dy
t
= ( )/y = =
dt ydt b + b lnt t(b + b lnt)
=
4. A fggvny elaszticitsa (rugalmassga):
1 1
t
0 1 0 1
b b dy y t
= / =

dt t t (b + b lnt) b + b lnt
=
t
y
t
0
b
t 0 1
y = b +b lnt
1
b >0
1
b <0

3-2. bra: A fllogaritmikus trend

Msodfok polinomilis (msodfok parabolikus, kvadratikus) trend

Sok esetben hasznlhatjuk elemzsre s elrejelzsre a polinomilis trendet, amely ltalban
felttelezi, hogy a nemlineris folyamatok alakulsban fordulpont van, pl. az idsorban
42
tendenciavlts tapasztalhat, vagyis az idsor nvekedsbl, hullmhegybl cskkensbe,
hullmvlgybe vagy fordtva - megy t, akr ismtlden is. rtelemszer, hogy a fokszm
nvelse egyre jobb illesztst ad, de megllapthat, hogy a 3 fokszmnl magasabb fokszm
alkalmazsa mr igen nehezen indokolhat. A trendszmtsnl az elfogadott gyakorlat sze-
rint a polinom fokszma 2 vagy 3 lehet. A polinom fokszmnak nvekedsvel ugyan n az
illeszts pontossga, de egyre inkbb elvesztjk a valdi tarts irnyzatot s a polinom k-
veti a szezonlis, a ciklikus s a vletlen komponenseket is. A msodfok polinomilis trend
azt felttelezi, hogy az idsorban maximum egy fordulpont (egy hullmhegy s egy hullm-
vlgy) van.
1. A fggvnyt ler formula:
2
t 0 1 2
y = b + b t + b t
Ahol:
2
b 0 = mert ha
2
b =0 akkor a trend lineris.
Ha
2
b =0 s
1
b =0 akkor pedig a trendfggvny konstans
0
b .
Regresszis modellnl ( EXCEL) a
Bemeneti Y tartomny:
t
y
Bemeneti X tartomny:
2
t t (pl. t = 1, 2, 3, N)
Legyen:
0 1 2
b 0, b > 0, b 0 > <
2
t 0 1 2
y = b + b t + b t teht a fggvny fordtott U ( ) alak.
Akkor a fggvny maximuma:
1 2
1
max
2
dy
= b - 2b t = 0
dt
b
t =
2b

A t
max
helyen a msodik derivlt t szerint negatv (-2b
2
), teht a fggvnynek maximuma van.
t
y
t
2
t 0 1 2
y = b +b t +b t
0 1 2
b 0, b > 0, b 0 > <
1
2
b
2b
max
t
0
b

3-3. bra: A msodfok polinomilis trend

Legyen:
0 1 2
b 0, b 0, b 0 > < >
2
t 0 1 2
y = b + b t + b t teht a fggvny alak.
Akkor a fggvny minimuma:
1 2
1
min
2
dy
= -b + 2b t = 0
dt
b
t =
2b

A t
min
helyen a msodik derivlt t szerint pozitv (2b
2
), teht a fggvnynek minimuma van.

2. Az abszolt nvekedsi fggvny:
43
t 1 2
dy
= = b + 2b t

dt

3. A relatv nvekedsi fggvny (
t
):
1 2
t 2
0 1 2
b + 2b t dy
= /y =
dt b + b t + b t

4. A fggvny elaszticitsa (rugalmassga):
2
1 2 1 2
t
2 2
0 1 2 0 1 2
(b + 2b t)t b t + 2b t dy y
= / =

dt t b + b t + b t b +b t + b t
=

Harmadfok polinomilis (harmadfok parabolikus) trend

A harmadfok polinomilis trend azt felttelezi, hogy az idsorban maximum egy vagy kt
fordulpont (egy vagy kt hullmhegy s egy vagy kt hullmvlgy) van.
1. A fggvnyt ler formula:
2 3
t 0 1 2 3
y = b + b t + b t b t +
Ahol:
3 2
b 0, b 0 = = mert ha
3 2
b =0, b =0 akkor a trend lineris. rtelemszeren
1
b 0 = .

Regresszis modellnl (pl. EXCEL) a
Bemeneti Y tartomny:
t
y
Bemeneti X tartomny:
2 3
t t t (pl. t = 1, 2, 3, n)
Legyen:
0 1 2 3
b 0, b 0, b 0, b 0 > > > <
Akkor:

2 3
t 0 1 2 3
y = b + b t + b t +b t

t
y
t
0
b
2 3
t 0 1 2 3
y = b +b t +b t b t +

0 1 3 2
b > 0, b > 0, b > 0, b < 0

3-4. bra: A harmadfok polinomilis trend

2. Az abszolt nvekedsi fggvny:
2
t 1 2 3
dy
= = b + 2b t +3b t

dt

3. A relatv nvekedsi fggvny (
t
):
2
1 2 3
t 2 3
0 1 2 3
b + 2b t +3b t dy
= /y =
dt b + b t + b t + b t
| |
|
\ .

4. A fggvny elaszticitsa (rugalmassga):
2 2 3
1 2 3 1 2 3
t
2 3 2 3
0 1 2 3 0 1 2 3
t(b + 2b t +3b t ) b t + 2b t +3b t dy y dy t
= / =

dt t dt y b +b t +b t + b t b + b t + b t + b t
= =
44

Hatvny alak (log - log) trend

1. A fggvnyt ler formula:
1
b
t 0
t 0 1
y = b t
ln y ln b b ln t = +

Regresszis modellnl (pl. EXCEL) a
Bemeneti Y tartomny:
t
lny
Bemeneti X tartomny: lnt (pl. t = 1, 2, 3, n)
A hatvnyalak trend brjn lthat, hogy a lert tendencia a b
1
nagysgtl fgg.
A b
1
lehet:
1
1
1
1
b 1
0 < b 1
b 1
b 0
>
<
=
<

1
0
t
b 0 akkor:
y = b
=

Ha: t + s
1
ha b 0 >
(t )
t
y + +
Ha: t + s
1
ha b 0 <
(t )
t
y 0 +
t
y
t
1
b
t 0
y = b t
1
b <0
1
b >1
1
b =1
1
0<b <1
1
0
b

3-5. bra: A hatvny alak trend

2. Az abszolt nvekedsi fggvny:
1
b -1
t 0 1
dy
= = b b t

dt

3. A relatv nvekedsi fggvny (
t
):
1
1
b -1
0 1 1
t b
0
b b t b dy
= /y =
dt b t t
| |
=
|
\ .

4. A fggvny elaszticitsa (rugalmassga) konstans:
1
1
b -1
0 1
t 1 b
0
t(b b t ) dy y
= / = b
dt t b t
c =
Exponencilis (log - lin) trend

45
Az exponencilis trendnl a relatv vltozsok (a lncviszonyszmok) mutatnak viszonylagos
llandsgot (stabilitst). ltalban a kzp s hossz tv gazdasgi s trsadalmi folyama-
tok jellemzsnek alapmodellje. Akkor alkalmazzuk, ha felttelezhet, hogy egysgnyi id-
vltozs hatsra a folyamat vltozsa relatve lland, azaz a vizsglt idszakban a megfi-
gyelsek az elz rtkhez kpest rendre megkzelten azonos szzalkos nvekedst vagy
cskkenst mutatnak.

1. A fggvnyt ler formula:
t
t 0 1
t 0 1
y = b b
lny = lnb + tlnb

A fggvny helyettestsi rtke a t=0 helyen (y
0
):
t 0 0
y b
=
=
Regresszis modellnl (pl. EXCEL) a
Bemeneti Y tartomny:
t
lny
Bemeneti X tartomny: t (pl. t = 1, 2, 3, n)
A szomszdos rtkek hnyadosa, teht a nvekeds tlagos teme lland.
t
t 0 1
1 t 1
t 1 0 1
y b b
b
y b b

= =

t
y
t
0
b
t
t 0 1
y = b b
1
0<b <1
1
b =1
1
b >1

3-6. bra: Az exponencilis trend

A duplzds/felezsi id szmtsa

Az extrapolcinl figyelembe kell vennnk, hogy nem biztos az, hogy a mltat jl ler
trend a jvben is igaznak bizonyul. Pl. a fejlds hosszabb tvon [50-200 v] nem rhat le
lineris vagy exponencilis trenddel, mivel rvnyeslnek az vszzados trendek s hossz
ciklusok. Rvidebb tvon [7-30 v], ha a fejlds exponencilis, meghatrozhat a duplz-
dsi id
74
:
t
t 0
y b (1 p) = +
Ahol:
b
0
=a bzisrtk,
p = az ves nvekedsi/cskkensi tem,
b
1
=1+p,
gy a duplzdsi id (t) a

( )
t
0 0
2b = b 1+ p


74
Korn Imre [1978]: 22-23.
46
formulbl becslhet, ha p>0 illetve b
1
>1, akkor a duplzdsi id:
ln(2) = tln(1+ p)
t = ln(2)/ln[1+ p].

A felezsi id ha -1<p<0 illetve 0<b
1
<1
( )
t
0 0
0, 5b = b 1+p
t = ln(0, 5)/ln(1+p)
Plda
75
:
ha p=0,05 akkor b
1
=1,05 a duplzdsi id: t=14,2
ha p=0,1 akkor b
1
=1,10 a duplzdsi id: t=7,27
Az ves nvekedsi tem ktszeresre ntt, aminek eredmnyekppen a duplzdsi id k-
zel felre cskkent.
Plda:
ha p=-0,05 akkor b
1
=0,95 a felezsi id: t=13,51
ha p=-0.1 akkor b
1
=0,90 a felezsi id: t=6,57
Az ves nvekedsi tem ktszeresre cskkent, aminek eredmnyekppen a felezsi id k-
zel felre cskkent.

2. Az abszolt nvekedsi fggvny:
t
t 0 1 1
dy
= = b ln(b )b

dt

3. A relatv nvekedsi fggvny (
t
):
t
0 1 1
1 t t
0 1
b ln(b )b dy
= /y = ln(b )
dt b b
| |
=
|
\ .

4. A fggvny elaszticitsa (rugalmassga):
t
0 1 1
t 1 t
0 1
tb ln(b )b dy y
= / = = ln(b )t
dt t b b
c

Hiperbolikus trend

Gyakran elfordul, hogy az idsor aszimptotikusan kzelt egy adott rtket. Ekkor trend-
fggvnyknt valamelyik bemutatsra kerl hiperbolikus fggvny alkalmazhat. Az n-
kltsget, az rak alakulst jellemz folyamatok gyakran modellezhetk e mdon.

1. A fggvnyt ler formula:
1
t 0 1 0 1
1
y = b +b b +b t
t

=
Regresszis modellnl (pl. EXCEL) a
Bemeneti Y tartomny:
t
y
Bemeneti X tartomny: 1/t (pl. t = 1, 2, 3, n)
t =1 0 1
Ha t =1 akkor y = b +b
t 0
Ha t akkor y b

75
A trendszezonteszt.xls parancsfjl felhasznlsval.
47
t
y
t
0
b
t 0 1
1
y = b +b
t
1
b >0
1
b <0

3-7. bra: A hiperbolikus trend

2. Az abszolt nvekedsi fggvny:
-2
1
t 1
2
-b dy
= = -b t =
dt t
o

3. A relatv nvekedsi fggvny (
t
):
( )
1 1 1
0 1 t 2 2 2
0 1 0 1
-b -b t -b dy 1
= /y = / b +b
dt t t t b t b b t b t
| | | | | |
= =
| | |
+ +
\ . \ . \ .

4. A fggvny elaszticitsa (rugalmassga):
1 1
t 2
0 1 0 1
-b -b dy y
= / = t =
dt t b t b t b t +b
c
+


Elsfok hiperbolikus trend

1. A fggvnyt ler formula, a lineris trend reciproka:
1
t 0 1
0 1
0 1
t
1
y = (b +b t)
b +b t
1
= b +b t
y

=

t =0
0
1
Ha t = 0 akkor y =
b

t =1
0 1
1
Ha t =1 akkor y =
b +b

t
Ha t akkor y 0

Regresszis modellnl (pl. EXCEL) a
Bemeneti Y tartomny:
t
1/y
Bemeneti X tartomny: t (pl. t = 1, 2, 3, n)
48
t
y
t
t
0 1
1
y =
b + b t
0
1
b

3-8. bra: Az elsfok hiperbolikus trend

2. Az abszolt nvekedsi fggvny:
2 1
t 1 0 1 2
0 1
-b dy
= = -b (b +b t)
dt (b +b t)

o =
3. A relatv nvekedsi fggvny (
t
):
1 1
t 2
0 1 0 1 0 1
-b -b dy 1
= ( )/y = ( )/( ) =
dt (b +b t) b +b t (b +b t)

4. A fggvny elaszticitsa (rugalmassga):
1 1
t
0 1 0 1
-b t -b dy y
= / =
dt t (b +b t) (b /t +b )
c =

Msodfok hiperbolikus trend

1. A fggvnyt ler formula, a msodfok parabolikus trend reciproka:
2 -1
t 0 1 2 2
0 1 2
2
0 1 2
t
1
y = = (b +b t +b t )
b +b t +b t
1
= b +b t +b t
y

t =0
0
1
Ha t = 0 akkor y =
b

t =1
0 1 2
1
Ha t =1 akkor y =
b +b b +


t
Ha t akkor y 0

Regresszis modellnl (pl. EXCEL) a
Bemeneti Y tartomny:
t
1/y
Bemeneti X tartomny:
2

t t
(pl. t = 1, 2, 3, n)
49
t
y
t
0
1
b
t 2
0 1 2
1
y =
b + b t + b t
0 1 2
b >0, b >0, b >0

3-9. bra: A msodfok hiperbolikus trend

2. Az abszolt nvekedsi fggvny:
2 -2 1 2
t 1 2 0 1 2 2 2
0 1 2
-(b +2b t) dy
= = -(b +2b t)(b +b t +b t ) =
dt (b +b t +b t )
o
3. A relatv nvekedsi fggvny (
t
):
1 2 1 2
t 2 2 2 2
0 1 2 0 1 2 0 1 2
-(b + 2b t) -(b + 2b t) dy 1
= /y = ( )/( ) =
dt (b + b t + b t ) b + b t + b t (b + b t + b t )
| |
|
\ .

4. A fggvny elaszticitsa (rugalmassga):
2
1 2 1 2
t 2 2 2
0 1 2 0 1 2
-(b +2b t) -(b t +2b t ) dy y
= / = t( ) =
dt t (b +b t +b t ) (b +b t +b t )
c

3.1.3 A szablyos rvid tv (szezonlis) ingadozs

Ha a szezonlis hullmmozgs kitrsei, amplitdi abszolt rtelemben vagy relatv (a
trendhez viszonytva) rtelemben llandsgot mutatnak, akkor lland szezonalitsrl besz-
lnk.
Ha a peridus (i) hossza az v, ezen bell a szezontnyez (j) hossza lehet pl. 4 negyedv, 12
hnap, 52 ht, 365 nap, 230-252 munkanap, 250-252 tzsdenap.
Ha a peridus (i) hossza a hnap ezen bell a szezontnyez (j) hossza lehet 4 ht, 28-31 nap.
Ha a peridus (i) hossza a ht ezen bell a szezontnyez (j) hossza lehet 7 nap, 5 munkanap.
Ha a peridus (i) hossza a nap ezen bell a szezontnyez (j) hossza lehet 24 ra.

Az additv modell esetn teht azt tapasztaljuk, hogy a klnbz peridusok azonos szezon-
jban, a trendtl mrt eltrsek nagysga megkzeltleg ugyanakkora. Mivel a szezonlis
hullmzst az alapirnyzathoz kpest jelentkez szisztematikus pozitv s negatv eltrsek-
knt definiltuk, elvrhat kvetelmny, hogy egy teljes periduson bell kiegyenltsk egy-
mst. Ezrt additv modell esetn a szezonlis eltrsekre vonatkoz kvetelmny gy rhat
fel, hogy
m
*
j
j 1
s 0
=
=

.
A vletlen komponensre hasonl kvetelmny rhat fel, eszerint
N n m
* *
t ij
t 1 i 1 j 1
v v 0
= = =
= =


vagyis megkveteljk, hogy a vletlen tag ne eredmnyezzen szisztematikus eltrst az
alapirnyzathoz kpest.

50
A multiplikatv modell logikjnak megfelelen, a szezonindexekre vonatkoz kvetelmny
gy rhat fel, hogy:
m
j
j 1
s
1
m
=
=

A vletlen komponensre hasonl kvetelmny rhat fel, eszerint
N n m
t ij
t 1 i 1 j 1
v v 1
= = =
= =


sszefoglalan megllapthat, hogy a szezonalits eltrt hatsa a megfelel szezonoknl
additv modellben abszolt llandsgot, multiplikatv modellben a trendhez mrt relatv l-
landsgot mutat.

A szezontnyez meghatrozsa kt lpsben trtnik:
a trendhats levlasztsval, s
a vletlen hats kiszrsvel

A szezonlis hats szmszerstst multiplikatv s additv modell esetn egytt mutatjuk be
s most eltekintnk a konjunktra ciklusok modellezstl. Kiindulva a modellekbl

ij ij j ij
y =y s v
* *

* *
ij ij j ij
y =y +s +v

elszr a mr elzetesen szmszerstett trendhatst szrjk ki a megfigyelt idsorunkbl. Ez
a kt alap-modellnek megfelelen az albbiak szerint trtnik:
1. A megfigyelt s trend-rtkek hnyadosai, illetve klnbsgei, felttelezseink szerint
mr csak a szezon- s vletlen hatst tartalmazzk.
2. A msodik lpsben a vletlen hats kiszrst kvnjuk elvgezni, az elbbiekben
nyert hnyadosok, illetve klnbsgek, azonos szezonra es rtkeinek tlagolsval.
A kt alap-modellbl gy a szezonok szmnak megfelelen m szm nyers szezoninde-
xekhez az Excel parancsfjlban a jele: Index, illetve nyers szezonlis eltrsekhez a jele Elt-
rs jutunk.

n
ij
j
i=1 ij
y
1
s =
n y

( )
m
*
j ij ij
i=1
1
s = y -y
n

A szezonkomponensekre megfogalmazott kvetelmnyteljeslst vizsglni kell mindkt
modell esetn. Ha a kvetelmny nem teljesl, a nyers szezon-tnyezket korriglni kell.
Korrekcis tnyez a kt modellben:
m
j
j=1
s
s=
m

m
j
j=1 *
s
s =
m

*

ami nem ms, mint az m szm nyers szezonindex, illetve -eltrs egyszer szmtani tlaga.
A tiszttott szezonindexeket (A jele: Korr. Index) gy nyerjk, hogy a nyers szezonindexeket
a korrekcis tnyezjkkel rendre elosztjuk. Hasonlan nyerjk a tiszttott szezonlis eltr-
seket (A jele: Korr. Elt.), a nyers szezonlis eltrsekbl rendre levonva korrekcis tnyez-
jket. Az alap-modellekbl szmszerstett szezonkomponens rtelmezse: brmely peridus
j-edik szezonjban a szezonalits a trendhez kpest mdostja az idsori rtkeket. A mdos-
ts a multiplikatv modellben
j
s -szeres nvelst, illetve cskkentst jelent; a szezonindexeket
szzalkban kifejezve, a 100% feletti rsz a szzalkos nvelst, a 100%-nl kisebb szezon-
indexek esetn a 100%-ra kiegszt rtk a szzalkban kifejezett cskkens mrtkt adja
meg. A mdosts additv modellben az
*
j
s -nek megfelel mrtk nvelst, vagy cskken-
51
tst jelenti az idsor rtkeinek, az
*
j
s eljeltl fggen, az idsor adatainak nagysgrendj-
ben s mrtkegysgben.
3.1.4 A ciklikus (periodikus) mozgs modellezse.*

A ciklikus (periodikus) mozgs smjt az albbi bra mutatja. Ez az bra a konjunktracik-
lus elmleti alapjt, a harmonikus rezgmozgst mutatja be, s a fizikbl ismert harmonikus
rezgs modelljre pl, melyben az
1. szakasz a pangs,
2. szakasz a meglnkls,
3. szakasz a fellendls,
4. szakasz pedig a vlsg idszaka.
Ha csak egy fellendl s egy visszaes fzist klnbztetnek meg, gyakran a kvetkez ter-
minolgit hasznljk: felszll g s leszll g, alacsonyabb fordulpont vagy hullmvlgy
(mlypont), fellendls vagy nvekeds, magasabb fordulpont (cscs), s visszaess vagy
cskkens. A gyakorlati tapasztalatok szerint a ciklusok peridusa s amplitdja vltozik.

1 2
3
4
mlypont
cscspont
A
A
T
y

3-10. bra: A ciklikus (periodikus) mozgs smja

A hullmhossz egy teljes hullmnak a hossza, pl. a cscsponttl a cscspontig, vagy a mly-
ponttl a mlypontig:
vT
f
v
= =
Ez a megkzelts teht a Newton-fle akci egyenl reakci, illetve hats egyenl ellen-
hats elvbl indul ki, vagyis azt felttelezi, hogy a gazdasgi letben ppen gy, mint a fi-
zika hullmjelensgeiben az egyenslyi helyzetbl val kilengst az abba val visszatrs
jelensge kveti, majdnem mechanikus mdon. Ez a fizikai modell termszetesen elmleti, s
gy egy idelis megvalsulst r le, a gyakorlatban a ciklus kpe eltr a fenti szablyos mint-
tl.
Ahol:
y = kitrs, az egyenslyi helyzettl mrt tvolsg,
A = amplitd, a nyugalmi helyzettl mrt legnagyobb kitrs (mlypont, illetve
cscspont),
T = peridus (rezgsid),
= krfrekvencia, a frekvencia 2t-szerese,
f = frekvencia (gyakorisg), a rezgsek szmnak s idtartamnak hnyadosa, amely
megadja az egysgnyi id alatt trtnt rezgsek szmt:
2

T
1
f = =
A nemzetkzi szakirodalom a kvetkez t konjunktra-ciklust felttelezi s klnbzteti
meg:
76


1. a 35 ves leltr (kszlet) vagy Kitchin-ciklus;

76
Orszgonknt, vizsglt mutatnknt s idszakonknt jelentsek a klnbsgek a peridusok alaku-
lsban.
52
2. a 711 ves lland befektetsi (gpi beruhzsi) vagy Juglar-ciklus;
3. a 1525 ves ptsi vagy Kuznets-ciklus;
4. a 4560 ves hossz vagy Kondratyev-ciklus;
5. a 100 vnl hosszabb vszzados vagy szekulris trendek

A ciklusok peridusa teht duplzdhat, pl. egy Kondratyev ciklus [57 v] tartalmazhat 6
Juglart [9,5 v] s egy Juglar tartalmaz 3 Kitchint [3,16 v]. Ha pldul a Kondratyev ciklus
hosszt [peridust] tlagosan 54 vnek vesszk, s a Kuznets ciklust 18 vesnek lltjuk, a
Juglar ciklust 9 vesnek, a Kitchin ciklust 4,5 vesnek vesszk, akkor a kapcsolat teljesen
tiszta:
1 Kondratyev ciklus = 3 Kuznets ciklus = 6 Juglar =12 Kitchin.
Egyszer technikai eljrsokkal a ciklusokat rszmozgsokra oszthatjuk, egyiket-msikat ki-
szrhetjk a vizsglni kvnt mozgs kimutatsa rdekben. A trend a ciklus kikszbls-
vel felfedhet (pldul mozgtlagolssal, grafikus becslssel, vagy a szoksos legkisebb
ngyzetek mdszernek alkalmazsval). Kondratyev vizsglati mdszernek az a lnyege,
hogy az rakat egyszer statisztikai indexszel brzolja, egyes pnzgyi (kamatrta, brek),
vegyes jelleg (klkereskedelmi forgalom), illetve tisztn naturlis sorok esetben a trendtl
val eltrs szmtsi mdszert alkalmazza. Az utbbiaknl (klkereskedelem s termels,
valamint fogyaszts) mindig egy fre jut adatokat hasznl, s a legkisebb ngyzetek mdsze-
rvel szmtott trendtl val eltrseket vizsglja gy, hogy 9 ves mozgtlagolssal meg-
prblja kiszrni a rvidebb ciklus mozgsokat. Ennek a megkzeltsnek az a lnyege,
hogy ne az egyedi, hanem a hossztvon rvnyesl sszetett hatsokat ragadjuk meg, s
ezltal tudjunk a mltban rvnyeslt, s rszben a jvre is vrhat tendencik segtsgvel
hozztenni valamit a rvid tv szakmai elemzsekhez. A trtnelem folyamn a modernkori
Eurpban a Kondratyev - ciklusok a kvetkezk szerint alakultak
77

78
:

1790[1810]1850 1. Kondratyev-ciklus, peridusa 60 v,
1850[1875]1896 2. Kondratyev-ciklus, peridusa 46 v,
1896[1930]1945 3. Kondratyev-ciklus, peridusa 49 v,
1945[1970]2000 4. Kondratyev-ciklus, peridusa 55 v.

Az vszzados trendek alakulsa ugyanakkor a kvetkez volt:

1250[1350]1510 1. szekulris trend, peridusa 260 v,
1510[1650]1740 2. szekulris trend, peridusa 230 v,
1740[1817]1896 3. szekulris trend, peridusa 156 v,
1896[1973] ? 4. szekulris trend, peridusa ? v.

Lthattuk, hogy a ciklusok idtartama (peridusa) duplzdik. Ugyanakkor a klnbz id-
tartam ciklusok egyidejek, keverednek, mozgsukkal cskkentik, vagy nvelik az egsz
hullmzs amplitdjt. Ha pldul az vszzados trend felszll ga tallkozik a Kondratyev
ciklus leszll gval, akkor ez a vlsgot mrskli, ellenkez esetben ersti. Itt is rvnyesl
a fizikbl ismert interferencia jelensge, illetve trvnye. Egyszer technikai eljrsokkal a
ciklusokat rszmozgsokra oszthatjuk, egyiket-msikat kiszrhetjk a vizsglni kvnt moz-
gs kimutatsa rdekben.

A hossz ciklus kimutatsa:
Az idsor elemei a hossz ciklus vizsglatnl a kvetkezk lehetnek:

1. vszzados trend
2. 3-9-27 ves Kitchin-, Juglar-, s a Kuznets- ciklusok
3. Kondratyev ciklus

77
A felszll g kezdete [cscspont] a leszll g vge s a kvetkez felszll g kezdete.
78
Ld. pl. Braudel F. [1972], Braudel F. [2004].
53
4. Vletlen hats

Az idsor hossza legalbb 100 v, ebben az esetben egy vszzados trend s kt hossz-ciklus
mutathat ki. A hossz ciklusok vizsglatnl elszr az eredeti idsor 9 vagy 27 tag moz-
gtlagt vesszk. A 9 tag mozgtlagolssal a 3 ves peridus Kitchin- s a 9 ves peri-
dus Juglar-, illetve 27 tag mozgtlagolsnl a Kuznets-ciklust is kikszbljk. A rvi-
debb ciklusok termszetesen az elzekben ismertettek szerint klnbz peridusak le-
hetnek, pl. 4-8-16 vesek, ebben az esetben 16 tag
79
mozgtlagolssal kszblhet ki a
Kitchin, a Juglar s a Kuznets-ciklus. A mozgtlagolssal a vletlen hatst is kiszrjk. A
mozgtlagols csak akkor kszbli ki a periodikus hullmzst, ha a mozgtlag tagszma a
peridus hosszval vagy egszszm tbbszrsvel egyenl. Ha nagyobb tagszmot vlasz-
tunk, akkor a hullmzs ellenttes lesz a ciklussal, ha kisebb tagszmot vlasztunk, mint a
ciklus peridusa, akkor csak tomptjuk a hullmzst. A grafikus brt ezrt alaposan kell ele-
mezni, hogy a megfelel mozgtlag tagszmot kivlasszuk. Ezt kveti a trend kikszbl-
se. Additv kapcsolat esetn a trendet az eredeti idsorbl kivonjuk, multiplikatv kapcsolat
esetn az eredeti idsort a trenddel osztjuk. Eljrhatunk gy is, hogy elszr a trendet ksz-
bljk ki, s ezt kveti a mozgtlagols. A kt eljrs [sorrend], azonos eredmnyre vezet.
Feltteleztk, hogy a rendelkezsre ll empirikus idsorban (
i
y
i 1, 2...N = ves adatokkal
dolgozunk, gy nincs szezonlis hats az idsorban) a kvetkez tnyezk klnbztethetk
meg:
1.
i
y

= az vszzados trendrtk
2.
*
l
c

= a becslt (*) konjunktra ciklus
3.
*
m
k = a Kondratyev fle hossz ciklus
4.
*
ij
v

= a becslt (*) vletlen hats.
Ahol:
i = 1, 2,.... ,N = az vek szma, legalbb 100 v
m = 1, 2,... .,p = a Kondratyev fle hossz ciklus peridusa (pl. 45-50 v)
l = 1, 2, ,o = a rvidebb konjunktra ciklusok peridusa (3-27 v)
A * index additv kapcsolatot jelez, ha nincs * index, akkor a kapcsolat multiplikatv.

A kapcsolds mdja lehet additv:
*
m
k
* *
i i l ij
y y c v = + + +
Ebbl a hossz peridus ciklus:
*
m
k
* *
i i l ij
y ( y c v ) = + +

A kapcsolds mdja lehet multiplikatv:
m
k
* i i l ij
y y c v
* *
=
Ebbl a hossz peridus ciklus:
m
k
*
=
i i l ij
y /( y c v )
*


A rvid (Kitchin) ciklus kimutatsa:
Az idsor elemei a rvid ciklus vizsglatnl a kvetkezk lehetnek:

1. Trend, ami lehet valamely hossz ciklus fel, vagy leszll ga
2. 3-5 ves Kitchin ciklus
3. Szezonlis hullmzs
4. Vletlen hats


79
A sin (t+n2) =sin(t) ahol: n=1,2.. s a sinus(t) fggvny peridusnak a tartalma: 2=360
0
ugyanis sin (t+2)
= sin(t).
54
Ha csak rvidebb ciklusokat vizsglunk, akkor a szezonhatst kszbljk ki mozgtlago-
lssal, s ezutn a trendhatst. Havi adatoknl 12 tag, negyedves adatoknl 4 tag mozgt-
lagolst alkalmazunk. A korbbi jellseket alkalmazva:
A kapcsolds mdja lehet additv:
* * *
ij ij j l ij
y y s c v = + + +

Ebbl a rvid peridus ciklus:
* * *
l ij ij j ij
c y ( y s v ) = + +

A kapcsolds mdja lehet multiplikatv:
ij ij j l ij
y y s c v
* * *
=
Ebbl a rvid peridus ciklus:
l ij ij j ij
c y /( y s v )
* *
=

Az elemzs s a prognziskszts sorn t kell tekintennk azokat a mdszereket, amelyek
megadjk a jvre vonatkoz adatokat s informcikat. A trendfggvny tpusok esetben
pldul ismernnk kell a fggvnyek sajtossgait s kivlasztsuk mdszereit. Vizsglnunk
kell tbbek kztt: a trend fggvnyt ler formult, annak sajtossgait
80
.
Additv kapcsolat esetn a trendet az eredeti idsorbl kivonjuk, (
ij ij
y y ) multiplikatv kap-
csolat esetn az eredeti idsort a trenddel osztjuk (
ij ij
y / y ), gy kikszbljk a trendhatst.
Ezt kveten, ha havi adatokkal rendelkeznk, 12 tag mozgtlagt vesszk a klnbsgek-
nek (additv kapcsolat) vagy a hnyadosoknak (multiplikatv kapcsolat). gy mivel havi ada-
tokkal rendelkeztnk kikszbltk a szezonlis hullmzst s a vletlen hatst is. A kapott
adatsor illetve grafikus bra a konjunktra ciklust mutatja. Eljrhatunk gy is, hogy elszr
mozgtlagolssal (pl. napi adatoknl, ha 252 munkanap van egy vben, akkor a mozgtlag
tagszma 252, havi adatoknl 12, negyedves adatoknl pedig 4) a szezonlis hullmzst s a
vletlen hatst kszbljk ki, majd ezt kveten szrjk ki a mozgtlagols adatsorbl a
trendhatst, az elzekben ismertetett mdn. Azt, hogy a trend s a szezonhats kapcsold-
sa additv, vagy multiplikatv egyszer mdszerrel megllapthatjuk: ha a trend nvekv (pl. a
lineris trend b
1
egytthatja pozitv vagy az exponencilis trend b
1
egytthatja nagyobb,
mint 1) s additv a kapcsolat, akkor a komponensek sszegzdnek, teht az amplitdk nem
vltoznak, nem fggnek a trend nagysgtl. Multiplikatv kapcsolat esetn viszont a tnye-
zk szorzdnak s a nvekv trend miatt az amplitdk nnek.
Cskken trendnl (pl. a lineris trend b
1
egytthatja negatv vagy az exponencilis trend b
1
egytthatja kisebb, mint 1, de nagyobb mint 0) additv kapcsolatot jelez, ha nincs vltozs az
amplitdkban, mivel sszegzdnek a tnyezk. A multiplikatv kapcsolatot viszont az jelzi,
hogyha az amplitdk az idben elrehaladva cskkennek, teht csillapod a rezgs.
3.2 Az elrejelzsek hibinak a mrse
81
(A hibakpletek Excel parancsfjl mkdse)*

A prognzisok hibakpleteit az albbiakban foglaljuk ssze.
82 83

Ttelezzk fel, hogy n idszak adata ll rendelkezsre a t kiindulsi idpontban s m idszak-
ra ksztnk elrejelzst. A megfigyelt rtkeket jelljk X-szel, az elrejelzett rtkeket pe-
dig F-fel. (forecast = prognzis) A prognzist akkor tudjuk ellenrizni, ha a prognosztizlt
idpont vagy idszak bekvetkezett s gy van tnyadatunk. Az alkalmazott modell lehet
brmely prognzisksztsi mdszer. Ttelezzk fel, hogy az idsor (t) hossza, amire tnyle-
ges s prognosztizlt adattal rendelkeznk: t = 1, 2,,i,.,T. A megfigyelt rtkeket jelljk

80
Ld. Haustein H. D. [1972] 48-54. 352-360.
81
A trendszezon-hibaszmts.xls parancsfjlnl a felsorolt hibakpleteket programoztuk be.
82
Farnum Nicholas R., - Stanton LaVerne W. [1989]: 22-31.
83
S. Makridakis-S. C. Wheelwright- V. Mcgee [1983]: 43-54.
55
X-szel, az elrejelzett rtkeket pedig F-fel. Ha ex-post ellenrizzk az elrejelzs hibjt,
akkor az idsort kt rszre osztjuk, az els idszak a becslsi-, a msodik a tesztidszak. A
becslsi idszak lehet az idsor fele, vagy annl nagyobb rtk. A becslsi idszak adatai
alapjn elrejelzseket ksztnk a teszt idszakra vonatkozan s gy a prognzis hibjt
mrni tudjuk, mivel tnyleges adatokkal is rendelkeznk. Ex ante elrejelzs esetn csak ak-
kor tudjuk ellenrizni a prognzis hibjt, ha az elrejelzsi idszak bekvetkezik. Pl. havi
adatok esetben a kvetkez hnapban, negyedves adatok esetben a kvetkez negyedv-
ben, stb. Az elrejelzsek hibinak mrsre az albbi mutatkat hasznltuk.
Az alkalmazott jellsek:
A hiba (e = Error):
e
i
= X
i
F
i

F
i
= elrejelzett vagy illesztett rtkek,
X
i
= megfigyelt rtk.
Az egyszersg miatt a tesztperidus idszakot (amikor tnyleges s prognosztizlt rtkek-
kel is rendelkeznk) jelljk gy:
i= 1, 2, ,T.

1. tlagos hiba. [ME=Mean Error]
T
i
i 1
e
ME
T
=
=

Az a kedvez ha a hiba mrtke 0 krli rtk. Flbecsls esetn a hiba negatv, albecsls
esetn pozitv. Az eljel vltsok miatt az tlagos hiba mutat a hiba valsgos mrtkrl
nem tjkoztat. Ezt a problmt gy lehet kikszblni, hogy a hiba abszolt rtkvel vagy
ngyzetvel szmolunk. A msik problma az, hogy a klnbz egysgben mrt (pl. kg, Ft,
$ stb.) prognzisokat nem lehet sszehasonltani, ezrt clszer relatv hibt is szmtani.

2. tlagos abszolt hiba. [MAE = MEAN ABSOLUTE ERROR
84
]
T
i
i 1
e
MAE
T
=
=

3. tlagos ngyzetes hiba. [MSE = MEAN SQUARE ERROR
85
]:
T
2
i
i 1
e
MSE
T
=
=

4. A hiba szrsa [SDE = STANDARD DEVIATION OF ERRORS
86
]:
T
2
i
i 1
e
SDE
T 1
=
=

5. tlagos relatv [%-os] hiba [MPE = MEAN PERCENTAGE ERROR]

Relatv [%-os] hiba [PE
i
= PERCENTAGE ERROR]:
i i
i
i
X F
PE 100
X

=

84
Hasznljk a nemzetkzi szakirodalomban a Mean Absolute Deviation (MAD) kifejezst is.
85
Hasznlatos mg ASE Average Squared Error
86
Hasznljk a nemzetkzi szakirodalomban a Root Mean Square Error (RMSE) mutatt is, amikor az
MSE mutat ngyzetsszegt veszik.
56
T
i
i 1
PE
MPE
T
=
=

Az eljel vltsok miatt az tlagos relatv hiba mutat a hiba valsgos mrtkrl nem tj-
koztat. Ezt a problmt gy lehet kikszblni, hogy a hiba abszolt rtkvel vagy ngyze-
tvel szmolunk.

6. tlagos relatv [%-os] abszolt hiba [MAPE = MEAN ABSOLUTE PERCENTAGE
ERROR]:
T
i
i 1
PE
MAPE
T
=
=

MAPE 20%-nl kisebb rtke az elfogadhat.

7. Theil fle U-statisztika. [ Theils U-Statistic
87
]:
2
T 1
i 1 i 1
i 1 i
2
T 1
i 1 i
i 1 i
F X
X
U
X X
X

+ +
=

+
=
| |
|
\ .
=
| |
|
\ .

Ha U =0, akkor F
i
=X
i
, vagyis az elrejelzs megegyezik a valsggal. Klnben U rtke 0-
tl klnbzik. A nevezben az a relatv ngyzetes hiba van feltntetve, amikor az
elrejelzett rtk az utols tnyadattal egyenl, ezt naiv elrejelzsnek hvjuk. A szmll az
idsorkutatsi mdszerrel elksztett elrejelzs relatv ngyzetes hibjt tartalmazza. Ha ez
utbbi jobb elrejelzst adott mint a naiv elrejelzs, akkor a szmll rtke (a hiba) kisebb
mint a nevez rtke, teht az U-statisztika rtke egynl kisebb. rtelemszeren, ha a naiv s
az idsorkutatsi modellel ksztett elrejelzs azonos rtket ad, akkor a szmll s nevez
megegyezik, gy az U-statisztika rtke eggyel egyenl. Ha a naiv elrejelzs ad jobb ered-
mnyt, akkor az U-statisztika rtke egynl nagyobb.

8. MBA. [McLaughlin Batting Averages]
| |
MBA 4 U 100 =
U=0 esetn, MBA 400 =
U=1 esetn, MBA 300 =
U>1 esetn, MBA 300 <
A Theil- fle U statisztika egy msik kplete az MBA mutat.
3.3 Trendszezon-hibaszmts parancsfjl mkdse

A program lehetv teszi a korbban ismertetett 9 fle lineris illetve linerisra visszavezet-
het trend vizsglatt. Megadhat a mozg tlag tagszma, ahol a korlt csak az idsor hosz-
sza. Vizsglhatjuk tovbb az adatbzis fggvnyben a szezonlis hatst s a konjunktra
ciklusokat.

A trendek megbzhatsgnak ellenrzse.
A becslsi idszak megadsval a rendelkezsre ll idsort kt rszre bontjuk, becslsi s
teszt idszakra. A becslsi idszak felhasznlsval a trendbecslst vgezzk el, a teszt id-
szak adatai alapjn a becslsek pontossgt lehet ellenrizni, a megadott hibakpletek fel-
hasznlsval. Az idsor hosszt felismeri a program, a srga mezbe (Ebbl becslsre fel-
hasznlt:) be kell rni a becslsre felhasznlt idsor hosszt, ami az idsor fele vagy annl

87
Theil, H. [1961].
57
nagyobb rtk. Ha tesztelni kvnjuk a trendeket, akkor a becslsre felhasznlt idsor hossz-
nak legnagyobb rtke az idsor hossza mnusz egy. Az extrapolci hosszt is meg lehet
adni. Az bra felett lehet vlasztani a trendtpusok kztt. A trendek paramtereit s a tbb-
szrs determincis egytthatt (R
2
), valamint az eredeti adatok s a trend brjt kzli a
program. A 9 trend extrapolcija s a hibakpletek szmtsai szmszeren is megtallhatk
az eredeti adatokat (y) kvet oszlopokban. Clszer azonos becslsi idszak felhasznls-
val mind a 9 trendtpusra elvgezni a szmtsokat s kivlasztani azt a trendtpust, amelyik
esetben a legkisebb a hiba, pl. a MAPE. Ugyancsak clszer a becslsi idszak hosszt vl-
toztatni. Ki lehet vlasztani a legjobban illeszked becslst, vagyis a mlt idszak alapjn
legjobb elrejelzst ad trendtpus s informcit kapunk a trend - extrapolcik megbzha-
tsgrl is. A program teht rzkenysgvizsglatokat is vgez. Ha a tesztperidus kezdet-
nek vltoztatsval a hibakpletek alapjn kivlasztott "legjobb trend tpusa is vltozik, ak-
kor az idsor nem stabil, az idsorban vizsglt trend tendencija vltozik. Az elemzs gy bi-
zonytalan, s az elrejelzs sem lesz megbzhat. Hasonl mdon a magas hibartkek (pl. a
MAPE 10 % - nl nagyobb) is a bizonytalan becslst jelzik. A becslsi idszak nvelsvel
ltalban a hibk is cskkennek.
A szezonalts vizsglata.
A Peridus megadsnl meg kell adni az adatbzis fggvnyben a srga mezben a peri-
dus szmt, aminek rtke 2-24 lehet, ha nem adunk adatot, akkor nem szmol a szezonalits-
sal. Ha fl ves adatokkal dolgozunk, akkor a peridus rtke 2, negyedves adatoknl 4, havi
adatoknl 12. Megadand a Kezd peridus sorszma is, lehetsges rtkei: 1-12, pl. ha havi
adatokkal dolgozunk s az els vben, csak a 7-ik hnaptl vannak adataink, akkor a berand
rtk 7. Ha viszont teljes az idsor akkor a Kezd peridus sorszma 1. (0 rtket nem szabad
megadni) A program kiszmtja a szezonlis eltrseket s a szezonindexeket. Elvgzi a kor-
rekcit is s brzolja a kivlasztott trendet s szezon modellt (additv vagy multiplikatv). Ha
nincs szezonalits az idsorban akkor vlasztani lehet a szezonalts nlkl opcit (pl. ves
adatsorok esetn). A program brzolja a vletlen sszetevt is a kivlasztott trend-szezon
modell alapjn.

Konjunktra-ciklusok elemzse*

Az Adatok-bevitele munkalapon kivlaszthatjuk a 9 trend kzl azt, amit vizsglni kvnunk
(termszetesen egyenknt mind a 9 trendfggvny konjunktra ciklusait vizsglhatjuk s sz-
szehasonlthatjuk) s meg kell adni a mozgtlag tagszmt. A mozgtlag tagszma az
adatbzistl fgg. Rvid ciklusok vizsglata esetben a szezonalitst kszbljk ki, ha havi
adatok llnak rendelkezsre a mozgtlag tagszma 12, negyedves adatok esetben 4. (Meg-
jegyezzk, hogy a szezonlis hullmzs kiszrse utn, ha ezt kveten kiszrjk a trendha-
tst, akkor a Kitchin-fle rvid ciklus becslst kapjuk meg.) Ha a hossz ciklusokat vizsgl-
juk ves adatokkal, akkor ltalban 8 vagy 9 tag mozgtlagot vlasztunk a rvidebb peri-
dus (pl. 4-8 vagy 3-9 ves) ciklusok kiszrsre. (Megjegyezzk, hogy a rvidebb ciklusok
kiszrse utn, ha ezt kveten kiszrjk a trendhatst, akkor a Kondratyev-fle hossz cik-
lus becslst kapjuk meg.) Vizsglni lehet az idsorokat abbl a szempontbl is, hogy ho-
gyan reaglnak a mozgtlag tagszmnak megvltoztatsra. Vlaszthatunk az additv s a
multiplikatv modell kztt. Az adatok bevitele utn a program brzolja az eredeti adatokat
s a trendet s a msodik brban a ciklust. Kiszmtja multiplikatv kapcsolatot felttelezve
az eredeti idsor s a trend hnyadost (
i i
y / y ) valamint additv kapcsolatot felttelezve az
eredeti idsor s a trend klnbsgt (
i i
y y ). gy mindkt felttelezs mellett kikszbli a
trendhatst. A ciklikus mozgsokat a trendtl megtiszttott idsoroknl a felhasznl ltal
megadott mozgtlag tagszm alapjn mozgtlagolssal kszbli ki s szmtja, valamint
brzolja.

A rvid ciklusok tlagos peridushossznak becslsre a ciklusfordlpontokszmtsa
Excel parancsfjl hasznlhat:
58
A szmtsokat elszr pl. a trend szezon - hibaszmts Excel parancsfjllal vgezhetjk
el. Kivlasszuk az 5 legjobb modellt a trendfggvnyek alapjn. Elszr az eredeti sort s az
idvltozt msoljuk be, utna az eredeti adatoknak a trendrtkektl val eltrst (additv
modell) vagy hnyadost (multiplikatv modell). Zrjelben a kivlasztott trendek - illesztsi
pontossgt jelz - tbbszrs determincis egytthatit (R
2
) is feltntettk, amit a trend
szezon - hibaszmts Excel parancsfjl kiszmtott.
( )
( )
t N
2
t t
2 t 1
t N
2
t t
t 1
y y
R 1
y y
=
=
=
=

Mivel azonos adatoknl a megfigyelsek szma (t) megegyezik, ezrt az tlagtl val
eltrsngyzetsszeg azonos, gy a R
2
kizrlag az eredeti s becslt adatok eltrs ngyzet-
sszegtl fgg.

Egy futtatsnl sszesen 5 vltozval dolgozhatunk.
A mintafeladat:
vek: 1800-2007. A megfigyelsek szma N= 208
x1= a rz (copper) rak 2000-es $-ban, $/libra (1 libra=0,454 gramm).
x2= eredeti adatok-lineris trend becslt rtkei (R
2
= 0,647)
x3= eredeti adatok-msodfok parabolikus trend becslt rtkei (R
2
= 0,649)
x4= eredeti adatok-harmadfok parabolikus trend becslt rtkei (R
2
= 0,676)
x5= eredeti adatok- exponencilis trend becslt rtkei (R
2
= 0,635)

A program megkeresi az als s fels fordulpontokat, a fels fordulpontot (amikor a nve-
keds utn cskkens kvetkezik) + jellel, az als fordulpontot (amikor cskkens utn n-
vekeds kvetkezik) jellel jelli. A hullmhossz egy teljes hullmnak a hossza, ami becsl-
het a cscsponttl a cscspontig (+tl a kvetkez +ig), vagy a mlyponttl a mlypontig (-
tl a kvetkez -ig). A program megkeresi a legels + illetve rtket s az eredmnyek
munkalapon ezeket a fordulpontokat bejelli. A kvetkez tblzat sorszmokkal ltja el a
fordulpontokat, pl. az els + rtk kapja az egy rtket, a ciklushosszt innentl szmtjuk, a
kvetkez megfigyelsek addig kapnak 1 rtket, amg a program meg nem tallja a kvet-
kez + jellel jellt fordulpontot, innen a jells 2. Ennek alapjn megllapthat hny fordu-
lpont van az idsorban. A kvetkez tblzatok kzlik a fordulpontok tlagos tvolsgt
idegysgben (pldnkban vekben) majd a ktfle fordulpont tlagt, egsz szmra kere-
ktve. A rvidebb ciklusok kikszblsre ezt az rtket vagy egsz szm tbbszrst
hasznljuk mozg tlag tagszmknt.
A trend szezon - hibaszmts Excel parancsfjl felhasznlsval, most mr megadhatjuk a
mozg tlag tagszmt, ami pldnkban 4 vagy 8 vagy 12 stb. lehet. A kziknyv tartalmaz-
za a klnbz ciklusok kikszblsnek a mdszert. Pldnkban az analitikus trendet ki-
vontuk az idsorbl, mert additv trendet feltteleztnk, a rvidebb ciklusokat s a vletlent
pedig 4 tag mozgtlagolssal kszblhetjk ki.

A megfelel modell kivlasztsa. Trend - szezonteszt Excel parancsfjl mkdse
(trendszezonteszt.xls)
A program mkdse: Mdosthatk a trendek paramterei s a szezon ersge (ahol a na-
gyobb szm nagyobb amplitdj szezonkomponenst generl). A kvetkez trendek model-
lezhetk: lineris, fllogaritmikus, msodfok parabolikus, harmadfok parabolikus, expo-
nencilis, elsfok hiperbolikus s S-alak logisztikus. A program elkszti a trendek s a
szezonkomponensek brjt az additv s a multiplikatv modell esetben, tovbb csak a tren-
det, ha felttelezzk, hogy nincs szezonlis hats. A program clja az, hogy felismerjk azt,
hogy egy idsor grafikus brja alapjn milyen trendtpusok s szezonlis (periodikus) kap-
csolatok (additv vagy multiplikatv) jhetnek szmtsba. A trend paramtereinek s a szezon
ersge vltoztatsval nyomon kvethetk a grafikus brk vltozsai.
59
Gyakorl feladatok. Konjunktra ciklusok modellezse, a trendszezon - hibaszmts
Excel parancsfjl mkdse)
Mutassa ki a konjunktra ciklusokat a magyar mezgazdasg sorai alapjn:
88

A MAPE alapjn a 9 analitikus trend kzl melyik adta a legjobb kzeltst. Alkalmazza a 9
tag mozg tlagot a rvidebb ciklusok kikszblsre.
Cukorrpa (kg/f) 1920-2006
rpa (kg/f) 1876-2006
Burgonya (kg/f) 1870-2006
Bza (kg/f) 1876-2006
Kukorica (kg/f) 1870-2006
Rozs (kg/f) 1920-2006
Zab (kg/f) 1921-2006
Serts llomny (db/ezer f) 1870-2006
Szarvasmarha llomny (db/ezer f) 1870-2006
L llomny (db/ezer f) 1904-2006
Mezgazdasgban dolgoz aktv keresk arnya (%)
3.4 A teltdsi, a logisztikus (S-alak)- s letgrbe trendfggvnyek becslse Excel pa-
rancsfjllal*

A teltdsi, a logisztikus s az letgrbe trendfggvnyek olyan folyamatok, jelensgek le-
rsra alkalmasak, amelyeknek a nvekedse korltos. A tarts fogyasztsi cikkek (pldul
tv, rdi, telefon, aut stb.) forgalmnak alakulsa a piac korltozottsga miatt teltdsi
trendet kvet, mert van egy szint, ami fl a kereslet nem emelkedik. Az ipari termkek let-
grbje is hasonl tendencit mutat az els felszll szakaszban, az eltrs azonban az, hogy a
cscspont elrse utn leszll szakasz kvetkezik, elbb cskken s vgl megsznik a gyr-
ts s a forgalom. Gyakran elfordul, hogy az els felszll szakaszban a fejlds hrom sza-
kaszt klnthetjk el: 1. a ksrletezs stdiuma, amit a gyrts beindtsa, a lass nveke-
ds jellemez; 2. a nagy felfuts idszaka, n a kereslet, a gyrts ezrt tmegszerv vlik;
3. a piac teltdse, amikor mr csak az elhasznlds ptlsra van lehetsg
89
A piaci rett-
sg, a teltds szakaszt a kereslet s a gyrts hanyatlsa (tbbnyire j, korszerbb termk
jelenik meg a piacon), s vgl a gyrts megszntetse kveti. A termkletgrbe konkrt
alakjnak meghatrozsa a tervezs idszakban nem egyszer feladat. Az lettartam a ter-
mktl fggen lehet nhny hnap (a divat ltal ersen befolysolt termkek), nhny v (in-
formatikai eszkzk) vagy tbb vtized (mezgazdasgi termnyek). A teltdsi fggvnye-
ket (elssorban a Gompertz- s Johnson-fggvnyeket) a demogrfusok s a biztostsi szak-
emberek a npesedsi s tllsi folyamatok lersra s kzeltsre hasznljk. Az inflexis
pont jelzi a vizsglt jelensg fejldsben bekvetkez jelentsebb vltozst s annak vrhat
idpontjt is. Az inflexis pont kifejezi, hogy a fejlds hajteri kifulladtak, vrhat, hogy
a fejlds jellege is megvltozik s lelassul. Tulajdonkppen a fejlds egyik kritikus pontja
ppen az inflexis pontnl van. A teltdsi fggvnyek monoton nvekv fggvnyek, ahol
az idvltoz (t) nvekedsvel a nvekedsi rtkek a nullhoz tartanak. Ms megfogalma-
zsban a fggvnyrtkek K teltdsi paramterhez, szaturcis szinthez, vagyis egy kons-
tans rtkhez tartanak, ha az idvltoz a vgtelenbe tart:
( )
t
limf t K

=
A feladat megkeresni azokat a paramtereket, amelyek mellett az illeszts a legpontosabb. A
tapasztalatok szerint az egyszerbb fggvnyformkkal (lineris, hatvnykitevs, exponenci-
lis, parabolikus stb.) szemben a bonyolultabb teltdsi fggvnyek alkalmazsa lnyegesen
szmtsignyesebb, ugyanakkor kikszblik az egyszerbb fggvnyek azon hibjt, hogy

88
Adatok a CD-n a Magyar mezgazdasg hossz ciklusai alknyvtrban.
89
Theiss [1958] 199200.
60
a nvekedsnek (vagy cskkensnek) nincs fels vagy als korltja.
90
E problma megolds-
ra Excel parancsfjlt dolgoztunk ki. A szmtsignyessg mint problma megszntethet a
bemutatsra kerl parancsfjl alkalmazsval. A trendek ismertetsnl figyelembe vettk
Descartes
91
mdszertani szablyait, ami szerint az egyszertl kell haladni a bonyolult fel,
vagyis figyelembe kell venni azt, hogy az sszetett mdszerek ltalban specilis esetknt tar-
talmazzk az egyszerbbeket. A msik fontos szably a felsorols elve, vagyis a teljessgre
kell trekedni.
92
Descartes azt is hangslyozza, hogy minden mdszernek elmleti kvetkez-
mnyei vannak. A Fldn hossz tvon gyakorlatilag minden gazdasgi-trsadalmi-
demogrfiai folyamat korltozott trben zajl nvekedsi folyamat s ennek kvetkezmnye
az, hogy igen gyakran tapasztaljuk, hogy lteznek teltdsi pontok.
93
A Descartes-i mdszer-
tani szablyokat figyelembe vve elszr a legegyszerbb teltdsi fggvnyeket ismertet-
jk, amelyek inflexis ponttal nem rendelkeznek. A bemutatsra kerl kvetkez ht S-alak
trendfggvnynek egy inflexis pontja van. Az letgrbe- s a Hubbert-fle trendfggvny
kt inflexis ponttal rendelkezik. Az letgrbe trenddel tbbek kztt a termkletgrbk ala-
kulst lehet modellezni, ahol a nvekedsi szakaszt egy cskken szakasz kveti. A logiszti-
kus fggvnyek rgta foglalkoztatjk az idsor modellezs kutatit. A XIX. szzad els fe-
lben Gompertz s Verhulst munkssgt lehet kiemelni. A logisztikus fggvny a XX. sz-
zad els felben az konometriai modellezs egyik fontos eszkze volt s szmos modell ke-
rlt kidolgozsra. Npszersge bizonyos terleteken az elmlt vszzadban sem cskkent,
klnsen a piaci s demogrfiai folyamatok gyakori jellemzje, hogy egy ideig gyors tem-
ben nnek, majd ksbb rvnyeslnek a nvekeds korltai, cskken a nvekedsi tem. A
folyamat jellegtl fggen a nvekeds bizonyos id utn a nullhoz tart, illetve az is elkp-
zelhet, hogy a tendencia megfordul.

3.4.1 Inflexis ponttal nem rendelkez teltdsi grbk

A kvetkezkben a Mitscherlich-,
94
a Bertalanffy-,
95
az egyszeren modifiklt exponenci-
lis
96
, a Trnquist 1., valamint Trnquist 2. fggvnyeket mutatjuk be rviden. (Lsd a 3.1.
tblt) E fggvnyek kzs jellemzje, hogy inflexis ponttal nem rendelkeznek, rtelmezsi
tartomnyukon (0 intervallumon) konkv mdon viselkednek. Ez utbbi tulajdonsg akkor
teljesl, ha a fggvny ktszer differencilhat az idvltoz szerint s a msodik derivlt ne-
gatv. Az ismertetsre kerl teltdsi fggvnyek msodik derivltja mindentt negatv. Ha
K azonos, akkor Kb=a, teht a Bertalanffy fggvny s az egyszeren modifiklt exponenci-
lis fggvny azonos.

Az inflexis ponttal nem rendelkez teltdsi fggvnyek sematikus brja a kvetkezkp-
pen nz ki, ld. 3-11 brt. Tipikus alkalmazsi terletk a jelents technolgiai jtssal gyr-
tott termkek gyors elterjedse az adott szegmensben, amikor termkvlts kvetkezik be:
pldul ilyen volt a rugs rt felvlt kvarcra, a fekete-fehr tvt vlt sznes tv vagy a
kzelmltban a plazma- s LCD-tvk megjelense a piacon.
3-1. tbla: Inflexis ponttal nem rendelkez teltdsi grbk fbb jellemzi
Fggvny Formula
0
y
2
t
2
d y
dt
t
t
limy

Mitscherlich ( )
rt
t
y K 1 e

=
0
2 rt
Kr e

K

90
Ld.: Freschl [1982], HermanVarga [1983], Herman [1985], Valkovics [2001], Hunyadi [2004]).
91
Descartes [1961] 214215.
92
A teljessgre termszetesen csak trekedni lehet, szmos logisztikus fggvnyt nem tudunk bemu-
tatni, pldul: Korf-fggvny (LiaoPodrzskLiu [2003] 545.) Weibull-s Bta-fggvnyek
(Xinyou Yin et al. [2003] 362. s 369.), Causton- s Venus-fggvny (Colin [1999] 715.).
93
Ld.: Fokasz [2006] 1951.
94
Eilhard Alfred Mitscherlich (18741956) nmet agronmus. Ld.: Mitscherlich [1919] 167182.
95
Ludwig von Bertalanffy (19011972) osztrk szlets biolgus, a rendszerelmlet megalkotja.
Ld.: Bertalanffy [1938] 181213.
96
Ld.: Kotz et al. [2006] 14. ktet. 87278728.
61
Bertalanffy ( )
rt
t
y K 1 be

= ( ) K 1 b
2 rt
Kbr e

K
Egyszeren modifiklt ex-
ponencilis fggvny
rt
t
y K ae

= K a
2 rt
ar e K
Trnquist 1.
t
Kt
y
t a
=
+
0
3
2aK
(a t)

+

K
Trnquist 2. (a<b)
( )
t
K t a
y
t b
+
=
+

Ka
b

3
2K(a b)
(b t)

+

K

K
t
y
t

3-11. bra: Az inflexis ponttal nem rendelkez teltdsi fggvny

Mitscherlich trendfggvny
( )
-rt
t
y = K 1- e
Az abszolt nvekedsi fggvny:
-rt
t
dy
= = Kr
dt
e o
A relatv nvekedsi fggvny (
t
):
( )
-rt
t rt rt
dy Kr r
= /y =
dt 1 K 1
e
e e

| |
=
|
\ .

A fggvny elaszticitsa:
t rt
dy/y rt
= =
t/dt 1 e
c

Bertalanffy trendfggvny
( )
-rt
t
y = K 1- be

Az abszolt nvekedsi fggvny:
-rt
t
dy
= = bKr
dt
e o
A relatv nvekedsi fggvny:
( )
-rt
t rt rt
dy bKr br
= ( )/y =
dt 1 K 1 b
e
e e

=


A fggvny elaszticitsa:
62
t rt
dy t brt
= =
dt y b e
c

Egyszeren modifiklt exponencilis fggvny
-rt
t
y = K - ae

Az abszolt nvekedsi fggvny:
-rt
t
dy
= = ar
dt
e o
A relatv nvekedsi fggvny:
-rt
t rt rt
dy ar ar
= ( )/y =
dt K a K a
e
e e

=


A fggvny elaszticitsa:
t rt
dy t art
= =
dt y K a e
c

Trnquist 1. trendfggvny
t
Kt
y =
t + a

Az abszolt nvekedsi fggvny:
t 2
dy aK
= =
dt (a + t)
o
A relatv nvekedsi fggvny:
2
t
aK
dy a (a + t)
= ( )/y =
Kt
dt t(a t)
(t +a)
=
+

A fggvny elaszticitsa:
t
dy t at a
= =
dt y t(a t) (a t)
c =
+ +


Trnquist 2.trendfggvny
( )
t
K t + a
y =
(t + b)

Az abszolt nvekedsi fggvny:
t 2
dy K(b - a)
= =
dt (b + t)
o
A relatv nvekedsi fggvny:
( )
2
t
K(b - a)
dy (b a) (b + t)
= ( )/y =
K t +a dt (a t)(b t)
(t + b)

=
+ +

A fggvny elaszticitsa:
t
dy t (b a)t
= =
dt y (a t)(b t)

c
+ +


3.4.2 Egy inflexis ponttal rendelkez trendfggvnyek

A logisztikus trendfggvnyek kezdetben konvex, ksbb konkv fggvnygrbt rnak le.
Ezeket a logisztikus trendfggvnyeket, alakjuk miatt S-alak fggvnyeknek is hvjk a
szakirodalomban. A kvetkezkben a logisztikus, a ksleltetett logisztikus, a ngyzetesen lo-
63
gisztikus, a Gompertz-fle, a 63 szzalkos, a Johnson-fle s az ltalnostott Richards-fle
trendfggvnyeket mutatjuk be.

A logisztikus trendfggvny
Az egyik els logisztikus trendfggvnyt (npessg nvekedsi modellt) Verhulst
97
1838-ban
publiklta:
( )
ct
t cm ct c t m
K Ke
y
e e 1 e

= =
+ +

ahol
K a teltettsgi szint, K 0 > ;
m az inflexis pont helyt adja meg, m 0 > ;
c a nvekedsi sebessget jellemz paramter, ha c 0 > , akkor logisztikus nveke-
dsrl, ha c 0 < , akkor logisztikus cskkensrl van sz.

A fggvny inflexis pontjnak koordinti:
( )
( )
( )
c m t 2 cm ct
2
t
3 2
cm ct
ct cm
Kc e e e
d y
0,
dt
e e
e e ,
+

= =
+
=

w
w
t
t m,
K
y .
2
=
=

A harmadik derivlt ebben a pontban nem egyenl 0-val, mivel:
w
3
t
3
t
2cm 2cm 2cm
2cm
d y
0,
dt
e 4e e 0,
2e 0.
=
+ =
=

A fggvny helyettestsi rtke a 0 t = helyen s a teltdsi szint:
( )
0
cm
t
t
K
y ,
1 e
limy K.

=
+
=

Napjainkban logisztikus trendfggvny nvvel az egyik legelterjedtebben alkalmazott, Pearl
Reed-fle
98

99
logisztikus teltdsi fggvnyt illeti az irodalom A fggvny szimmetrikus az
inflexis pontra, ahol a grbe a teltettsgi szint felt (K/2) ri el. A teltds annak a kvet-
kezmnye, hogy a grbe a konvex szakaszbl konkvba megy t, azaz a vizsglt jelensgben
fordulpont (minsgi vltozs) kvetkezett be.

A fggvnyt ler formula:
ct
t -ct ct
K Ke
y
1 be e b
= =
+ +
,
ahol:
K a teltettsgi szint, ha K 0 > ;
b a helyzetparamter, ha b 0 > ;
c nvekedsi sebessget jellemz paramter, ha c 0 > logisztikus nvekedsrl, ha
c 0 < , akkor logisztikus cskkensrl van sz.

97
Pierre-Francois Verhulst belga matematikus, statisztikus (18041849). Ld.: Verhulst, P. F. [1838]:
113121.
98
Raymond Pearl (18791940) amerikai biolgus, Lowell J. Reed (18861966) matematikus,
biostatisztikus.
99
Ld.:Pearl-Reed [1920] 275288. s FarnumStanton [1989] 189191.
64

w
lnb
=
t
c
K
2
K

t -ct
K
y =
1+be
K
1+ b
t
y
t

3-12. bra: A Pearl-Reed-fle logisztikus trendfggvny

A fggvny inflexis pontjnak koordinti:
( )
( )
2 ct ct
2
t
3 2
ct
bc Ke b e
d y
0,
dt
e b

= =
+

w
w
t
ln b
t ,
c
K
y .
2
=
=

A harmadik derivlt ebben a pontban nem egyenl 0-val, hiszen b 0 > , teht ebben a pontban
inflexis pont van:
w
3
t
3
t
2lnb lnb 2
d y
0,
dt
e 4be b 0,
b 0.
=
+ =
=

A fggvny helyettestsi rtke a t 0 = helyen s a teltdsi szint:
0
t
t
K
y ,
1 b
limy K.

=
+
=

Knnyen belthat az, hogy a Verhulst s a Pearl-Reed-fle fggvnyek lnyegben azono-
sak:
ct c t
cm ct c t
Ke Ke
e e e b
'
'
=
' + +


Az abszolt nvekedsi fggvny:
ct
t 2 ct
dy Kbc
= =
dt
( + b)
e
e
o
A relatv nvekedsi fggvny:
ct
t 2 ct -ct ct
ct
dy Kbc K bc c
= ( )/y = /( )
1
dt 1+ b b
( + b)
+1
b
e
e e
e
e
= =
+


A fggvny elaszticitsa:
65
t
ct
dy t ct
= =
1
dt y
+1
b
e
c
Ksleltetett logisztikus trendfggvny

Az elzekben bemutatott logisztikus trendfggvnynek az inflexis pontra val szimmetrija
sok esetben modellezsi szempontbl nem helytll. Ha a kezdeti nvekeds gyorsabb tem,
s a grbe az inflexis pontot a teltettsgi szint felnl korbban ri el, akkor hasznlhatjuk a
ksleltetett logisztikus trendfggvnyt. Az inflexis pont utn a ksleltetett logisztikus trend-
fggvny konkv szakasza hosszabb s elnyjtottabb, mint a logisztikus trend hasonl konkv
szakasza, teht ksleltetett hats rvnyesl a teltdsi szint elrsben. A 3-13. bra a kslel-
tetett logisztikus trendfggvny alakjt s nevezetes pontjait mutatja be.
A fggvnyt ler formula:
t a
K
y
T
1
t
=
| |
+
|
\ .
,
Ahol
T-a helyzetparamter, ha T 0 > ;
a nvekedsi sebessget jellemz paramter, ha a 1 > .

Amennyiben t = T , gy:
T
K
y
2
= .
A fggvny inflexis pontjnak koordinti
( )
a
a
2
t
3 2
a
2
T
aK a 1 a 1
t
d y T
0
dt t
T
t 1
t
(
| |

(
|
\ .
( | |

= =
|
\ .
(
| |
+
(
|
\ .
(

,
( )
w
a
w
t
a 1
t T ,
a 1
K a 1
y .
2a

=
+

=

A teltdsi szint:
t
t
limy K

= .
Az abszolt nvekedsi fggvny:
a
t
2
a
T
aK
dy t
= =
dt
T
t 1
t
| |
|
\ .
o
(
| |
+ (
|
\ .
(




66
K
t
y
t
K
2
a
w
a -1
=
a +1
t
T
T
K(a 1)
2a

t a
K
y =
1+
t
T | |
|
\ .

3-13. bra: A ksleltetett logisztikus trendfggvny


A relatv nvekedsi fggvny:
a a
t 2 a 3
a a
T T
aK a
dy K t t
= ( )/y = /
dt
T
T T
1
t 1 t 1
t
t t
| | | |
| |
\ . \ .
=
( | | (
| | | |
+
| + + ( (
| |
\ .
\ . \ .
( (


A fggvny elaszticitsa:
a a
t 3 3
a a
T T
ta a
dy t t t
= =
dt y
T T
t 1 1
t t
| | | |
| |
\ . \ .
c =
( (
| | | |
+ +
( (
| |
\ . \ .
( (



Ngyzetesen logisztikus trendfggvny

A 3-14. bra mutatja be a ngyzetesen logisztikus fggvny alakjt s nevezetes pontjait.

( )
2
t 2
-ct
y =
1+ be
K

t
y
t
2
K
w
ln2b
t =
c
2 4
9
K
( )
2
2
K
1+ b

3-14. bra: A ngyzetesen logisztikus trendfggvny

A ngyzetesen logisztikus fggvny, mint a neve mutatja, a logisztikus trendfggvny ngy-
zete. A fggvnyt ler formula:
67
( )
2
2 2ct
t 2 ct
ct
K K e
y
1 be
e b

| |
= =
|
+
\ .
+
,
ahol
b a helyzetparamter, ha b 0 > ;
c a nvekedsi sebessget jellemz paramter, ha c 0 > logisztikus nvekedsrl, ha
c 0 < , akkor logisztikus cskkensrl van sz.

A fggvny inflexis pontjnak koordinti:
( )
( )
2 2 2ct ct
2
t
4 2
ct
2bc K e 2b e
d y
0
dt
e b

= =
+
,
w
w
2
t
ln 2b
t ,
c
4
y K .
9
=
=

A harmadik derivlt ebben a pontban nem egyenl 0-val, hiszen b 0 > , teht ebben a pontban
inflexis pont van:
w
3
t
3
t
2ln2b ln2b 2
2 2 2 2
d y
0,
dt
e 7be 4b 0,
4b 14b 4b 6b 0,
b 0.
=
+ =
+ = =
=

Az inflexis ponttal jellemzett irnyvlts teht a ngyzetesen logisztikus fggvny esetben
ksbb kvetkezik be, mint a logisztikus trendfggvnynl ugyanis:
ln b ln 2b
c c
< .
A fggvny helyettestsi rtke a t 0 = helyen s a teltdsi szint:
( )
2
0 2
2
t
t
K
y ,
1 b
limy K .

=
+
=

Az abszolt nvekedsi fggvny:
2
2ct
t 3 ct
dy 2bcK
= =
dt
( +b)
e
e
o
A relatv nvekedsi fggvny:
( )
2 2 2ct
t 3 2 ct ct
-ct ct
dy 2bcK 2bc 2c
K
= ( )/y = /
1
dt
( ( +b) + b)
1+ b
1
b
e
e e
e
e
= =
+

A fggvny elaszticitsa:
t
ct
dy t 2ct
= =
1
dt y
1
b
e
c
+

Gompertz-fggvny

Benjamin Gompertz
100
mr a XIX. szzad elejn felfedezte azt a halandsgi trvnyt, amit az
llatokon vgzett vizsglatok is megerstenek. Az emberi halandsgi rta a nemi rettsg
elrse idejn a legkisebb, utna exponencilisan emelkedik. Az id ebben az esetben az let-

100
Benjamin Gompertz [17791865] biztostsi matematikus. Ld.: (Gompertz [1825].
68
kor. Valkovics Emil
101
pldul az eredeti Gompertz-formula megfelel talaktsval jrade-
finilta a halandsgi tbla fggvnyeit, s pldkkal szemlltette a Gompertz-fggvny meg-
nvekedett felhasznlsi lehetsgeit a demogrfia egyes terletein.
A Gompertz-fggvny eredeti alakja
102
:
t
c
t
y Kb ,
ln y ln K c ln b.
=
= +

A Gompertz-fggvny az elbbi fggvny tovbbfejlesztse alapjn egy ketts exponencilis
fggvny (a kitevben is egy exponencilis kifejezs szerepel). Az eredeti modell s levezet-
se alapjn a nemzetkzileg leginkbb elterjedt s elfogadott forma jelenleg a kvetkez:
( )
ct
be
t
ct
t
y Ke ,
ln y ln K be .

=
= +

Ahol
c a nvekedsi sebessget jellemz paramter, c >0;
b a helyzetparamter, b >0.

Az 3-15 bra mutatja be a fggvny alakjt s nevezetes pontjait.
A Gompertz-fggvny a logisztikus fggvnynl meredekebben emelkedik a fejldsi sza-
kaszban s gy hamarabb ri el a teltettsgi szintet.
A fggvny inflexis pontjnak koordinti:
( )
ct
2
be 2 2 2ct 2 ct t
2
d y
e c b Ke c bKe 0
dt


= =
w
w
t
ln b
t ,
c
K
y .
e
=
=

A harmadik derivlt ebben a pontban nem egyenl 0-val, teht ebben a pontban inflexis pont
van:
w
3
t
3
t
lnb 2lnb 2 3lnb
d y
0,
dt
e 3be b e 0,
b .

=
+ =
=

K
t
y
t
K
e
b
K
e

ct
be
t
y Ke

=

3-15. bra: A Gompertz-fle trendfggvny

101
Ld.: Valkovics Emil [2001] 121141
102
Kotz [2006] 14: ktet, 87278728.
69

A fggvny helyettestsi rtke a 0 t = helyen s a teltdsi szint:
b
0 b
t
t
K
y Ke ,
e
limy K.

= =
=

A
Az abszolt nvekedsi fggvny:
( ct )
be ct
t
dy
= = cbKe
dt


o
A relatv nvekedsi fggvny:
( ct ) ( ct )
be ct be ct
t
dy dy
= ( )/y = = [cbKe ] /[Ke ] cbe
dt ydt


=
A fggvny elaszticitsa:
ct
t
dy t
= = cbte
dt y

c
A 63 szzalkos trendfggvny

A 63 szzalkos fggvny egyik nevezetes pontjrl kapta a nevt: a fggvny a t T = id-
pontban ri el a teltdsi szint 63 szzalkt. A 3-16. bra mutatja a fggvny alakjt s ne-
vezetes pontjait.
K
t
y
t
T
0,63K
1
1
a
K
K
e
| |
|
\ .

a
w
1
t T 1
a
=
a t
t
T
K
y K
e
| |
|
\ .
=

3-16. bra: A 63 szzalkos trendfggvny

A fggvnyt ler formula:
a t
t
T
K
y K
e
| |
|
\ .
= ,
ahol
T a helyzetparamter, ha T 0 > ;
a a nvekedsi sebessget jellemz paramter, ha a 1 > .

A fggvny nevt ad pont, t=T esetn a fggvny a teltdsi rtk 63%-t veszi fel.
T
K 1
y K K 1 0, 632K
e e
| |
= = =
|
\ .
.
A fggvny inflexis pontjnak koordinti:
70
( )
a
2a a
2
t
2
T t
2 2 2
t t
Ka Ka 1 a
d y T T
e 0
dt t t
| |

|
\ .
(
| | | |

(
| |
\ . \ .
(
= + =
(
(

,
w
a
w
t
1
1
a
1
t T 1 ,
a
K
y K .
e
| |

|
\ .
=
=

A harmadik derivlt ebben a pontban csak akkor egyenl 0-val, ha a 1 = , viszont az a 1 > , te-
ht az inflexis pont ltezsnek elgsges felttelt is bizonytottuk:
w
3
t
3
t
3 2
2
d y
0,
dt
1 1 1
a 1 3a(1 a) 1 (a 1)(a 2) 1 0.
a a a
=
| | | | | |
+ + =
| | |
\ . \ . \ .

A kt emltett nevezetes pont
( )
,
w
T t
y y , azaz a 63%-os s az inflexis pont koordinti alapjn
jl lthat, hogy az a paramter nvekedse esetn a kt pont egyre kzelebb kerl egyms-
hoz, azaz
w
a
limt T

= s
w
t T
a
limy y

= .
A fggvny helyettestsi rtke a t 0 = helyen s a teltdsi szint:
0
t
t
y 0,
limy K.

=
=

Az abszolt nvekedsi fggvny:
a
a
t
-( )
a
T
t a 1
-( )
T
t a
t
aK ( )
dy t
T
= = aK( )
t
dt T
e
e

o =

A relatv nvekedsi fggvny:
a a
a
a-1 a-1
a a
t
(t/T) (t T) t
T
t t
Ka a
dy K
T T
= ( )/y = ( )/(K- ) =
/
dt
1 e e
e
| |
|
\ .
(

5. A fggvny elaszticitsa:
a a
a-1
a
a
t
(t/T) (t/T)
t
t
ta
a( )
dy t
T T
= =
dt y
1 1 e e
c =
( (



Johnson-trendfggvny

A Johnson-grbe a logisztikus fggvnynl gyorsabban emelkedik s nem szimmetrikus, azaz
az inflexis pont rvidebb id alatt rhet el, teht az inflexis pont s a teltettsgi szint k-
ztti szakasz hosszabb. A gyors nvekedst lnyegesen lassbb teltdsi (rett nvekedsi)
szakasz kveti, mint a logisztikus fggvny esetben. A 3-17. bra mutatja be a Johnson-
trendfggvny alakjt s nevezetes pontjait. Az inflexis pont korn, a b/2-c idpontban be-
kvetkezik, amit egy elnyjtott, hosszabb konkv szakasz kvet.
A fggvnyt ler formula:
71
b
K
c t
t
t
y e ,
b
ln y K ,
c t

+
=
=
+

ahol
b a helyzetparamter, ha b 0 > ;
c a nvekedsi sebessget jellemz paramter, ha c 0 > .

A fggvny inflexis pontjnak koordinti:
( )
( )
( )
K a / b t
2
t
4 2
ae a 2 b t
d y
0
dt
b t
+ (

+ (

= =
+
,
( )
( )
( )
K b/ c t
2
t
4 2
be b 2 c t
d y
0
dt
c t
+ (

+ (

= =
+
,
w
w
K 2
t
b
t c,
2
y e .

=
=

A harmadik derivlt ebben a pontban nem egyenl 0-val, hiszen b 0 > , teht ebben a pontban
inflexis pont van:
w
3
t
3
t
2
d y
0,
dt
b 0.
=
=

t
y
t
K
e
K-2
e

+
=
b
K
c t
t
y e
2
=
w
b
t c
b
K
c
e


3-17. bra: A Johnson-trendfggvny

A fggvny helyettestsi rtke a t 0 = helyen s a teltdsi szint:
b
K
c
0
K
t
t
y e ,
limy e .

=
=

Az abszolt nvekedsi fggvny:
K-[b/(c+t)]
t 2
dy b
= =
dt (c + t)
e
o
A relatv nvekedsi fggvny:
K-[b/(c+t)]
b
K-
c+t
t 2 2
dy b b
= ( )/y = ( )/( )
dt (c + t) (c + t)
e
e
=
A fggvny elaszticitsa:
72
t 2
dy t bt
= =
dt y (c + t)
c
Az ltalnostott Richards-fle logisztikus trendfggvny

Richards
103
kiegsztette egy v paramterrel a logisztikus Verhulst-fggvnyt, ezzel az infle-
xis pontban aszimmetrikuss tve azt:
( )
( )
t 1/ v
c t m
K
y
1 ve

=
+
,
ahol
v szablyozza az inflexis pontban felvett fggvnyrtket, v 0 > ;
c nvekedsi sebessget jellemz paramter, c>0;
m az inflexis pont, m>0.
A fggvny inflexis pontjai:
( )
w
w
t 1 v
t m,
K
y .
1 v
=
=
+

A fggvny helyettestsi rtke a 0 t = helyen s a teltdsi szint:
( )
0 1/ v
cm
t
t
K
y ,
1 ve
limy K.

=
+
=

Az ltalnostott Richards-fle logisztikus trendnek a hazai s a nemzetkzi szakirodalomban
jelenleg szles krben elfogadott kpletben feloldottk azt a felttelezst, hogy a fggvny
nem rendelkezik als aszimptotval.
104
Ez az t paramterrel rendelkez fggvny egy olyan
S-alak grbt hatroz meg, amely plyjt az A als korlt s a K teltdsi szint kztt futja
be.
A fggvnyt ler formula
( )
( )
( )
t 1/ v
c t m
K A
y A
1 ve

= +
+
.
A fggvny inflexis pontjnak koordinti:
( )
( )( )( )
( )
2
2v 1 v
c m t v 2 cm ct cm ct t
2
d y
c e K A e e ve e 0
dt
+
+
= = ,
( )
( )
w
w
t 1/ v
t m,
K A
y A .
1 v
=

= +
+

A harmadik derivlt ebben a pontban nem egyenl 0-val, mivel v 0 > , teht ebben a pontban
inflexis pont van:
w
3
t
3
t
d y
0,
dt
v 1.
=
=

A fggvny helyettestsi rtke a t 0 = helyen s a teltdsi szint:
( )
( )
0 1/ v
cm
t
t
K A
y A ,
1 ve
limy K.

= +
+
=


103
Ld.: Richards ([1959] 290301. s Xinyou Yin et al. [2003] 361371.
104
Ld.: PellaTomlinson [1969] 421-496. Colin [1999] 713-723. s Fokasz [2006] 29.
73
Ha A 0 = s v 1 = , akkor az ltalnostott Richards-fle trendfggvny logisztikus fggvny-
ny alakthat:
( )
t
c t m
K
y
1 e

=
+
.
Ha A 0 = , m 0 = s v 0 , akkor a Richards-fggvny Gompertz-fggvnny alakul t
105
,
mert
x
1 x e + ~ , ha x 0 :
( ) c t m
e
t
y Ke

= .
Ha A 0 = , m 0 = s v 1 = a Richards-fggvny Mitscherlich-trendfggvnny alakul:
.
( )
( )
( )
ct
t 1
c t 0
K
y K 1 e
1 e

= =

t
y
t
w
t m =
A
K
( )
( )
( )
1/

= +
+
t
v
c t m
K A
y A
ve
( )
( )
1/

1

= +
+
w
t v
K A
y A
v
( )
( )
0 1/

= +
+
v
cm
K A
y A
ve

3-18. bra: Az ltalnostott Richards-fle trendfggvny

Az abszolt nvekedsi fggvny:
c(m+t/v) cm ct (v 1) / v
t
dy
= = ce (K A)(ve e )
dt
+
o +
A relatv nvekedsi fggvny:
c(m+t/v) cm ct (v 1) / v
t -c(t-m) 1/v
c(m+t/v)
cm ct 1/ v ct/v) cm ct
dy (K- A)
= ( )/y = (ce (K A)(ve e ) )/(A+ ) =
dt (1+ ve )
ce (K A)
(A[ve e ] e (K A))(ve e )
+
+

=
+ + +


A fggvny elaszticitsa:
c(m+t/v)
t cm ct 1/ v ct/v) cm ct
dy t tce (K A)
= =
dt y (A[ve e ] e (K A))(ve e )

c
+ + +


3.4.3 Kt inflexis ponttal rendelkez trendfggvnyek

Az egy inflexis ponttal rendelkez teltdsi grbk bemutatsa utn a kt inflexis ponttal
rendelkez trendek kzl az letgrbe
106
s Hubbert-fggvnyeket ismertetjk.





105
Ld.: Xinyou et al. [2003] 362.
106
Haustein [1972] az letgrbe trendet kolgiai fggvnynek nevezi.
74
letgrbe trendfggvny

Az letgrbe trendfggvny a termkletgrbe alakulst mutatja, nevt is innen kapta, mivel
a termk piaci forgalmnak (volumennek) alakulst brzolja az id fggvnyben. A k-
vetkez a marketing szakirodalmban ismert szakaszokat lehet megklnbztetni: kelet-
kezs, bevezets, nvekeds, rettsg (teltds, itt ri el a forgalom a maximlis rtket), te-
ht eddig egy S-alak trenddel lerhat a folyamat alakulsa, s ezt kveten trtnik a vlto-
zs, a teltdst kveti a hanyatls. A termk kereslete egy bizonyos id utn drasztikusan
cskkenhet. Dnteni kell a termk gyrtsnak lelltsrl, a piacrl val kivonsrl. A 3-19
bra mutatja be az letgrbe fggvny alakjt s nevezetes pontjait. A vllalatgazdasgi szak-
emberek
107
ltalnosan elfogadjk a termkletgrbk lerst a kvetkez trendfggvnnyel
( )
( )
2 2
2 2
t
t
t
a
y ae
e
e t
e t
= = ,
ahol a termk letgrbe alakulsnak megfelelen:

t
y a termkbl a t -edik vben rtkestett mennyisg becslt rtke;
a az ves termelsi rtkestsi volumenek vrhat maximuma;
e a grbe alakjt, az inflexis pontok helyt meghatroz alakparamter;
t a maximlis rtkests vrhat idpontja.

A fggvny maximuma, mivel ebben a pontban az els derivlt nulla s a msodik derivlt a
t pontban negatv 1:
( )
( )
2 2
t 2 t
dy
2a t e 0
dt
e t
= e t = ,
max
max
t
t ,
y a.
= t
=

A fggvny inflexis pontjai:
( )
( )
2 2
2
2
t 2 2 t
2
d y
2a e 2 t 1 0
dt
e t
(
= e e t =

,
1 2
w ;w
1 2
w ;w
t
1
t ,
2
a
y .
e
= t
e
=

Bizonythat, hogy a harmadik derivlt ezekben a pontokban nem egyenl 0-val.
A fggvny helyettestsi rtke a t 0 = helyen s a teltdsi szint:
( )
2 0
t
t
a
y ,
e
limy 0.
et

=
=

Az letgrbe trendfggvny s a normlis eloszls srsgfggvnye kztti sszefggst az
albbiakban mutatjuk be
108
.
Amennyiben
2
1
a
2
=
to
,
2
1
2
e=
o
,
gy
( )
( )
2
2 2
2
1
t
t
2
t
2
1
y ae e
2
t
e t
o
= =
to

a t vrhat rtk,
2
o variancij normlis eloszls srsgfggvnye.


107
Ld.: Korn [1978] 123124., KotlerKeller [2006] 189. s Ivnyi [1984] 2829.
108
Haustein [1972] 186187.
75
Az abszolt nvekedsi fggvny:
2 2
2 - (t -)
t
dy
= = 2a ( - t) e
dt
e
o e
A relatv nvekedsi fggvny:
2 2 2 2
2 - (t -) - (t -) 2
t
dy
= ( )/y = 2a ( - t)e /ae = 2 ( - t)
dt
e e
e e
A fggvny elaszticitsa:
2
t
dy t
= = 2 ( - t)t
dt y
c e

t
y
t
1
2
t +
e
t
1
2
t
e
a
e
( )
2 2
t
t
y a
e t
= e
a

3-19. bra: Az letgrbe trendfggvny

Hubbert-trendfggvny

A Hubbert-fle trendfggvny alapjn olajhozamcscsnak nevezzk a kolaj kitermelsnek
idbeli tetzst. Az olajhozamcscs az n. Hubbert-fle cscselmlet alapjn szmthat,
amelyet Hubbert, a Shell Oil Kutatlaboratrium geofizikusa 1956-ban alkotott meg. Az el-
mlet az Egyeslt llamok kolaj-kitermelsnek maximumt 19651970 idszakra becslte.
Ezzel mindssze egy vet tvedett, az Egyeslt llamok kitermelsi cscsa 1971-ben volt. A
fldgz, a kszn, a vasrc, valamint ms nyersanyagok rendelkezsre ll mennyisge ha-
sonlan a kolajhoz vges, gy termelsk hossz tvon a Hubbert-fggvnnyel prognoszti-
zlhat.Hubbert
109
matematikai modelljt egy olajmez vrhat lettartamnak modellezsre
dolgozta ki. A modell alkalmazhat egyes terletek vagy akr az egsz Fld kszleteire is.
110

A 3-20 bra mutatja be a Hubbert-trendfggvny alakjt s nevezetes pontjait.
A fggvnyt ler formula
111

( )
( )
( )
( )
b t b(t )
t 2 2
bt b b t
bUe bUe
y
e e
1 e
t +t
t t
= =
+
+
,
ahol
b a meredeksget kifejez, vagyis az emelkedst (a felszll gat) s az ereszkedst
(leszll gat) ler, az inflexis pontokat meghatroz alakparamter;
U a teljes Hubbert-trend becslt rtkeinek sszege,
112
az idtengelyen;

109
Marion King Hubbert (19031989). Kutatsi eredmnyei: www.hubbertpeak.com/hubbert
/Bibliography.htm. (Elrs dtuma: 2009. janur 28.)
110
Hubbert 1956-ban megjelent tanulmnyban azt prognosztizlta (www.hubbertpeak.com/
hubbert/1956/1956.pdf), hogy pldul a texasi kolaj- s fldgztermels 1973-ban elri a cscsterme-
lst, majd ezt kveten a termels cskkenni fog s 2050-ben meg fog sznni. A Hubbert-prognzist
napjainkig igazolta az id.
111
Laherrre [2000]
112
Ultimate recovery of crude oil: the total resource available (a kolaj utols kitermelse, vagyis az
sszes elrhet kszlet).
76
az az idpont, ahol a grbnek cscspontja van:
bU
y
4
t
= .
A fggvny maximuma, mivel ebben a pontban az els derivlt nulla s a msodik derivlt a
t pontban negatv
( )
2b
-2e :
( )
( )
( )
b t 2 b bt
t
3
b bt
b Ue e e
dy
0
dt
e e
+t t
t

= =
+
,
max
max
t
t ,
y bU/ 4
= t
=

t
y
t
b( t )
t b( t ) 2
bUe
y
(1 e )
t
t
=
+

w1
t
ln(2 3)
t
b

= + t
w2
t
ln( 3 2)
t
b
+
= + t
bU
6
bU
4

3-20. bra: A Hubbert-trendfggvny

A fggvny inflexis pontjai:
( )
2
t
2
b t 2bt 2b
d y
0
dt
e 4e e 0
+t t
=
+ =
,
( )
1 2
w ;w
1 2
w ;w
t
ln 2 3
1, 317
t ,
b b
bU
y .
6
+
= t ~ t
=

A fggvny helyettestsi rtke a t 0 = helyen s a teltdsi szint:
( )
b
0 2
b
t
t
bUe
y ,
1 e
limy 0.
t
t

=
+
=


Az abszolt nvekedsi fggvny:
2 b(t ) b bt
t bt b 3
dy b Ue (e e )
= =
dt (e e )
+t t
t

o
+

A relatv nvekedsi fggvny:
2 b(t ) b bt b(t ) b bt
t bt b 3 b(t ) 2 bt b
dy b Ue (e e ) bUe b(e e )
= ( )/y = ( )/( ) =
dt (e e ) (1 e ) e e
+t t t t
t t t

+ + +

A fggvny elaszticitsa:
b bt
t bt b
dy t dy t tb(e e )
= = =
dt y dt y e e
t
t

c
+


77
3.4.4 A logisztikus trendek becslse Excel parancsfjl mkdse*
A logisztikustrendekbecslse.xls Excel parancsfjl a bemutatott tizenkt logisztikus trend-
fggvny illesztst knnyti meg a felhasznlk szmra. Tizenkt olyan munkalapot tartal-
maz, melyek a klnbz fggvnyformk nevei alapjn kerltek elnevezsre, valamint egy
Ciklus nev munkalapot, mely a klnbz illesztett trendek alapjn a rvid s hossz tv
ciklusok vizsglatt teszi lehetv. A fjlban a cellk sznezse jelentsggel br: a halvny-
srga cellk szabadon vltoztathatk, a zld cellk az egyes paramterek javasolt kezdeti rt-
keit adjk meg, mg a fehr cellk szmtsi (rsz)eredmnyeket tartalmaznak. A sznezs
alapjn lthat, hogy a fjl maximlisan 1000 hosszsg idsor feldolgozsra kpes. Az
egyes munkalapok kztt nincs sszefggs, azaz amennyiben tbb trendet kvn a felhaszn-
l illeszteni ugyanarra az adatsorra, gy az adatokat valamennyi kivlasztott lapra be kell m-
solnia. j adatbevitel esetn mind a 12 munkalapon trlni kell az adatokat, az adatok trlse
ikonra kattintva, utna pedig bemsolni az j adatllomnyt. A fjl az adatok beillesztst k-
veten azonnal brzolja az idsort, valamint az aktulisan bevitt paramterek alapjn a trend-
fggvnyt is. Az Id oszlop kitltse opcionlis, amennyiben kitltsre kerl, gy az brzo-
ls esetn ezt figyelembe veszi a fjl az idtengely felirataknt.
A javasolt kezdeti paramterek az egyes fggvnyek nevezetes pontjai (maximlisan felvett
rtk, els idszak megfigyelsnek rtke, inflexis pont stb.) alapjn kerltek meghatro-
zsra. A PearlReed-fle logisztikus fggvny pldjn keresztl mindez azt jelenti, hogy a K
paramter javasolt rtke az idsorban tallhat maximlis rtkkel egyezik meg
( )
max
K y =

.
A b paramter kezd rtknek meghatrozsa az
0 1
K
y y
1 b
= ~
+

sszefggs alapjn
1
K
b 1
y
~

mdon trtnik, ahol ~-mal az adott paramter kzelt, kezdeti rtkt jelljk. Az inflexis
pont nyjt segtsget a harmadik paramter kzelt meghatrozshoz. A fjl megkeresi az
inflexis pontban felvett K 2 fggvnyrtkhez legkzelebb es, de annl kisebb tnyleges
idsori rtket, amibl
w
t felttelezett rtke kvetkezik. Ekkor
w
ln b
c
t
=

alapjn kvetkeztethetnk c kzelt rtkre. A tbbi trend esetn az ajnlott kezdrtkek
teljesen hasonl mdon kerltek meghatrozsra. Az indul paramterek ilyen mdon trtn
meghatrozsa azt okozhatja, hogy amennyiben olyan jelensget vizsglunk, amely mr lefu-
tott, s az illeszteni kvnt fggvny alkalmas, gy a kezd paramterek megadsval jl il-
leszked fggvnyt kapunk. Amennyiben egy teltdsi, vagy letciklus-folyamat elejn tart
jelensget vizsglunk, gy a feltntetett paramterek helyett szakrti, elemzi tapasztalatra
kell tmaszkodni. Az indul paramterek termszetesen nem minden esetben adnak tkletes
javaslatot, gy lehetsg van a paramterek kzi vezrlsre is. Valamennyi munkalap tartal-
maz olyan parancsgombokat, melyek a paramterek finomhangolst vgzik el (Opt. mind). A
parancsgombok az Excel beptett Solver funkcijt hvjk meg, a clfggvny pedig az
2
R
maximalizlsa az egyes paramterek iteratv vltoztatsval. Lehetsg van arra is, hogy a
Solver a (kzzel, szakrti becsls alapjn belltott) teltdsi paramter rtkn ne vltoztas-
son, ekkor csupn a tbbi paramter nagysgt fogja a program meghatrozni (Opt. K nlkl).
Az Excel beptett Solver csomagja nem kpes minden esetben globlis optimumot tallni,
113

gy rdemes az illesztst tbb klnbz, kzzel belltott indulrtkkel elvgezni. Fknt az
letgrbe s Hubbert fggvnyek esetn problmt okozhat a paramterek nagysgrendjnek
jelents eltrse. A Solver ebben az esetben a tlsgosan nagy paramtert nem mozdtja el

113
A piacon elrhetk globlis optimumot meghatroz, Excelbe bepl Solverek is, m ezek nem
ingyenesek.
78
kezdeti rtkrl. A megolds az eredeti adatsor dimenzijnak vltoztatsa (pl. 1000-rel val
oszts). A fjl
( )
( )
2
t t
2 t
2
t t
t
y y
SSE
R 1 1
SST
y y

= =

mdon szmt, ahol SSE (Sum of Squared Errors) a reziduumok ngyzetsszege; SST (Sum
of Squares Total) a teljes eltrs ngyzetsszeg.

A kielgtnek tlt paramterek megtallsa utn az extrapolci belltsval lehetsg van
a trend mechanikus kiterjesztsre (a megfigyelsek szma az extrapolcival egytt sem lp-
heti t az 1000 darabot). A Ciklus munkalapon az illesztett trendek tovbbi vizsglatra
(reziduumok brzolsa, mozgtlagolsa), s sszehasonltsra nylik lehetsg. A Ciklus
munkalap valamennyi esetben az adott fggvny munkalapjn belltott paramterezs alap-
jn dolgozik.
A ciklus munkalapon kivlaszthatjuk a 12 trend kzl azt, amit vizsglni kvnunk (termsze-
tesen egyenknt mind a 12 trendfggvny konjunktra ciklusait vizsglhatjuk s sszehason-
lthatjuk) s meg kell adni a mozgtlag tagszmt. A mozgtlag tagszma az adatbzistl
fgg. Rvid ciklusok vizsglata esetben a szezonalitst kszbljk ki, ha havi adatok llnak
rendelkezsre a mozgtlag tagszma 12, negyedves adatok esetben 4. (Megjegyezzk,
hogy a szezonlis hullmzskiszrse utn, ha ezt kveten kiszrjk a trendhatst, akkor a
Kitchin-fle rvid ciklus becslst kapjuk meg.)
Ha a hossz ciklusokat vizsgljuk ves adatokkal, akkor ltalban 8 vagy 9 tag mozgtlagot
vlasztunk a rvidebb peridus (pl. 4-8 vagy 3-9 ves) ciklusok kiszrsre. (Megjegyezzk,
hogy a rvidebb ciklusok kiszrse utn, ha ezt kveten kiszrjk a trendhatst, akkor a
Kondratyev fle hossz ciklus becslst kapjuk meg.) Vizsglni lehet az idsorokat abbl a
szempontbl is, hogy hogyan reaglnak a mozgtlag tagszmnak megvltoztatsra. V-
laszthatunk az additv s a multiplikatv modell kztt. Az adatok bevitele utn a program b-
rzolja az eredeti adatokat s a trendet s a msodik brban a ciklust. Kiszmtja
multiplikatv kapcsolatot felttelezve az eredeti idsor s a trend hnyadost (
ij ij
y / y ) vala-
mint additv kapcsolatot felttelezve az eredeti idsor s a trend klnbsgt (
ij ij
y y ). gy
mindkt felttelezs mellett kikszbli a trendhatst. A ciklikus mozgsokat a trendtl meg-
tiszttott idsoroknl a felhasznl ltal megadott mozgtlag tagszm alapjn mozgtlago-
lssal kszbli ki s szmtja valamint brzolja.
Ciklus munkalapon: Vlassza ki a trend tpust, a mozgtlag tagszmt (ha 1 akkor nincs
mozgtlagols) a trend s a periodikus hullmzs kapcsolds mdjt: additv vagy
multiplikatv. A srga kockkban lev szmok cserlhetk. Ha a mozgtlag tagszma 1, ak-
kor az eredeti adatok s a trend klnbsgvel illetve hnyadosval szmol a program.
Ha az Id oszlopba bemsoljuk a tnyleges idt, pl. veket, akkor az bra X tengelye ezt veszi
figyelembe, ha az Id oszlop resen marad, akkor a sorszmok jelennek meg az X tengelyen.
Ha a kt tengelyt egyenknt egrmvelettel kijelljk (bal gomb) akkor a jobb gomb lenyo-
msval a skla mrtke vltoztathat. Az adatok bevitele utn a program kzli a trend para-
mtereket, az illeszts pontossgt, az R
2
t s elkszti a trend brt. Kzli tovbb az SSE
s SST rtkeket is, amibl az R
2
t szmtja.
Gyakorl feladatok. Dekompozcis idsormodellek

1. Az IBM
114
rtkestsnek s nyeresgnek prognosztizlsa, a trendszezon-
hibaszmts.xls Excel parancsfjl felhasznlsval.

Vlassza ki a kt legjobban illeszked trendfggvnyt a MAPE hibakplet alapjn, ha:

114
Az adatok forrsa: http://www-03.ibm.com/ibm/history/history/history_intro.html
Az adatok a CD-n megtallhatk.
79
az IBM rbevtelt prognosztizlja: becslsi idszak 1954-1979, teszt idszak 1980-
1984:
az IBM rbevtelt prognosztizlja: becslsi idszak 1954-1984, teszt idszak 1985-
1990:
az IBM nyeresgt prognosztizlja: becslsi idszak 1954-1979, teszt idszak 1980-
1984:
az IBM nyeresgt prognosztizlja: becslsi idszak 1954-1984, teszt idszak 1985-
1990:

brzolja:
az IBM rtkestsi rbevtelnek tnyleges alakulst 1985 s 2007 kztt.
az IBM nyeresgnek tnyleges alakulst 1985 s 2007 kztt.
az IBM ltszmnak tnyleges alakulst 1985 s 2007 kztt.
Milyen kvetkeztetseket von le az brk alapjn.
2. Grafikusan brzolja Anglia (UK) rendelkezsre ll hossz idsorait, elemezze a
hossztv tendencikat, az vszzados trendeket, s vgezzen trendextrapolcit a legjobban
illeszked trend alapjn!
2.1. Az albbi idsorok esetben: a becslsi idszak 1830-2000, teszt idszak: 2001-2006,
trendextrapolci: 2007-2011.
115

1830-2006-ig rendelkezsre ll idsorok:
Nvleges GDP ( milli font)
Rel GDP (2003-as milli font)
GDP deflcis index (index 2003=100%)
Npessg (ezer f)
Nominl GDP/f (forgalomban lv font)
Rel GDP/f
2.2. Az albbi idsorok esetben: a becslsi idszak: 1264-2000, a teszt idszak: 2001-2006,
trendextrapolci: 2007-2011.
116

1264-2006-ig rendelkezsre ll idsorok:
Kiskereskedelmi rindex (1913 = 100 %)
tlagos nominlis nyeresg (1913 = 100 %)
tlagos relnyeresg (1913 = 100 %)
2.3. Az albbi idsor esetben: a becslsi idszak: 1257-2000, a teszt idszak: 2001-2006,
trendextrapolci: 2007-2011.
117

Egy uncia sznarany v vgi ra angol fontban.
2.4. Az albbi idsor esetben: a becslsi idszak: 1265-2000, a teszt idszak: 2001-2006,
trendextrapolci: 2007-2011.
118

A fogyaszti rindex alakulsa az elz vhez viszonytva %-ban.
3. brzolja s elemezze A BUX-index napi zr rtknek alakulst
119
1991.01 s
2008.04.04 kztt.
4. Mutassa ki a trendet s a szezonindexeket Magyarorszg energiafelhasznlsa 1999-2007
(PJ) idsora (negyedves adatok) alapjn.
120


115
http://www.measuringworth.com/datasets/ukgdp/result.php.
Az adatok a CD-n megtallhatk.
116
Az adatok forrsa: http://www.measuringworth.com/datasets/ukearncpi/result.php Az adatok a CD-
n megtallhatk.
117
Az adatok forrsa: http://www.measuringworth.com/datasets/ukearncpi/result.php Regionlis bel-
ltsokat mdostani kell.
Az adatok a CD-n megtallhatk.
118
Az adatok forrsa: http://www.measuringworth.com/inflation/# Regionlis belltsokat mdostani
kell. Az adatok a CD-n megtallhatk.
119
Az MNB kzli 1991.01.02 tl folyamatosan a BUX-index napi tlagos indexnek alakulst
(1991. janur 2.=1000) Excel fjban. http://www.mnb.hu/engine.aspx?page=mnbhu_statisztikak
A CD-n eredetibuxindex.xls
120
Az adatok a CD-n megtallhatk.
80
5. Az USA lakossgi teljes villamosenergia fogyaszts (millird kwra/hnap) idsora 1973
janur s 2007 november kztt rendelkezsnkre ll.
121
Mutassa ki a szezonlis hatst. Me-
lyik analitikus trend illeszts adja a legjobb eredmnyt. A trend s a szezonkomponens kztt
multiplikatv- vagy additv e a kapcsolat.
6. Grafikusan brzolja az Amerikai Egyeslt llamok (USA) rendelkezsre ll hossz id-
sorait, elemezze a hossztv tendencikat, az vszzados trendeket, s vgezzen
trendextrapolcit a legjobban illeszked trend alapjn Az USA albbi hossz idsoraival
rendelkeznk.
6.1 Rvid lejrat kamatlb (%) 1831-2006 kztt.
122

6.2 Fogyaszti rindex (CPI = Consumer Price Index, CPI =1982-84=100) 1774-2007 k-
ztt.
123

6.3 A szinarany $/uncia v vgi r alakulsa 1786 s 2006 kztt.
124

6.4 brzolja s elemezze a Dow-Jones index napi zrrtknek az alakulst 1885.02.17 s
2007.04.03 (33739 adat!) kztt.
6.5 Egy fre jut aranytermels 1860-2005 kztt.
6.6 Egy fre jut kolajtermels 1866-2005
6.7 Egy fre jut kszntermels 1860-2005
6.8 Egy fre jut lomtermels 1830-2005
6.9 Egy fre jut acltermels 1867-2005
6.10 Egy fre jut vasrctermels 1880-2004
6.11 Egy fre jut aluminiumtermels 1896-2004
6.12 USA kolajtermelse naponta 1900-2007
7. Grafikusan brzolja a vilg sszesen rendelkezsre ll hossz idsorait, elemezze a
hossztv tendencikat, az vszzados trendeket, s vgezzen trendextrapolcit a legjobban
illeszked trend alapjn A vilg sszesen albbi hossz idsoraival rendelkeznk.
7.1 Egy fre jut aranytermels 1876-2005 kztt.
7.2 Egy fre jut ezsttermels 1870-2005 kztt
7.3 Egy fre jut kolajtermels 1860-2005
7.4 Egy fre jut kszntermels 1860-2005
7.5 Egy fre jut barnaszntermels 1890-2005
7.6 Egy fre jut acltermels 1890-2005
3.5 Naiv elrejelzsi technikk. (A naivmdszer-parancsfjl mkdse.)*

A naiv szablyok
125 126 127
egyszer, de potencilisan hatkony idsor elrejelzsi mdszerek.
Szablyok abban az rtelemben, hogy elre meghatrozottak, gy nincs szksg paramterr-
tkek becslsre, mint pl. a dekompozcis vagy az exponencilis simtsi mdszereknl. A
naivits azt a tnyt jelenti, hogy az idsor brmely naiv elrejelzsnek alapja az idsor n-
maga. Az idsort hasznljuk nmaga elrejelzsre, azaz az idsor trtneti rtkeit hasznl-
juk ugyanazon idsor jvbeni rtkeinek kpzsre vagy ltrehozsra. A naiv szablyok
egyszersgkben viszonylag alacsony kltsg elrejelzsi mdszerek, de ha egy mdszer
hatkony, nem kell hezitlni az alkalmazsval egyszersge vagy naivitsa miatt. A naiv
szablyok hatkonyabbak rvidtv, mint hossz tv elrejelzsre. Amint a prognzistv
hosszabbodik, a naiv elrejelzs valsznleg kevsb pontos, s nagyobb az ilyen elrejelz-
seken alapul dntsek velejr kockzata. Minden idsor vltozst mutat az egyes megfigye-
lsek s a kvetkezk kztt az idsor teljes hosszn. Brmely idsor felteheten egy vagy

121
http://www.eia.doe.gov/emeu/mer/elect.html Az adatok a CD-n megtallhatk.
122
http://www.measuringworth.com/datasets/interestrates/result.php Az adatok a CD-n megtallhatk.
123
http://www.measuringworth.com/uscpi/
124
http://www.measuringworth.com/datasets/gold/result.php
125
Farnum Nicholas R., - Stanton LaVerne W. [1989]: 15-17. 105-108.
126
http://facweb.furman.edu/~dstanford/forecast/h3.htm
127
Theiss Ede: szerk. [1958]: 220-221.

81
tbb tpus hullmzst tartalmaz, amint korbban bemutattuk: a trendet, a konjunktra ciklust,
a szezonlis hullmzst s a vletlent. Az elemzsi mdszer megprblja figyelembe venni az
idsorban lev hullmzs minden tpust. A kvetkezkben lert egyszer naiv szablyok k-
szthetk gy, hogy figyelembe vegyk az idsorban lev trend s szezonlis tnyezket, de a
naiv szablyok ritkn kpesek figyelembe venni a sorban lev ciklikus viselkedst. Az egy-
szer, naiv szablyoknak ngy csoportja van:
1. azok, amelyek sem a trendet, sem a szezonalitst nem veszik figyelembe (alaprtel-
mezett elrejelzsi szablyok),
2. azok, amelyek a trendtnyezt figyelembe veszik, de felteszik, hogy a szezonalits
nem szignifikns,
3. azok, amelyek figyelembe veszik a szezonlis tnyezt, de felteszik, hogy a trend nem
szignifikns,
4. azok, amelyek megprbljk figyelembe venni az idsor trend s szezonlis kompo-
nenseit is.

Racionlis emberek gyakran hoznak dntseket anlkl, hogy elszr brmilyen elrejelzsi
mdszerrel foglalkoznnak. Amikor gy tesznek, azt felttelezik, hogy a jvbeli llapot ha-
sonl lesz a jelenhez vagy a kzelmlthoz. Az alaprtelmezett elrejelzs megfelel lehet a
mindennapi let sok minimlis kvetkezmnnyel jr dntsvel kapcsolatban. Ezrt az alap-
rtelmezett elrejelzs nem szksgszeren irracionlis. Formalizlni lehet az alaprtelmezett
elrejelzsi mdszert, amely a kvetkez formban rhat:

1.1 Szably:
t+1 t
y y =
ahol:
t = az az idpont, melyen a prognzis alapul, rendszerint a legutbbi elrhet megfi-
gyels,

t+1
y

= a kvetkez megfigyels elrejelzse a sorban.
A szably ltalnosthat i prognzistvval, trva a kvetkezkppen:

1.2 Szably:
t+i t
y y =

Az 1.2 szably rtelme az, hogy a sor llapota nhny, i, peridusban a jvben vrhatan ha-
sonl a megfigyelshez, melyen az elrejelzs alapul. Ezek az elrejelzsek azonban sem a
trendet, sem a szezonalitst nem veszik figyelembe.
Az 1.1 s 1.2 szably olyan naiv s egyszer, hogy ktelkedni lehet formalizlsuk clszer-
sgben. Hrom clt szolglnak: (a) feltrjk a szimbolikus jellsek hasznlatt a legegysze-
rbb formban; (b) kiindulpontknt szolglnak a kvetkez szablyok kifejlesztshez; s
(c) sszehasonltsi alapszablyt hoznak ltre, melyhez a tbbi elrejelzsi szably teljest-
mnynek hatkonysga hasonlthat.

2. Szablyok, amelyek figyelembe veszik a trendtnyezt.
A trend a hossz tv vltozs jelensge egy gyjttt adatsorban ltalban azonos irnyban az
idsor teljes hosszban rvnyeslhet. A trend jelenlte lehet, hogy nem felismerhet az id-
sorban nhny egymst kvet megfigyelsbl, klnsen ha egyb tpus hullmzs (szezo-
nlis, ciklikus vagy tiszta vletlen) is van benne. Az idsor brzolsa feltrhatja a trend je-
lenltt. Felfel emelked trend nvekedsi jelensget mutathat; lefel lejt irny cskkenst
jelezhet.
A szablyok 2. osztlyban, melyet a kvetkezkben ttekintnk, az a feltevs, hogy nincs
ms tpus (pl. szezonlis s ciklikus) szignifikns tnyez a sorban, mint a trend. A 2. osz-
tlyban hasznlt elrejelzsi mdszer ltrehoz egy trendkiigaztsi tnyezt, melyet a megfi-
gyelt sorhoz kapcsol, amely az elrejelzs alapjt kpezi.
A legegyszerbb mdszer, amely megprblja a vltozst figyelembe venni egy elrejelzsi
szablyban, a legutbbi kt megfigyels kztti abszolt vltozst, a klnbsgkpzst (els-
82
fok differencit) (y
t
- y
t-1
) hozzadja a sor legutbbi megfigyelshez y
t
-hez, annak rdek-
ben, hogy ltrehozza a sor kvetkez y
t+1
rtknek elrejelzst. Ezt a prognzis mdszert
naiv lineris trendnek is hvhatjuk. Ha az elemz tbb, peridus rtkt kvnja elrejelezni, a
legutbbi megfigyelsen tl, mindssze meg kell szorozni a szmtott vltozst i-vel, melyet
ezutn prognzistvnak neveznk. Ez algebrailag a kvetkezkppen rhat:

2.1 Szably:
t+i t t t 1
y y i(y y )

= +
Ez nagyon leegyszerstett trenddel foglalkoz mdszer, mivel csak az adatok legutbbi vl-
tozsnak informcijt tartalmazza. Ha ezt a szablyt sszehasonltjuk a tbbivel, gy te-
kinthet, kielgt eredmnyt adhat. Tegyk fel, okunk van azt felttelezni, hogy a vizsglt
idsorban a nvekedsi tem lland, ezrt a relatv vltozs sokkal kifejezbb mint az ab-
szolt vltozs. A 2.2 szably a 2.1 szably mdostsa, vagyis a prognosztizlt rtket a leg-
utbbi relatv vltozs y
t
/y
t-1
hozzkapcsolsval kpezi figyelembe vve a legutbbi megfi-
gyelst:

2.2 Szably:
i
t+i t t t 1
y y (y / y )

=
Ez az alkalmazs multiplikatv mveletet tartalmaz, a 2.1 szably additv mvelete helyett.
Ha az i prognzistv egy peridusnl nagyobb, a relatv vltozs tnyezt i-szer kell alkal-
mazni a legutbbi megfigyelsre, ezrt alkalmazzuk az i hatvnykitevt, melyre a relatv vl-
tozst emeljk. A 2.2 szably trenddel kapcsolatos fogalmi nehzsgei azonosak a 2.1 szab-
lyival.

2.3 Szably:

A 2.3 szably kpviseli az erfesztst a hossz tv vltozs kpletbe foglalsa problmj-
nak megoldsra. A legutbbi abszolt vltozs hasznlata helyett kiigaztsi tnyezknt, 2.3
az sszes egymst kvet megfigyels nvekmny medinjt hasznlja a sorban, s ezltal
alkalmazza a teljes adatsorra kiterjed informcit. A szmtani tlag nagysga kizrlag az
idsor legrgebbi (k=2) s legjabb (m) adattl fgg, s ha ez a kt adat eltr az ltalnos
tendencitl, akkor az tlagos nvekmny nem ad pontos rtket. A medin, mint helyzeti
kzprtk alkalmazsa ezrt indokolt, ugyanis a medin mint korbban mr bemutattuk -
egy biztosan kzepes, meglehetsen robusztus (azaz viszonylag rzketlen a kiugr rtkek-
re) kzprtknek bizonyult. A medin robusztus tulajdonsgt knny megrteni, ha arra
gondolunk, hogy a rangsorba rendezett adatok szls rtkei nagysgt nem befolysoljk. A
medin, a sz legszorosabb rtelmben kzepes rtk, a mennyisgi ismrvrtkek kzl az
az rtk, amelynl ugyanannyi kisebb, mint nagyobb rtk fordul el.
Meghatrozsa igen egyszer, mivel rtke a rangsorba rendezett ismrvrtkek kzps tag-
ja, teht, ha az elsrend differencikat jelljk:
k k k-1
= (y - y )
m = a megfigyelsek szma az idsorban.
k=2..m

- pratlan elemszm adathalmaz esetn:
(m 1) 1
k
2
Me
+ | |
o
|
\ .
=
- pros szm adat esetn a medin nem esik egybe egy konkrt megfigyelssel, gy ilyenkor,
konvencionlisan a
(m 1) 1 (m 1) 1
k k 1
2 2

Me
2
+ + | | | |
+
| |
\ . \ .
o
+
=
kplettel hatrozhat meg.

A szably algebrai formulja:
83
( )
t+i t
y y i Me
o
= +

2.4 Szably

A 2.3 szablyhoz hasonlan a 2.4 szably a teljes adatsorra kiterjed informcit hasznlja. A
2.4 szably a 2.2 mdostsa gy, hogy a peridusrl peridusra szmtott relatv vltozs
medinjt hasznlja a teljes sorra (a legutbbi egyperidus relatv vltozs helyett) trendki-
igaztsi tnyezknt. Az tlagos nvekmnyi vltozst gy szmtjuk, hogy az egymst k-
vet egyperidus nvekmnyi vltozsok medinjt hatrozzuk meg. Az elrejelzs kplete:
a legutols megfigyelt rtket meg kell szoroznunk a szmtott trendkiigaztsi tnyez (M
e
)
(i)-ik hatvnyval. Mivel a 2.3 szably a teljes adatsorra kiterjed informcit hasznlja, he-
lyesebben tekinthet trendet becslnek, mint a 2.1 szably.
k k-1 k
= (y /y ) |
m = a megfigyelsek szma az idsorban.
k=2..m

- pratlan elemszm adathalmaz esetn:
(m 1) 1
k
2
Me + | |
|
|
\ .
= |
- pros szm adat esetn a medin nem esik egybe egy konkrt megfigyelssel, gy ilyenkor,
konvencionlisan a
(m 1) 1 (m 1) 1
k k 1
2 2
Me
2
+ + | | | |
+
| |
\ . \ .
|
+ | |
=
kplettel hatrozhat meg.

A szably algebrai formulja:
( )
i
t+i t
y y Me
|
=

Ennek a ngy egyszer naiv szablynak az a clja, hogy figyelembe vegye a trendvltozst az
adatsorban; ez nem az egyetlen lehetsges md a trendvltozs figyelembevtelre, csak a
legegyszerbb.

3. Szablyok, melyek figyelembe veszik a szezonalits tnyezt.

A szezonalits kapcsoldhat a mezgazdasgi munkkhoz, a szezonlis idjrs vltozsok-
hoz, szoksokhoz s hagyomnyhoz, vallsi vagy vilgi nnepekhez. Fontos megjegyezni,
hogy az egyik idsor szezonlis smja lehet, hogy hasonlt, lehet, hogy nem ms idsorok
szezonlis smjhoz.

3.1 Szably.

A 3.1 szably szemllteti a legegyszerbb mdszert a prblkozsra hogy figyelembe vegyk
a szezonalitst az idsorban:
havi adatok esetben:
t+i t i 12
y y
+
=
negyedves adatok esetben:
t+i t i 4
y y
+
=
Ez a szably nem tesz erfesztst a trend figyelembevtelre. Alapfeltevse hasonl az alap-
rtelmezett szablyokihoz, kis kiigaztssal: a sor rtke az elrejelzett hnapban (negyed-
vben) valsznleg azonos lesz az elz v azonos hnapjval (negyedvvel). Ha t a leg-
utbbi megfigyelsi rtk hnapja s i a prognzistv, a t+i peridus elrejelzst az elz v
megfelel hnapjnak (negyedvnek) megtallsval (visszaszmolunk a sorban) kapjuk a
84
(t+i-12 illetve t+i-4) peridusnl. Ez a viszonylag egyszer mdszere a szezonalitsnak a leg-
utbbi tizenkt hnap (ngy negyedv) informciit hasznlja, s valjban elhagy minden
korbbi informcit.

4. Szablyok, melyek figyelembe veszik a trendet s a szezonalitst is.

A 3.1 szablyban alkalmazott mdszer, lehetv teheti a 2.3 s 2.4 szably trendkiigaztsi
tnyezjnek mdostst. Ezeket a szablyokat teht trhatjuk a kvetkezkppen.

4.1 Szably:
( )
t+i t i 12
y y i Me
+ o
= +
Negyedves adatoknl rtelemszeren a 12 helyett 4-vel szmolunk:
( )
t+i t i 4
y y i Me
+ o
= +

4.2 Szably.
Havi adatoknl:
( )
i
t+i t i 12
y y Me
+ |
=
Negyedves adatoknl rtelemszeren a 12 helyett 4-vel szmolunk:
( )
i
t+i t i 4
y y Me
+ |
=
A naivmdszer-parancsfjl mkdse. (naivmodszer.xls)*

Az i=az elrejelzs peridusa, a szezon= a szezon hossza (maximum=12)

A naiv mdszerek megbzhatsgnak ellenrzse.
A becslsi idszak megadsval a rendelkezsre ll idsort kt rszre bontjuk, becslsi s
teszt idszakra. A becslsi idszak felhasznlsval a becslst vgezzk el, a teszt idszak
adatai alapjn a becslsek pontossgt lehet ellenrizni, a MAPE hibakplet felhasznlsval.
A MAPE %-os rtkeit a naiv mdszerek szablyai (1.1, 1.2,..4.2) szerint kzli a program.
Az idsor hosszt felismeri a program, a srga mezbe (Ebbl becslsre felhasznlt:) be kell
rni a becslsre felhasznlt idsor hosszt, ami az idsor fele vagy annl nagyobb rtk. Ha
tesztelni kvnjuk a naiv mdszereket, akkor a becslsre felhasznlt idsor hossznak legna-
gyobb rtke az idsor hossza mnusz egy. Az idsort s a naiv mdszerekkel elvgzett becs-
lsek brit az bra1 s bra2 munkafzetben kzli a program. Az bra1 azoknak a szab-
lyoknak az brit rajzolja meg, ahol nincs szezonalts (1.1.2.4), az bra2 pedig azokat az
brkat kzli, ahol van szezonalts (3.1, 4.1, 4.2). A hibakpletek munkalapon egy grdl
menben megtallhat az egyes naiv prognzis mdszerek hibi
128
, azokban az esetekben, ha
nincs szezonalits (1.1..2.4). Az autokorrelci eredmnyt is kzli a program.
Gyakorl feladatok. (naivmodszer.xls)
Az USA lakossgi teljes villamosenergia fogyaszts (millird kWh/hnap) idsora 1973 ja-
nur s 2007 november kztt rendelkezsnkre ll.
129
Vgezze el a szmtsokat a
naivmodszer.xls parancsfjllal.

3.6 Az exponencilis kiegyenlts mdszere
130
(simit.xls)*


128
Ld. Az elrejelzsek hibinak a mrse.
129
http://www.eia.doe.gov/emeu/mer/elect.html Az adatok a CD-n megtallhatk.
130
Ld.: Kiss Tibor Sipos Bla: ExpS for Windows 1995. szoftver 12 exponencilis simtsi mdszer-
rel vgez szmtsokat itercis eljrssal. A szoftver a PTE KTK gptermeiben hasznlhat. A
simit.xls ugyanezen mveleteket vgzi el, de csak 4 simtsi mdszer becslst dolgoztuk ki. Az ExpS
for Windows lerst s alkalmazst lsd: Kiss Tibor - Sipos Bla - Szentmiklsi Mikls [1995] s
Kiss Tibor Sipos Bla [2000].
85
Az exponencilis kiegyenlts
131
a szmtani illetve a mozg tlagols tovbbfejlesztett vlto-
zata. Kikszbli a mozg tlagols azon hibjt, hogy az minden adatot azonos sllyal vesz
figyelembe. A legjabb adatok ltalban nagyobb szerepet jtszanak a jvbeli adatok alaku-
lsban, mint a rgebbi adatok. Ezrt a legfrissebb adatoknak a megelznl relatve nagyobb
slyt kell adnunk. Elnye, hogy egyszeren kezelhet, nem kvn nagyobb matematikai elm-
lylst. Az alkalmazhatsg feltteleit is meg kell emlteni: megfelel hosszsg idsor [20-
90] szksges a kiegyenltshez.
Az alapkplet szerint a legfrissebb rtk o-sllyal, mg az sszes korbban megfigyelt rtk
(1-o) sllyal jrul hozz a becslt rtk kialaktshoz, gy az o becslse alapvet fontossg.
Az elrejelzs:
( )
t 1 t t
F X 1 F
+
= o + o
ahol:
F = az exponencilis kiegyenltssel nyert rtk
X = megfigyelt rtk
t = idszak
o= reakciparamter, 0 1 s o s
Elrejelzs idszaka: m.
A kezd simtott rtket meg kell adni (inicializls) ami ltalban, az idsor els rtke. Az
els simtott rtk lehet tovbb az els nhny adat valamilyen tlaga, vagy egyb becslssel
nyert rtk.

Legyen:
0 0
F X =
Ez utbbi kpletet a szmtsok sorn clszer hasznlni. Ennek alapjn, ha:
0 0
1 1 0
2
2 2 1 2 1 0 2 1 0
2
3 3 2 3 2 1 0
2 3
3 2 1 0
t 1
i
t
t t i 0
i 0
F X
F X (1 )X
F X (1 )F X (1 )[ X (1 )X ] X (1 )X (1 ) X
F X (1 )F X (1 )[ X (1 )X (1 ) X ]
X (1 )X (1 ) X (1 ) X
F [ (1 ) X ] (1 ) X

=
=
= o + o
= o + o = o + o o + o = o + o o + o
= o + o = o + o o + o o + o =
= o + o o + o o + o
= o o + o

Lthat, hogy az j rtk kialaktsban a legutols (X
t-0
= X
t
) teht t idpontban megfigyelt
adat o sllyal, az azt megelz, (t-1) idpontban megfigyelt (X
t-1
) adat (1-o) , mg az i-edik
idszakot megelz adat (X
[t-(i-1)]
), (1-o)
i
sllyal jrul hozz az F
t
rtk kiszmtshoz. Az
idsor legrgebbi adatnak (X
t-t
= X
0
) slya pedig (1-o)
t
. Ha =0 akkor a legrgebbi adat s-
lya 1.
A slyok geometriai sorozat szerint cskkennek, ahol a kt szomszdos tag hnyadosa: q=(1-
o) s a sorozat els tagja q
0
=o -val. A slyok sszege gy 1-t ad, vagyis a vrhat rtket ha-
troztuk meg. A geometriai sorozat sszegkplett (s) felhasznlva ugyanis:
n t
t
0
q 1 (1 ) 1
s q (1 ) 1
q 1 (1 ) 1
| | o
= = o + o =
|
o
\ .

A slyok alakulst mutatja az albbi 3-2tbla s 3-21 bra, ha = 0,1, 0,2, 0,4, 0,6, 0,8.

131
S. Makridakis-S. C. Wheelwright- V. Mcgee [1983] 84-123. felhasznlsval.
86

3-2. tbla: Az slyok vltozsa
Slyok =0,1 =0,2 =0,4 =0,6 =0,8
Xt 0,1 0,2 0,4 0,6 0,8
Xt-1 0,09 0,16 0,24 0,24 0,16
Xt-2 0,081 0,128 0,144 0,096 0,032
Xt-3 0,0729 0,1024 0,0864 0,0384 0,0064
Xt-4 0,06561 0,08192 0,05184 0,01536 0,00128
Xt-5 0,059049 0,065536 0,065536 0,006144 0,000256


0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
Xt Xt-1 Xt-2 Xt-3 Xt-4 Xt-5
=0,1
=0,2
=0,4
=0,6
=0,8

3-21. bra: Az slyok vltozsa

Ha nagy o-t vlasztunk [pl . o = 0,8], akkor az utols v adatai nagy slyt kapnak [az utols
v 0,8, eltte lev 0,8[1-0,8] =0,16 majd: 0,032, 0,0064, 0,00128 stb.]. Ha a vletlen ersen
befolysolja ezek nagysgt, az elrejelzs kevsb megbzhat lesz. Ha kis reakciparam-
tert vlasztunk [pl.: o = 0,2], akkor a rgebbi adatoknak is nagyobb szerepe lesz (a slyok:
0,2, 0,2 [1-0,2]=0.16, majd: 0,128, 0,1024 stb.), a vletlen hatsokat jobban kikszblhetjk.
A legjobb reakciparamtert ksrletezssel lehet meghatrozni felhasznlva a teszt idszak
adta lehetsgeket. A megfigyelt idszakot kt rszre bontjuk, az els idszak alapjn becs-
lnk illetve a msodik teszt idszakra elvgzett becsls alapjn (felhasznlva a hibakpleteket
pl. a MAPE-t) vlasztjuk ki a legjobb mdszert, o-t kezdrtket stb.
A kvetkez exponencilis simtsi mdszereket programoztuk:
Az els mdszer: SES
132
norml exponencilis simts, amelynek alapegyenlete,
( )
t 1 t t
F X 1 F
+
= o + o
A becslshez az adatok rendelkezsre llnak, kivve az els becslst:
( )
1 0 0
F X 1 F = o + o
Az egyik megolds az, hogy
1 1
F = X

132
SES: Single Exponential Smoothing.
87
A msik mdszer, hogy a felhasznl adja meg az els rtket, pl. az els nhny adat tlagt
veszi.
A norml exponencilis simts (SES) mdszert akkor alkalmazzuk, ha sem trend, sem sze-
zonlis hats nincs az idsorban.
A msodik mdszer: ktszeres simts, a Brown egyparamteres lineris mdszere. Ktszeres
exponencilis kiegyenlts, az egyszer mr kiegyenltett rtkeket,
1
t S
mg egyszer kiegyenlt-
jk
2
t S
, mivel lineris trendet feltteleznk az idsorban:
o o
o o
o
o
1 1
t t t-1
2 1 2
t t-1 t-1
1 2
t t t
1 2
t t t
t +m t t
S = X + (1- )S
S = S + (1- )S
a = 2S - S
b = (S - S )
1-
F = a + b m

A Brown egyparamteres lineris mdszert akkor hasznljuk, ha lineris trendhats van az
idsorban, viszont szezonlis hats nincs az idsorban.
A harmadik mdszer: hromszoros simts, Brown egyparamteres kvadratikus mdszere. H-
romszoros exponencilis kiegyenlts, az egyszer mr kiegyenltett rtkeket,
1
t S
mg egyszer
kiegyenltjk
2
t S
, majd a ktszeresen kiegyenltett idsort mg egyszer, teht harmadszor is
3
t S
kiegyenltjk, mivel msodfok parabolikus (kvadratikus) trendet feltteleznk az idsor-
ban:
2
o o
o o
o o
o
o o o
o
o
o
1 1
t t t -1
2 1 2
t t t -1
3 2 3
t t t -1
1 2 3
t t t
t
1 2 3
t t t t
2
1 2 3
t t t t
2
= + (1- )
S S X
= +(1- )
S S S
= +(1- )
S S S
- + 3 a = 3S S S
= [(6 - 5 ) - (10 - 8 ) + (4 - 3 ) ] S S S b
2
(1- )
= ( - + ) 2 c S S S
(1- )

2
t
1/2c m
t+m t t
F = a + b m+
A Brown egyparamteres kvadratikus mdszert akkor hasznljuk, ha msodfok parabolikus
trendhats van az idsorban, viszont szezonlis hats nincs az idsorban.


A negyedik mdszer: ARRSES
133
adaptv reagls egyszer exponencilis simtsi mdszer.
Ennl a mdszernl o
t
rtke vltozik peridusrl peridusra, amint az adatsma [minta,
pattern] vltozik. A mdszer alapegyenlete
( )
t 1 t t t t
F X 1 F
+
= o + o
Ahol:

133
ARRSES: Adaptive Response Rate Single Exponential Smoothing.
88
o
| |
| |
t
t+1
t
t t t-1
t t-1
t t t
E
=
M
E = e +(1- )E
M= e +(1- )M
e = X - F


Az o s | 0 s 1 kz esik, e
t
a hiba E
t
a simtsi hiba M
t
az abszolt simtsi hiba rtke.

Az adaptv reagls egyszer exponencilis simtsi mdszert akkor alkalmazzuk, ha tbb
szz vagy tbb ezer hasonl adatsort kell feldolgozni s az rtk automatikusan vltozik,
ahogy vltozik az adat sma.
Tancsok a gyakorlati alkalmazshoz.
Az igazn megalapozott rvidtv elrejelzs ksztshez az idsor hossza lehetleg legyen
legalbb hat v, ha negyedves vagy havi adatokkal rendelkeznk. Az els hrom v adata le-
het a szmtsi idszak, a msodik hrom v adata pedig a tesztperidus. Ebben az esetben ha
van szezonalits az idsorban, akkor a szezonalits becslsre hrom a tesztelsre szintn h-
rom v ll rendelkezsre. Ha negyedves adatokkal dolgozunk, akkor ez azt jelenti, hogy 6*4
= 24 megfigyelt adatra van szksg, ha pedig havi adatokat hasznlnnk, akkor 6*12 = 72.
134

Ez utbbi esetben a tesztperidus kezdete 72/2 + 1, azaz 37, mg a negyedves adatok eset-
ben a tesztperidus kezdete 24/2 + 1, azaz 13. idpontban trtnhet. Keresst krve, a simtsi
paramterek rtkt az Excel program gy szmtja ki, hogy megkeresi azt a paramterkom-
bincit, ahol a hiba (MAPE) a legkisebb.
rzkenysgvizsglatok.
Az alkalmazott mdszerek stabilitst ellenrizni kell. Ezt gy vgezhetjk el, hogy a tesztpe-
ridus kezdett vltoztatjuk, pl. az idsor -nl hatrozzuk meg, vagy az utols v adatait te-
kintjk tesztperidusnak. Negyedves adatok esetn az elz pldt folytatva a tesztperidus
kezdete az albbi lehet. 6*4=24 megfigyels esetn a hromnegyed-idszak utni els ne-
gyedv a 19. negyedv; az utols vtl kezdd tesztperidus esetn a 21. negyedv. Ha
ugyanazt a mdszert vlasztja ki legjobbnak a program, s a paramterek sincsenek nagyon
tvol egymstl (az eltrs a 10-20%-ot nem haladja meg) akkor az idsor stabilnak tekinthe-
t s a mdszer elemzsre s felttelezheten elrejelzsre is hatkonyan alkalmazhat. Ha a
tesztperidus kezdetnek vltoztatsval a MAPE statisztika alapjn kivlasztott legjobb
mdszer tpusa is vltozik, akkor az idsor nem stabil, az idsorban vizsglt komponensek
(trend, szezonalits) tendencija vltozik.
Gyakorl feladatok. (simit.xls)

Az USA lakossgi teljes villamosenergia fogyaszts (millird kWh/hnap) idsora 1973 janu-
r s 2007 november kztt rendelkezsnkre ll.
135
Vgezze el a szmtsokat a simit.xls pa-
rancsfjllal.
3.7 A SABL-mdszer (szoftver) felhasznlsa adatelksztsre, a trend s a periodikus
hullmzs sztvlasztsra
136
*


134
A megadott adatszm a minimlisan elvrhat, annl jobb, minl tbb adat ll rendelkezsre.
135
http://www.eia.doe.gov/emeu/mer/elect.html Az adatok a CD-n megtallhatk.
136
A PHD kurzus tananyaga.
89
A SABL
137

138
eljrst a Bell Laboratrium munkatrai 1979-ben publikltk
139
. A SABL el-
jrs a szezonlis illetve periodikus idsorok simtst vgzi el. Additv komponensekre bont-
ja az eredeti vagy a transzformlt adatokat: trend, szezonlis [periodikus] s irregulris [fehr
zaj] sszetevket klnbztet meg, rezisztens [ellenllkpes] lineris vagy nemlineris sim-
tsi mdszerek alkalmazsval. A rezisztens fogalma ebben az sszefggsben azt a tulajdon-
sgot jelenti, hogy a mdszer nem rzkeny nhny adat kiugran nagy eltrse [az gyneve-
zett outlierek] ltal okozott ers zavarhatsra, torztsra. Azokat az rtkeket tekintjk szl-
ssges, extrm rtkeknek, outlier-eknek, amelyek nagyon tvol vannak az eloszls kzep-
tl, jelentsen klnbznek a tbbi rtkektl. Elklntsk mind elemzsi, mind elrejelzsi
illetve modellalkotsi szempontbl fontos feladat. Feltrsukat a grafikus brzols is segti.
A szezonlis illetve periodikus illeszts clja ltalban a mltbeli s a jelenbeli adatok szezo-
nlis illetve periodikus hullmzsnak meghatrozsa elrejelzsi clbl. Fontos, pldul r-
politikai s beruhzs-politikai clbl, hogy az zleti vllalat tisztban legyen azzal, vltozik-
e az zleti aktivits adott idszakban s a hullmzs kisebb, nagyobb, illetve szezonlis jelle-
g-e. Az pitanyagipari, a divat, a mezgazdasgi termkeket feldolgoz, idegenforgalmi
stb. vllalkozsok esetben nagy jelentsge van, mert a szezonalits erteljesen rvnyesl.
A szezonalts meghatrozsnak clja az ilyen fluktuci eltvoltsa az idsorbl az alapul
szolgl trendhats azonostsa rdekben. Szmos mdszer ll rendelkezsre a szezonlis
komponens azonostsra, a legtbb azonban rzkeny a fent emltett extrm rtkek torzt
hatsra. A szezonlis illeszts egyik clja olyan szezonlis tnyez elrse, amely stabil, azaz
nem vltozik az idszakok folyamn. A SABL nven ismert eljrs
140
lnyegt tekintve sim-
tsi mdszereket alkalmaz, amihez mozgmedinokat, rezisztens medinokat s tlagokat, va-
lamint duplangyzet becslseket hasznl. A SABL mdszer brmely idsorra alkalmazhat
amely tartalmaz periodikus ingadozst s trendet. A mdszer alkalmazshoz legalbb hrom
peridus megfigyelt adataira van szksg, napi, heti, havi, negyedves, flves vagy ves
bontsban. ves adatsorokat az vszzados trendnl rvidebb (pl. 3, 9, 18, 60 ves) konjunk-
traciklusok kimutatsra alkalmazunk. A SABL felhasznlsval ellltott trend s szezon
(periodikus) sszetevk felhasznlsval megalapozottabb prognzisokat kszthetnk, mivel
az outlierek zavar hatst kiszrtk. A kiszrs illetve a becsls 45 lpsben, egy itercis
eljrs eredmnye.

Az idsorok SABL dekompozcijn a kvetkez felbontst rtjk:
Y = T + S + I
ahol:
T kpviseli a hossz tv trendet,
S jelli a szezonlis komponenst, rtelemszeren a konjunkturlis komponenst is, teht a pe-
riodikus hullmzst,
I az irregulris rszt, azaz a fehr zaj.

ltalban Y alatt az eredeti idsor adatait rtjk, vagy annak transzformlt [pl. ln-
transzformci] alakjt. A SABL mdszer egy iteratv eljrs. Minden itercis lpsben jra
szmtjuk, finomtjuk a T, S, I rtkeket. A lpsek sorn kialakult adatsorok klcsnhatsban
vannak egymssal.
A mdszer lnyegbl fakadan rendelkezik az albbi tulajdonsgokkal:
A T, S s I komponensek kztti adatthats minimlis. Extrm vagy szokatlan adatok nem
befolysoljk a T s S rtkek meghatrozst illetve becslst. Az ilyen szokatlan adatok ha-
tsa csak az I komponensben tkrzdik. A T s S becslse amennyire lehetsges rzkenyen
reagl az idsor szerkezetnek vltozsra. A mdszer csak akkor hasznlhat, ha legalbb 3
peridus adatai ismertek. Sok helyen a zrussal val oszts elkerlse rdekben s a transz-

137
SABL: Seasonal Adjustment Bell Laboratories.
138
Kiss Tibor Kruzslicz Ferenc - Sipos Bla - Szentmiklsi Mikls [1997]: 844 - 863.
139
Cleveland, W. S.-Dunn, D. M.-Terpenning, I. J. [1979].
140
Levenbach, H. - Cleary, J. P. [1982]: 248-274.
90
formcis szably alkalmazhatsga miatt ki kell ktni, hogy az eredeti adatok csak pozitvak
lehetnek.
A SABL eljrs els lpse, hogy az eredeti adatsort transzformcinak vetjk al. A transz-
formci clja, hogy: minimalizlja a szezonalts amplitdjnak fggst a trendkomponens
szintjtl, egyszerbb tegye a szezonlis illesztst, lnyegben az idsor komponenseit addi-
tvv alaktsa.
Az
p
Y adatsor transzformltjt D[0]-lal jelljk, a transzformcis fggvnyt egy p param-
ter rtknek megadsval vlaszthatjuk ki. A p paramter az idsor auditivitsnak mrtkt
mutatja, szoksos rtkei: -1; -0,5; -0,25; 0; 0,25; 0,5; 1; A transzformcis fggvny az alb-
bi:
| |
| |
| |
p 0
p 0
p 0
>
=
<
p
p
D 0 = Y
D 0 = lgY
D 0 = -Y

A p paramter rtknek kivlasztshoz meg kell hatroznunk az idsor komponensei: Y, T,
s S kztti kapcsolat tpust. Additv kapcsolat esetn az Y= T+S sszefggs rvnyes, a
multiplikatv kapcsolat az Y=TS formulval jellemezhet. A multiplikatv kapcsolat logarit-
mus segtsgvel additvv alakthat, azaz p=0 vlasztsval. Ekkor ugyanis az lgY=lgT+lgS
formhoz jutunk. p=1 esetn az adatsor nem vltozik, p=0,5 esetn az eredeti sor ngyzet-
gykt, p=0,33 esetn a kbgykt kapjuk. Teht ha p=0,33 akkor harmadfok, ha p=0,5 ak-
kor msodfok parabolikus trendet feltteleznk. Ugyanis: az S s I komponens vrhat rt-
ke ves szinten 0.
Ha p=0,5
( )
( ) ( )
( )
( )
2
2 2
0.5
0.5 0.5
2
2 2
Y T S I T
Y Y T S I T T
= + + =
= = + + = =

Ha p=0,33
( )
( ) ( )
( )
( )
3
3 3
0.33
0.33 0.33
3
3 3
Y T S I T
Y Y T S I T T
= + + =
= = + + = =

Ha az eredeti adatok [pl. relatv nvekedsi tem] negatv, akkor a p is negatv (p<0), gy a
D[0] pozitv lesz.
Elszr simtsi eljrst alkalmazunk az els rezisztens simtott trend meghatrozsnak r-
dekben. A simtott trendet kivonjuk az adatokbl: [D-T] = [S+I] alapjn gy kapjuk az [S+I]
sort. Ezutn az [S+I] cskken slyozs [tapered] mozgmedinjainak s mozgtlagainak
szmtsa kvetkezik, gy nyerjk a kezdeti rezisztens szezonlis komponenst. Ezutn a ka-
pott kezdeti szezonlis komponens a [mr transzformlt] eredeti adatsorbl trtn kivonsa
utn a msodik simtott trendet hatrozzuk meg. Ezt kveti az irregulris komponens szmt-
sa: [D-T-S=I].
A SABL eljrs vzlata
141

A cskken slyozs [tapered] mozgtlag s mozgmedin szmtsa sorn hasznlt slyok
meghatrozshoz a slyok olyan sorozatra van szksgnk, ahol a slyok az adott idszak-
tl [hnaptl, vtl, naptl, stb. attl fggen, hogy milyen adatokkal dolgozunk] val tvol-
sg arnyban cskkennek. Ilyen tulajdonsggal rendelkezik a duplangyzet [bisquare] fgg-
vny:
2 2
B(u) (1 u ) u 1 = s

141
A SABL programozs lpseinek rszletes ismertetstl annak bonyolultsga miatt eltekintnk.
Ld.: Levenbach, H. - Cleary, J. P. [1982]: 215-220. s 248-274.
91
B(u) 0 u 1 = >
A B[u] fggvny brja a kvetkezkppen nz ki:

3-22. bra: Duplangyzet fggvny
Ttelezzk fel, hogy havi adatokkal rendelkeznk s kis trendsimitsi paramter (nts) haszn-
lunk, aminek az rtke: (12/2)+1=7. Legyen teht ht - peridus ablak a duplangyzet
slyok [W(t)] meghatrozshoz.
W(t) = B[t/(T+1)] = B(u)
u = t/(T+1)
t = -T,0,T
Pldnkban: t = -3, -2, -1, 0, 1, 2, 3
T+1=4
A slyok W(t):
W(-3)=B(-3/4)=[1-(-3/4)
2
]
2
= 0,191
W(-2)=B(-2/4)=[1-(-2/4)
2
]
2
= 0,563
W(-1)=B(-1/4)=[1-(-1/4)
2
]
2
= 0,879
W(0)=B(0)=[1-0)
2
]
2
=1,000
W(1)=B(1/4)=[1-(1/4)
2
]
2
= 0,879
W(2)=B(2/4)=[1-(2/4)
2
]
2
= 0,563
W(3)=B(3/4)=[1-(3/4)
2
]
2
=0,191
A tbbi sly 0, pl.: T=5, mert u = 5/4 > 1
Ha u>1 akkor B(u)=0
A cskken slyozs (tapered) tlag szmtst mutatja a 3-3. tblatbla.
3-3. tbla: Cskken slyozs (tapered) tlag szmtsa prilis hnapban
Hnap Adat Sly
Slyozott rtk
=Adat*Sly
Cskken slyozs
tlag=24,972/4,266
Jan. 5,831 0,191 1,114
Febr. 5,84 0,563 3,288
Mrc. 5,849 0,879 5,141
pr. 5,856 1 5,856 5,854
Mj. 5,861 0,879 5,152
Jun. 5,863 0,563 3,301
Jl. 5,864 0,191 1,120
sszesen 4,266 24,972

Az egyes lpsek vgrehajtshoz a kvetkez adatok szksgesek:
- ndt = az idsor hossza adatokban szmolva;
92
- ndp = egy szezon hossza adatszmban mrve, szoksos rtkei: [ha hnapokkal dolgo-
zunk]: 4 [negyedves], 12 [ves], ), ha hetekkel dolgozunk: 52 (ves szinten). Ha ves ada-
tokkal dolgozunk akkor a ciklus hosszt kell megadni: pl.: 3, 9, 18, 54.
- nss = a szezonlis rsz simtsi faktora, minl nagyobbat vlasztunk, annl simbb adato-
kat kapunk a szmts sorn. Szoksos rtkei: [ndt/ndp]+1 [kis], 2[ndt/ndp]+3 [kzepes],
4[ndt/ndp]+7 [nagy], ahol a szgletes zrjelek az egszrsz fggvnyt jelentik.
Pl.: Ha a havi adatok idsora 68 adatbl ll (ndt=68), akkor: a nss = a szezonlis rsz simtsi
faktora [68/12]+1=5+1=6 (kis), 2[68/12]+3= 13 (kzepes), 4[68/12]+7=27 (nagy).
Ha negyedves adataink vannak s az adatsor 40 adatbl ll (ndt=40) akkor: a nss = a szezo-
nlis rsz simtsi faktora [40/4]+1=10+1=11 (kis), 2[40/4]+3= 23 (kzepes), 4[40/4]+7=47
(nagy).
- nts = a trend rsz szmtsakor hasznlt simts foka. Itt is a nagyobb szm nagyobb sim-
tst eredmnyez. Szoksos rtkei: [ndp/2]+1 [kis], ndp+3 [kzepes], 2ndp+7 [nagy], a na-
gyobb simtsi rtk mindig az elz ktszeresnl eggyel nagyobb.
Pl.: Havi adatoknl, ahol a peridus hossza (ndp) 12, a kis trendsimitsi paramter (nts):
(12/2)+1=7, a kzepes trendsimitsi paramter (nts): 12+3=15, a nagy trendsimitsi paramter
(nts): (2*12)+7=31.
Ha negyedves adataink vannak, ahol a peridus hossza (ndp) = 4, a kis trendsimitsi param-
ter (nts): (4/2)+1=3, a kzepes trendsimitsi paramter (nts): 4+3=7, a nagy trendsimitsi pa-
ramter (nts): (2*4)+7=15.

A SABL szoftver felismeri az adatllomny hosszt s megadja a trend s szezon komponens
kzepes simtsi fokt.
- ndd = a szmts kzben kies adatok ptlsra szolgl becsls tartomnynak hossza:
lehetsges rtkei: 1, 2, ndt/[2ndp];
var = ezt a paramtert nem ktelez megadni, de ha megadjuk, akkor az itercis eljrs v-
geztvel a vgeredmnyben az outlierek irregulris rtkeit korriglni lehet. Minden olyan ir-
regulris adat vgsra kerl, ahol:
|irregulris_adat| > var * irregulris_sor_szrsa
azaz, ha az irregulris adat nagyobb, mint az irregulris sor szrsnak var-szorosa, akkor az-
zal az rtkkel helyettestjk. A Var megadsval az outlierek hatst mrskelni lehet.
A Var szoksos rtkei: 2 s 3.

Az eljrs lpseit foglaljuk ssze a kvetkez tblban.
A SABL teht elsdlegesen az adatllomny transzformcijt vgzi el, eredeti formjban
kzvetlen elrejelzsre nem alkalmas. A helyesen transzformlt adatok additv kapcsolat
trend s peridus [szezon vagy konjunktra] komponenseket tartalmaznak, az irregulris rszt
viszont nem. A SABL ltal transzformlt sor felhasznlhat a klnbz idsorkutatsi md-
szerekkel [pl. trend-extrapolci, exponencilis simts, stb.] trtn becslsekhez. A mdszer
alkalmazsra szmtgpes program kszlt
142
, amely a kvetkezkppen mkdik:
3-4. tbla: A SABL dekompozcis folyamat
143

INPUT MVELET OUTPUT
Y=Eredeti adatok Adatok transzformlsa
| |
| |
| |
p 0
p 0
p 0
>
=
<
p
p
D 0 = Y
D 0 = lgY
D 0 = -Y

D[0]=transzformlt adatok Els trend simts T[1]=D[0] adatok els trend
simtsa
D[0]-T[1]=nyers szezonali- Szezonalits simtsa S[1]=D[0]-T[1] simtott

142
Kruzslicz Ferenc-Kiss Tibor-Sipos Bla: SABL Decomposition of Time Series 1997 PTE Vers-
ion 2.1.
143
Cleveland, W. S.-Dunn, D. M.-Terpenning, I. J.[1979] Table 1, p. 206.
93
ts szezonalitsa
S[1] Szezonlis trend
simtsa s eltvoltsa
S[2]=S[1] - S[1] trend simtsa
S[2] Elveszett szezonlis
komponensek becslse
S[3]=a kiegsztett szezona-
lits rtkek hozzadsa a sor
elejhez s vghez
D[0]-S[3]=nyers trend Trend simts T[2]=D[0]-S[3] trend simtsa
D[0]-T[2]=nyers szezonali-
ts
Szezonalits simtsa S[4]=D[0]-T[2] simtott sze-
zonalitsa
S[4] Szezonlis trend simt-
sa s eltvoltsa
S[5]=S[4] - S[4] trend simtsa
D[0]-S[5]=nyers trend Trend simts T[n]=D[0]-S[5] trend simtsa
D[0]-T[n]=nyers szezonali-
ts
Szezonalits simtsa S[6]=D[0]-T[n] simtott sze-
zonalitsa
S[6] Szezonlis trend simt-
sa s eltvoltsa
S[n]=S[6] - S[6] trend simtsa
D[0], T[n], S[n] Irregulris komponens
szmtsa,
I[n]=D[0]-T[n]-S[n]
D[0], T[n], S[n], I[n] grafikus brk
ksztse (T, S, I, T+S)
grafikus brk rtelmezse
s diagnosztizlsa
3-4. tbla folytatsa: SABL szoftver mkdse: megadand paramterek
Paramter
neve
Jelentse Lehets-
ges rtke
in az idsort tartalmaz adatfjl neve, amit a SABL felismer,
egy oszloban adatsor, egrmvelettel megkereshet, Excel
fjlnl, mdsitott ments: formzott szveg szkzzel ta-
golt, *.prn, majd a , cserje .-ra a Total Commanderben:
*.txt vagy *.dat. Meg kell adni.
*.dat
*.txt
sbl, out a fjl neve, amelybe az eredmnyeket tesszk, egr-
mvelettel megkereshet. Meg kell adni.
*.sbl *.out
ndp az idsor egy ciklusnak hossza (havi adatoknl 12, ne-
gyedves adatoknl 4, hossz ciklusoknl 9 stb.), amit be
kell rni. Meg kell adni.
12, 4, 9
stb.
nts a trend simts nagysga, lehet vltoztani: kis, kzepes s
nagy, alaprtelmezs kzepes, ndp megadsa utn dupla
kattints.
Kzepest
megadja
nss a szezonlis simts nagysga, lehet vltoztani, kis, kze-
pes s nagy, alaprtelmezs kzepes, ndp megadsa utn
dupla kattints.
Kzepest
megadja
ndd az iterciban kies adatok helyrelltshoz hasznland
regresszis adatok szma (max. a peridusok szmnak fe-
le, teht az idsor hossza osztva a peridus hosszval)
1..[ndt/
(2ndp)]
Az "in" "out" s "ndp" paramter megadsa ktelez, az sszes tbbi nem, mivel a szoft-
ver a tbbi paramtert becsli az nts s nss rtkekre kzepes simtsi rtket ad.
ndt az idsor hossza (az adatok szma), a program kiszmol-
ja, nem kell megadni
116384
niter az algoritmus sorn vgrehajtand itercis lpsek sz-
ma
065535
p a be- s kimeneti adatok transzformcis paramtere: brmely
94
Meg kell adni, 0, 0.5, 0.33 stb. vals szm:
1 az alap-
eset
var irregulris rsz levgsa, az albbi sszefggs szerint
|irregulris adat|> var szrs (irregulris sor)
Alapeset: 1.
pozitv va-
ls szm:
2, 3
Ered-
mny
az Eredmny munkalapban a szmtsok paramterei s
eredmnyei lthatk:
D: eredeti adatok
T: trend komponens
S: szezonlis komponens
I: irregulris rsz
A D, T, S, I adatsorokat Excelbe msoljuk, a tizeses .-t
cserljk ,-re s az adatokat pl. T, S, I, T+S brzolhat-
juk elemezhetjk.
D, T, S, I

A SABLSHEL.EXE szoftver alkalmazsnak bemutatsa.

Szmols utn:

Az Eredmny: d = eredeti idsor, t = SABL trend, s = SABL szezonalits, i = irregulris rsz.
95

A SABL szoftvert a fknyvtrba kell msolni: pl. C:/SABL vagy: D:/SABL.
A program a SABLSHEL.EXE fjllal indul. Eltte az adatokat el kell kszteni. Az Excel
fjl csak egy adatsort tartalmazzon, azt amit majd a SABL-lal le kvnunk futtatni. Az oszlop-
nak ne legyen neve az els cellban, csak az idsort hasznljuk. Mentsk le mdostott men-
tssel: Formzott szveg (szkzzel tagolt, kiterjeszts: *.prn) formtumban. Windows
Commanderrel szerkesszk, a vesszket cserljk ki pontokra. Hasznlhatjuk a jegyzettmbt
(notepad-ot) is ahol megnyitjuk a *.prn fjlt s a vesszket cserljk ki pontokra s lementjk
a szveg llomnyt: *.txt. Ezt a fjlt a SABL felismeri, majd az output fjlnak nevet kell adni:
pl. *.sbl s a peridus hosszt (ndp) mdostani kell az adatsor ismeretben, pl. havi adatok
12, negyedves adatok: 4, stb. Ezt kveten a szezon s a trend simtsa cellkra klikkelve a
kzepes simts fokt kiszmolja, amitl el lehet trni. Ha a kzepes simtsi fok felt vesszk
akkor kis, ha dupljt akkor nagy simtsi fokkal szmolunk. Erteljes irregullis hullmzs
s gyakori kiugr rtkek esetben clszer a nagy simtsi fokot alkalmazni. A tbbi param-
tert [Pl.: Adatok transzformcija (p=), Kiugr rtkek vgsa (var=)] az elzekben lertak
szerint lehet megadni. Ha lefutott a program az Eredmny munkalapban megjelenik a D, T, S
s I oszlopvektor, amit Excelbe lehet msolni s a tizedes pontokat ki kell cserlni vesszkre.
Az adatok Excelben (pl.: T, S, I, T+S) brzolhatk s rtkelhetk.
A szmtsokat
144
a Magyarorszg energiafelhasznlsa, negyedves adatok, 1999-2007 (PJ)
alapjn mutatjuk be, ahol: D: eredeti adatok, T: trend komponens, S: szezonlis komponens s
I: irregulris rsz.
Grafikusan brzolva az eredeti adatokat (D) s a SABL trendet (T), a szezonalitst (S) s az
irregulris rszt (I):

144
Az adatsor a CD-n megtallhat.
96
Energia felhasznls (PJ) alakulsa Magyarorszgon s a SABL
szoftverrel vgzett szmtsok eredmnyei
-100
-50
0
50
100
150
200
250
300
350
400
1
9
9
9
,
0
1
2
0
0
0
,
0
1
2
0
0
1
,
0
1
2
0
0
2
,
0
1
2
0
0
3
,
0
1
2
0
0
4
,
0
1
2
0
0
5
,
0
1
2
0
0
6
,
0
1
2
0
0
7
,
0
1
vek-negyedvek 1991.01-2007.04
P
J
D
T
S
I

3-23. bra: Energia felhasznls alakulsa Magyarorszgon
Az USA energiafelhasznlsa
145
esetn a szmtsokat elvgezve a T+S az albbi brt mutat-
ja:
Az USA lakossgi villamosenergia fogyasztsa (millird
kwra/hnap)
SABL: T+S
0
50
100
150
200
250
300
350
400
1
9
7
3
,
0
1
1
9
7
5
,
0
1
1
9
7
7
,
0
1
1
9
7
9
,
0
1
1
9
8
1
,
0
1
1
9
8
3
,
0
1
1
9
8
5
,
0
1
1
9
8
7
,
0
1
1
9
8
9
,
0
1
1
9
9
1
,
0
1
1
9
9
3
,
0
1
1
9
9
5
,
0
1
1
9
9
7
,
0
1
1
9
9
9
,
0
1
2
0
0
1
,
0
1
2
0
0
3
,
0
1
2
0
0
5
,
0
1
2
0
0
7
,
0
1
Id1973.01-2007.11
M
i
l
l
i

r
d

k
W

r
a
/
h

n
a
p
3-24. bra: Az USA villamos energia fogyasztsa
Ha az adatok transzformcija s=0, akkor a trend s szezontnyez kztti multiplikatv kap-
csolatot additvv alaktjuk.

145
Az adatsort a szezonalits vizsglatnl mr bemutattuk.
97
Az USA lakossgi villamosenergia fogyasztsa (millird kwra/hnap)
SABL (p=0): T+S
0
50
100
150
200
250
300
350
1
9
7
3
,
0
1
1
9
7
5
,
0
1
1
9
7
7
,
0
1
1
9
7
9
,
0
1
1
9
8
1
,
0
1
1
9
8
3
,
0
1
1
9
8
5
,
0
1
1
9
8
7
,
0
1
1
9
8
9
,
0
1
1
9
9
1
,
0
1
1
9
9
3
,
0
1
1
9
9
5
,
0
1
1
9
9
7
,
0
1
1
9
9
9
,
0
1
2
0
0
1
,
0
1
2
0
0
3
,
0
1
2
0
0
5
,
0
1
2
0
0
7
,
0
1
Id:1973.01-2007.11
M
i
l
l
i

r
d

k
W

r
a
/
h

n
a
p

3-25. bra: Az USA villamos energia fogyasztsa. A SABL trend
Gyakorl feladatok a SABL-szoftver alkalmazsra*

1. A SABL szoftver felhasznlsval vlassza szt a trend (T), a peridikus (S) s az irregul-
ris (I) tnyezket s brzolja a T+S sszeget az Amerikai Egyeslt llamok (USA) rendel-
kezsre ll hossz idsorai alapjn. A peridus hossznak vegyen 9 s 18 vet.
1.1 Egy fre jut aranytermels 1860-2005 kztt.
1.2 Egy fre jut kolajtermels 1866-2005
1.3 Egy fre jut kszntermels 1860-2005
1.4 Egy fre jut lomtermels 1830-2005
1.5 Egy fre jut acltermels 1867-2005
1.6 Egy fre jut vasrctermels 1880-2004
4. A korrelci- s regressziszmts
A regresszis modell ksztsnek
146
els lpse a specifikci, amin a jelensget ler, mo-
dellben szerepl vltozk, az eredmny- s a magyarz vltozk kivlasztst, valamint a
fggvny konkrt formjnak meghatrozst rtjk. Fontos szerepet jtszik a specifikci
szakaszban az adatbzis, amelynek minsge, szerkezete nagymrtkben befolysolja a spe-
cifikci eredmnyessgt. A gyakorlati munkban idsoros s keresztmetszeti adatokkal
dolgozhatunk, ennek a modell felttelrendszernek ellenrzsekor lesz jelentsge. Panel
adatbzisokkal jelen anyagunkban nem foglalkozunk.
A specifikci munkafzisnak lezrsa utn a szmtsokat a regresszio.xls parancsfjllal le-
het elvgezni. Ennek fontosabb lpsei a kvetkezk:
A regresszis paramterek becslse a klasszikus legkisebb ngyzetek mdszervel, melynek
felttelei:
1. A magyarz vltozk nem sztochasztikusak, teht mrsi hibt nem tartalmaznak s
linerisan fggetlenek (multikollinearits hinya), a hibatnyezk (hibatagok,
reziduumok) vrhat rtke 0, variancijuk konstans, normlis eloszlsak s nem
autokorrelltak.
2. A modell felttelrendszernek ellenrzse. Ez a munkafzis visszahat mind a specifi-
kcira, mind a paramterbecslsre. Ebben a munkaszakaszban a modellez meglla-
ptja, hogy egy adott megbzhatsg mellett mennyire fogadhat el a modell. A fonto-
sabb hipotzisellenrzsek: a regresszis modell paramtereinek globlis s parcilis

146
Hajdu O. - Herman S. - Pintr J. - Rappai G. - Rdey K. [1994-95]:110-111.
98
tesztelse (a paramterbecsls pontossgnak vizsglata, a paramterek standard hib-
ja, konfidencia intervalluma stb.), valamint a reziduumok vizsglata: az autokorrelci
s a homoszkedaszticits tesztelse, s a magyarz vltozk kztti kapcsolat szoros-
sga, a multikollinearits ellenrzse. A prbkkal nyert informcik alapjn dntst
lehet hozni a modell esetleges megvltoztatsrl, vagy a becslsi mdszer mdost-
srl. Ezek a dntsek termszetesen visszahatnak a specifikcira s indokolt esetben
az egsz eljrs (specifikci, becsls, hipotzisellenrzs) megismtlst ignyelhe-
tik.
3. A regresszis modellek felhasznlsa elemzsre s elrejelzsre.
4. A verifikls, aminek sorn a modellt szembestjk valsggal.

Az ltalunk vizsglt regresszis modellekben egy eredmnyvltoz s egy vagy tbb magya-
rz vltoz van. A modell alapjn megllapthat, hogy a tnyezvltoz(k) milyen mdon
s milyen trvnyszersg mellett fejti(k) ki hatst (hatsukat) az eredmnyvltozra.
A tbbvltozs regresszis modell ltalnos formja:
( )
1 2 i k
Y = f X , X ,..., X ,..., X ,
ahol :
Y = az eredmnyvltoz,
X
j
= az j-edik tnyez (magyarz) vltoz; (j=1,2,...,k),
c = a vletlen vltoz ; maradktag ; reziduum,
n = a megfigyelsek szma, i=1,2n
f= fggvny tpusa, alapesetben lineris fggvny.

Felttelek az c vletlen vltozra (hibatnyezre, rezidulis vltozra), az Y eredmny- s az
X
j
tnyezvltozkra vonatkozan:
1. Az c vletlen vltoz vrhat rtke nulla, vagyis a modellben szerepl vltozk nem hoz-
nak ltre szisztematikus hatst a hibatnyezben, a pozitv s negatv rtkek kiegyenltik
egymst.
2. A vletlen vltoz rtkei pronknt nem korrellnak egymssal (idsoroknl nincs
autokorrelci); ellenkez esetben autokorrellt a modell, ebben az esetben elemzsre s
elrejelzsre nem hasznlhat.
3. A vletlen vltoz (hibatnyez) szrsngyzete (variancija) lland, teht a vletlen vl-
toz homoszkedasztikus; ellenkez esetben heteroszkedasztikus a modell. Keresztmetszeti
adatoknl jelent elssorban problmt a heteroszkedaszticits, ebben az esetben a modell
elemzsre s elrejelzsre nem hasznlhat.
4. A magyarz vltozk linerisan (sztochasztikusan is) fggetlenek, rtkk rgztett, m-
rsi hibt nem tartalmaznak s nem korrellnak a hibatnyezvel. Teht: a magyarz vl-
tozk szma kisebb mint a megfigyelsek szma (k<n), a magyarz vltozk mtrixnak
rangja megegyezik k-val, a tnyez- (magyarz-) vltozk szmval, azaz az X
'
X mtrix
invertlhat, mivel a mtrix rangja
147
s rendje
148
egyenl, vagyis a mtrix nem szingul-
ris. Ha ez a felttel nem ll fenn, akkor a modellben a multikollinearits jelenltvel kell
szmolni
149
, ami zavarja a modell helyes specifiklst s ltalban cskkenti a modellbl
nyerhet informci minsgt. Elemzsre nem, elrejelzsre viszont felhasznlhat a
modell, ha felttelezzk, hogy a multikollinearits mrtke, irnya a jvben nem vltozik.
5. Az eredmnyvltoz megfigyelt rtkei (Y
i
i = 1,2,3,....n) normlis eloszlsak, fggetle-
nek egymstl, rvnyesl a linearits, vagyis a regresszis paramterek egyrtelmen
meghatrozzk a regresszis egyenest.

A fent emltett felttelek teljeslse esetn a regresszis modellt multikollinearitstl mentes
standard lineris regresszis modellnek tekinthetjk. Belthat, hogy ezek az igen "szigor"

147
fggetlen oszlopvektorainak szma.
148
a magyarz vltozk szma
149
szlssges esete, ha a mtrix szingulris, teht nem invertlhat.
99
felttelek, a modellpts alapelvt kpezik, amire a munka sorn fokozottan figyelnnk kell.
Mindez azt jelenti, hogy a modell konkretizlsa sorn a feltteleket folyamatosan kell ellen-
rizni, az eredmnyeket hipotetikus jellegeknek kell tekinteni. Amennyiben a mintabeli ada-
tokkal nem igazolhatk empirikusan az elmleti vrakozsok, a specifikci mdostsra,
vatos rtelmezsre, illetve sajtos, j becslsi mdszer megvlasztsra van szksg.
A felttelek teljeslse esetn a lineris regresszis modell paramter-becslsre a klasszikus
legkisebb ngyzetek mdszere (KLNM) alkalmazhat.

A modellalkots folyamatt az albbi bra mutatja.
Adat-
bzis
Eltanul-
mnyok
Specifik-
ci
Paramter-
becsls
Hipotzis-
ellenrzs
Dnts
Elemzs,
elrejelzs
Dnts
Verifikci

4.1 bra: A regresszis modellezs lpsei

100
4.1 A regresszi.xls parancsfjl mkdse
150


A program a bemutatsra kerl regressziszmtst maximum 16 magyarzvltoz s 2000
megfigyels esetben vgzi el
151
. A programban megjelen szneknek kln jelentse van. A
halvnysrga cellk vltoztathatk, itt trtnik meg az adatok bevitele, a kvnt
szignifikancia-szint belltsa, valamint a becsls/elrejelzs adatainak megadsa. A tesztek
vgeredmnyei sznes szmokkal jelennek meg a fjlban. A modell ellenrzsnl hromfle
sznt alkalmaztunk, a modellezst zavar eredmnyek piros, a megfelel eredmnyek zld, a
nem egyrtelm eredmnyek kk sznnel jelennek meg.
Tanulmnyunkban az elmleti httr rszletes ismertetstl eltekintnk (kivve a
homoszkedaszticits tesztjeit, ahol a felsoktatsban kevsb ismert teszteket alkalmazunk),
mert ezek az ismeretek az irodalomjegyzkben is felsorolt szak-, illetve tanknyvekben, ta-
nulmnyokban megtallhatk, clunk csupn a szoftver bemutatsa, gyakorlati, oktatsi c-
lokra val kzreadsa.

A fjl nyolc munkalapbl ll, amelyek rendre:
- Adat
- Mtrix
- Maradk
- Multikollinearits
- Autokorrelci
- Homoszkedaszticits
- Idsoros adatok-plda
- Keresztmetszeti adatok-plda

Az albbiakban a fenti munkalapok tartalmt ismertetjk, majd szemlltet pldkon mutat-
juk be a fjl alkalmazst. Mivel a program kpes az autokorrelci s a homoszkedaszticits
tesztelsre is, ezrt kt pldn keresztl szemlltetjk a szmtsokat. Az els plda idsoros
adatllomny, a msodik pedig keresztmetszeti, az adatllomnyokat elhelyeztk a
regresszio.xls fjlban.

4.1.1 Az Adat munkalap

A munkalap kt nagyobb egysgbl ll. A bal oldali, srgval jellt terlet az adatok trols-
ra, bevitelre szolgl, itt kell rgzteni az aktulis adatllomnyt. j adatok bevitele eltt a
megjelen mintafeladat adatllomnyt az adatok trlse gombra val kattintssal trlhetjk.
Az j adatok beillesztse a szoksos mdon trtnhet, m szksges az adatok rtkknt val
beillesztse, annak rdekben, hogy a parancsfjl formtuma megmaradjon.
A jobb oldali egysg a regresszis modell alapstatisztikit kzli.
Regresszis statisztika:
- R: tbbszrs korrelcis egytthat;
-
2
R : tbbszrs determincis egytthat;
-
2
R

: korriglt determincis egytthat;

- s: modell standard hibja;
- n: megfigyelsek szma.

Varianciaanalzis: a tbbvltozs regresszis modell varianciaanalzis tblja.
Regresszis egytthatk:
- egytthatk rtke s standard hibja, t-rtkei, p-rtkei s konfidencia intervallumai
(tetszleges megbzhatsgi szinten);

150
Az alaptletet adta: Kiss Tibor [1988-1992]: REGAL, Szakrti rendszer tbbvltozs regresszi-
analzisre (DOS program). Ld. mg lerst: Kiss Tibor Sipos Bla [1998]: REGAL.
151
A magyarzvltozkra vonatkoz korlt az Excel sajtja. A megfigyelsekre vonatkoz korlt
igny szerint bvthet, a korltozs oka a gyors szmtsi sebessg megtartsa.
101
- vltozk bevonsrl/kihagysrl dnt jellngyzetek.

A formtum teht kveti az Excel adatelemz menpontja ltal hasznltat, azzal a klnbsg-
gel, hogy az egyes cellk most Excel fggvnyeket tartalmaznak, gy az adatok megvltoz-
snak hatsa azonnal nyomon kvethet az alaperedmnyeken. Szintn eltrs a beptett
funkcihoz kpest, hogy az eredeti adatok meghagysa mellett is kihagyhatunk, illetve jra
bevonhatunk vltozkat a paramterek soraiban tallhat jellngyzetek segtsgvel.
A varianciaanalzis tbla segtsgvel a modell globlis prbjt vgezhetjk el. A hipotzis-
rendszerrl val dnts didaktikai okokbl kt mdon is elvgezhet: tetszlegesen bel-
lthat szignifikancia-szinthez tartoz kritikus rtk, valamint p-rtk alapjn is.

A gyors parcilis tesztels lehetsget biztost a backward elimincis mdszer alkalmazs-
ra. A mdszer lnyege, hogy az els lpsben olyan regresszis fggvnyt hatrozunk meg,
amely az sszes megfigyelt magyarz vltozt tartalmazza, majd az gy meghatrozott reg-
resszi fggvnybl kihagyjuk lpsenknt azokat a vltozkat, amelyek nem jrulnak hozz
szignifiknsan a rezidulis ngyzetsszeg cskkentshez. A vltozk szelektlshoz a p-
rtkeket hasznljuk: ha a p-rtk magasabb, mint amit megengedtnk (pl. 0,05), akkor elfo-
gadjuk azt a nullhipotzist, hogy a regresszis paramter nem klnbzik szignifiknsan a
nulltl. Amennyiben tbb vltoz p-rtke is a kvntnl magasabb, gy a legmagasabb r-
tkkel rendelkez vltozt hagyjuk ki. Az elimincit addig folytatjuk, mg valamennyi be-
vont paramter szignifikns nem lesz.
A vltozk szelektlst termszetesen elvgezhetjk a multikollinearits, vagy a
homoszkedaszticits parcilis tesztjei, vagy szakmai ismeretek alapjn is.

A felhasznlt kpletek:

R=a korrelcis mtrix
152
, amely ngyzetes s mrete (k+1)*(k+1), az els sor s oszlop az
eredmnyvltoz, a tbbi sor s oszlop pedig a magyarz vltoz korrelcis egytthatit
tartalmazza, a mtrix szimmetrikus, a mtrix az egyszer, ktvltozs korrelcis egyttha-
tkbl ll, szmtsukat a mtrix alatt tntettk fel, a diagonlis elemek (adott vltoz nma-
gval szmtott korrelcija) 1-gyel egyenlk.

(
(
(
(
=
(
(
(

y1 y 2 yk
1y 12 1k
2y 21 2k
ky k1 k2
1 r r r
r 1 r r
r r 1 r
r r r 1
R
Az y s x
j
kztti lineris korrelcis egytthat jele r
yj
, az x
i
s x
l
kztti pedig r
jl
.
( )( )
=
o o
j i
yj
X Y
x x y y
r
n

( )( )
=
o o
j l
jl
xj xl
x x x x
r
n

R = a tbbszrs korrelcis egytthat:
yy
1
R 1
q
=

Ahol q
yy
a korrelcis mtrix inverzbl (R
-1
=Q) nyerhet:


152
A Mtrix munkalapon tallhat.
102
yy y1 y2 yk
1y 11 12 1k
1
2y 21 22 2k
ky k1 k2 kk
q q q q
q q q q
q q q q
q q q q

(
(
(
(
= =
(
(
(

R Q

A tbbszrs korrelcis egytthat (R) azt mri, hogy a magyarz vltozk az eredmny-
vltozval egyttesen milyen szoros kapcsolatban vannak.
R
2
= a tbbszrs determincis egytthat (jele: R
2
) kifejezi, hogy mekkora hnyadban ma-
gyarzzk meg egyttesen a magyarz vltozk az eredmnyvltoz variancijt (szrs-
ngyzett). A kapcsolatok jellegnek minstsn tl fontos szerepet tlt be a tbbszrs de-
termincis egytthat a regresszis modell megtlsben. A mutat nagyobb rtke egyben
azt is jelenti, hogy jobban illeszkedik a modell.
2
yy
1
R 1
q
=
R
~2
= a korriglt determincis egytthat: a tbbvltozs regresszis modellek esetben
gyakran fellphet egy olyan jelensg, amely flreinformlhatja az elemzt. Az R
2
ugyanis
nagyobb magyarz ervel br, ha tbb magyarz vltoz hatsa szerepel benne, fggetlenl
attl, hogy valban relevns hatst fejt-e ki mindegyik magyarz vltoz. (Pldul megt-
veszt lehet az R
2
alapjn kt modell sszehasonltsa, ha az egyik hrom, a msik ht ma-
gyarz vltozt tartalmaz.) A modellek sszehasonltsa esetben a klnbz szm ma-
gyarz vltozbl ered problmt prblja feloldani az n. korriglt vagy a szabadsgfo-
kokkal korriglt determincis egytthat (jele: R
~2
):
( )
2 2
n 1
R 1 1 R
n k 1

Az s = a modell ltalnos standard hibja, jelzi az illeszkeds jsgt, a modell annl ponto-
sabban illeszkedik, minl kisebb az rtke. Meghatrozsra a regresszis paramterek isme-
retben kerlhet sor, amikor kiszmtva az y eredmnyvltoz becslt rtkeit ( )
y kpezhet-
jk a reziduumokat ( ) = e y y .
( )
2
2
y y e
s
n k 1 n k 1

= =




A regresszis modell egsznek tesztelse, a globlis F-prba

A varianciaanalzis az Adat munkalapon jelenik meg. A varianciaanalzis sszefoglalja az
albbi nullhipotzis ellenrzsre vonatkoz eredmnyt. Nullhipotzisnk az, hogy a magya-
rz vltozk regresszis egytthati mind 0-k, az alternatv hipotzis szerint ltezik legalbb
egy 0-tl eltr egytthat.
0 1 2 k
j 1
H : = =...= =0
H : 0
| | |
| - =

Az ellenhipotzis elfogadsa esetn azt llthatjuk, hogy van legalbb egy olyan magyarz
vltoz, amely szignifikns hatssal rendelkezik, teht ltezik legalbb egy nulltl eltr r-
tk paramter. A nullhipotzis a lineris regresszi fennllsnak tagadst jelenti s
amennyiben igaz, gy az eredmnyvltoz kizrlag a vletlen hatsra szrdik; az alterna-
tv hipotzis fennllsa esetn a regresszis modellt elfogadhatnak tljk. A nullhipotzis
ellenrzst az albbi varianciaanalzis 4-1. tbla alapjn vgezhetjk el.


103
4-1. tbla: Varianciaanalzis
153

sszetev Ngyzetsszeg
(SS)
Szabadsg
fok
(df)
Szrsngyzet becs-
lse
(MS)
Regresszi
(SSR)
Maradk
(SSE)
.
2
i
y
) y - y ( = S

2
i i e
) y - (y = S

k

n-k-1
y
y
S
s
k
=
( )
2
e
S
s
n k 1
=


Teljes
(SST)

2
i y
) y - (y = S
n-1
( )
y
y
S
s
n 1
=



A prbafggvny:
( )
y
e
S / k
F
S / n k 1
=


A tbbszrs determincis egytthat segtsgvel is ellenrizhetjk a modell magyarz
erejt, az albbi mdon:
( ) ( )
2
2
R / k
F
1 R / n k 1
=


Ha a szmtott F rtk nagyobb, mint a tblabeli rtk F
0,05 [k, (n-k-1)]
ahol a szignifikancia-szint
5%, a szmll szabadsgfoka k, a nevez (n-k-1), akkor a regresszis modellt elfogadhat-
nak tljk. Ellenkez esetben elvetjk. Az F-prbval az egsz modellt teszteljk, mert arra
a krdsre keressk a vlaszt, hogy rdemes-e a regresszi-szmtst, mint elemzsi mdszert
alkalmazni. Ha nem j a modell, teht esetnkben a modellnk egszben rossz, akkor a reg-
resszis modell alkalmazst elvetjk, s egyszerbb eljrsokkal, pl. tlagszmtssal kell
dolgozni. Elfogadjuk teht a regresszis modellt pl. 5%-os szignifikancia-szinten, ha:
( ) ( )
2
0,05[k,(n k 1)]
2
R / k
F F
1 R / n k 1

= >


Nem fogadjuk el a regresszis modellt pl. 5%-os szignifikancia-szinten, ha:
( ) ( )
2
0,05[k,(n k 1)]
2
R / k
F F
1 R / n k 1

= <


Az F-szmtott rtk nagysga az R
2
nagysgtl fgg, pl. ha az R
2
= 0, az F-rtk is nulla, az
R
2
nvekedsvel, a szmtott F-rtk is n, ha az R
2
=1, akkor az F-rtk tart a vgtelenhez.
(F)
A varianciaanalzis tbla segtsgvel teht a modell globlis prbjt vgezhetjk el. A hipo-
tzisrendszerrl val dnts didaktikai okokbl kt mdon is elvgezhet: tetszlegesen
bellthat szignifikancia-szinthez tartoz kritikus rtk, valamint p-rtk alapjn is, ezrt
mindkt eredmnyt kzljk..

Regresszis egytthatk:

- egytthatk rtke s standard hibja, t-rtkei, p-rtkei s konfidencia intervallumai
(tetszleges megbzhatsgi szinten)
- vltozk bevonsrl/kihagysrl dnt jellngyzetek

Az alkalmazott kpletek:


153
Az eltrs-ngyzetsszeg angol megfelelje (Sum of Squares) alapjn SS szimblummal jelljk,
R=Regression, E=Error, T=Total, df= degrees of freedom, MS=Mean Square.
104
A regresszis paramterek (egytthat: Ehat) konfidencia-intervallumait (Als 95%) (Fels
95%) kiszmtja a parancsfjl, alapesetben a konfidencia intervallum 95% s t
krit
=5%.
A b
j
regresszis paramter konfidencia intervalluma ( ) 1 100 o valsznsgi szinten %-
ban:
(1 2)( n k 1)
j
j b
b t s
o/

Ahol:

j
b
s = a j-ik paramter standard hibja (St hiba),

(1 2)(n k 1)
t
o/
= a Student-fle t-prba kritikus rtke az (n-k-1) szabadsgfoknl, az
/2 szignifikancia-szinten.

Az ltalunk elre megvlasztott szignifikancia-szint alapesetben 5%-os (p=0,05) valszn-
sg (konfidencia intervallum 95%), ami vltoztathat a srga cellban: pl. 1% (konfidencia
intervallum 99% s t
krit
=1%., p=0,01), 10 % (konfidencia intervallum 90% s t
krit
=10%,
p=0,1).
Az szignifikancia-szint valsznsgnek cskkentsvel illetve a konfidencia intervallum
valsznsgnek nvelsvel az adott (n-k-1) szabadsgfok esetn a Student-fle t-eloszls
kritikus rtkei is nagyobb szmok lesznek s gy a regresszis paramterek konfidencia in-
tervallumai is nvekednek. Pl. ha az alapeset 95%-os konfidencia intervallum valsznsgt
99%-ra nveljk. Ez fordtva is igaz, az szignifikancia-szint valsznsgnek nvelsvel
illetve a konfidencia intervallum valsznsgnek cskkentsvel az adott (n-k-1) szabad-
sgfok esetn a Student-fle t-eloszls kritikus rtkei is kisebb szmok lesznek s gy a reg-
resszis paramterek konfidencia intervallumai is cskkennek. Pl. az alapeset 95%-os konfi-
dencia intervallum valsznsgt 90%-ra cskkentjk.

A Backward elimincis mdszer

A paramterek szeparlt tesztelsnl teht a nullhipotzisnk az, hogy a j-edik (j=1,2k)
regresszis paramter rtke 0, az alternatv hipotzisnk pedig az, hogy nem, azaz
0 j
1 j
H : =0
H : 0
|
| =

A nullhipotzis elfogadsa azt jelenti, hogy a j-edik magyarz vltoz nem magyarzza az
eredmnyvltozt, teht a modellben val megtartsa felesleges, esetleg kros.
A prbafggvny a nullhipotzis fennllsa esetn
(1 2)( n k 1)
j
j
b
b
t t
s
o/
= <
A prbafggvny a nullhipotzis elutastsa esetn
(1 2)( n k 1)
j
j
b
b
t t
s
o/
= >
Ahol

j
b = j-edik regresszis egytthat becslt rtke, (egytthat: Ehat)

j
b
s = j-edik regresszis egytthat becslt standard hibja, (St hiba)
Ezt a prbt parcilis t-prbnak, vagy rviden csak regresszis t-prbnak hvjuk. A prbt
kln-kln valamennyi regresszis becslt paramterre el kell vgezni, s ennek alapjn k-
pet kapunk arrl, hogy az egyes vltozk lnyeges mrtkben jrulnak-e hozz az eredmny-
vltoz magyarzathoz, vagyis az eredmnyvltoz rezidulis variancijnak cskkents-
hez.
Az els lpsben teht minden vltozt bevonunk, s ha a p-rtkek (szignifikancia-szint 5%)
mindegyike 0,05-nl kisebb akkor a regresszis fggvnyt optimlisnak tekintjk. Ha tal-
lunk olyan paramtert, ahol a p rtk nagyobb, mint 0,05, amit a piros szn is jelez, akkor
dnthetnk a vltoz kihagysrl, ha pedig tbb ilyen paramter tallhat, akkor clszer
105
elszr azt a vltzt kihagyni, amelyiknl a p rtke a legnagyobb. Ezt addig folytatjuk,
amg a p rtkek mindegyike 0,05-nl kisebb lesz s a modell az elmleti feltteleknek is
megfelel.

4.1.2 A Mtrix munkalap

A Mtrix munkalapon a tbbvltozs regressziszmtssal kapcsolatos mtrixok, valamint
az ezekhez kapcsold statisztikk tallhatak meg. A mtrixok maximlis mrete a magya-
rz vltozk maximlis szmval sszhangban van. Az albbi mtrixok jelennek meg a
munkalapon:
A B oszloptl kezdden rendre:
- teljes korrelcis mtrix (valamennyi vltozra);
- bevont korrelcis mtrix (a meghagyott magyarz vltozkra, ha valamennyi ma-
gyarz vltoz szerepel a vgleges modellben, akkor megegyezik az elz mtrix
tartalmval);
- bevont korrelcis mtrix inverze;
- determincis egytthatk a teljes adatmtrixra;
- determincis egytthatk a bevont adatmtrixra;
- bevont vltozk parcilis korrelciit tartalmaz hromszgmtrix;
-
T
X X mtrix a teljes adathalmazra;
-
T
X X mtrix a bevont vltozkra;
-
T -1
(X X) a bevont vltozkra.
Az U oszloptl kezdden rendre:
- teljes korrelcis mtrixhoz tartoz t-rtkek, szignifikancia alapjn sznezve;
- bevont korrelcis mtrixhoz tartoz t-rtkek, szignifikancia alapjn sznezve;
- bevont magyarz vltozk korrelcis mtrixnak inverze;
- bevont vltozk parcilis korrelciihoz tartoz t-rtk, szignifikancia alapjn sznez-
ve.
Az AO oszloptl kezdden rendre
154
:
- teljes adatmtrixra a sajtrtkek s sajtvektorok;
- bevont adatmtrixra a sajtrtkek s sajtvektorok;
- a sajtrtkek megoszlsi s kumullt megoszlsi viszonyszmai;
- fkomponenssly-mtrix;
- fkomponensslyok ngyzete.

A fentiekben felsorolt mtrixok kzl tbb nmagban is fontos informcikat hordoz a reg-
resszival kapcsolatban, nhny kiszmtsa pedig a tovbbi vizsglatok miatt szksges. Di-
daktikai okokbl mindegyik mtrix bemutatst szksgesnek tartottuk.

Az alkalmazott kpletek:

R(teljes) az sszes vltoz bevonsa esetn kzli a korrelcis mtrixot s a vltozk neveit.
Mellette megtallhat a korrelcis egytthatk felhasznlsval szmtott t-rtkek mtrixa,
srga mezben a szignifikancia-szint, alapeset 5%, amit lehet vltoztatni.
Ha a kapcsolat ltrl kvnunk dnteni, az eredmnyvltoz (y) s brmelyik magyarz
vltoz (x
j
) kztt, akkor adott szignifikancia-szinten ellenrizhetjk, vajon van-e kapcsolat a
kt ismrv kztt. Hipotzisrendszernk:
0 yj
1 yj
H : r
= 0
H : r 0 =

Hasonl mdn tesztelhetjk kt magyarzvltoz (x
j
s x
l
) kztti kapcsolatot.

154
A 4.1.4 pontban (a multikollinearits kikszblse) s az F2 pontban (Mtrix.xls parancsfjl m-
kdse) trgyaljuk.
106
0 jl
1 jl
j l
H : r
= 0
H : r 0
x x
=
=

A nullhipotzis rtelmben a kt ismrv fggetlen, ennek elvetse a korrelcis kapcsolat
szignifikns voltt igazolja.
A becslt korrelcis egytthatra pl prbafggvnynk:
yj
2
yj
r n 2
t
1 r

Ahol:
n = mintaelemszm
k = magyarz vltozk szma

yj
r = az y s x
j
kztti ktvltozs lineris korrelcis egytthatt jelli.
A nullhipotzis teljeslse esetn (n-2) szabadsgfok ktoldal t-eloszlst kvet. Ha a sz-
mtott rtk nagyobb mint a Student-fle t-eloszls tblabeli rtke, akkor adott
szignifikancia-szinten a korrelcis kapcsolat szignifikns.
A kapcsolat nem szignifikns, 5%-os szignifikancia-szinten, teht a H
0
-hipotzist elfogadjuk,
ha:
yj
0,025(n 2)
2
yj
r n 2
t t
1 r

= <

A kapcsolat szignifikns, 5%-os szignifikancia-szinten, teht a H
1
-alternatv hipotzist fogad-
juk el, ha:
yj
0,025(n 2)
2
yj
r n 2
t t
1 r

= >

Az R(bevont) a bevont vltozk esetn kzli a korrelcis mtrixot s a vltozk neveit. Mel-
lette megtallhat a korrelcis egytthatk felhasznlsval szmtott t-rtkek mtrixa, sr-
ga mezben a szignifikancia-szint, alapeset 5%, amit lehet vltoztatni.

Parc. korr. A parcilis korrelcis egytthatk mtrixa a bevont vltozk esetben, mellette a
parcilis korrelcis egytthatk felhasznlsval szmtott t-rtkek mtrixa, srga mezben
a szignifikancia-szint, alapeset 5%, amit lehet vltoztatni.
A parcilis korrelcis egytthatk nulltl val klnbzsge, ugyangy, mint a korrelci-
s egytthatk esetben, t-prbval tesztelhet, br a prbafggvny nmikpp mdosul:
0 yj.12... j 1, j 1,...k
1 yj.12... j 1, j 1,...k
H : r
= 0
H : r 0
+
+
=

yj.12... j 1, j 1,...k
2
yj.12... j 1, j 1,...k
r n k 1
t
1 r
+
+

=

A nullhipotzis teljeslse esetn a prbafggvny (n-k-1) szabadsgfok ktoldal t-
eloszlst kvet.

A H
0
nullhipotzist elfogadjuk, ha:
yj.12... j 1, j 1,...k
0,025(n k 1)
2
yj.12... j 1, j 1,...k
r n k 1
t t
1 r
+

+

= <

A H
1
alternatv hipotzist fogadjuk el, ha:
yj.12... j 1, j 1,...k
0,025(n k 1)
2
yj.12... j 1, j 1,...k
r n k 1
t t
1 r
+

+

= >

107
Ha teht a szmtott rtk nagyobb, mint a Student-fle t-eloszls tblabeli rtke, akkor adott
szignifikancia-szinten a korrelcis kapcsolat szignifikns.

X
T
X (telj) s X
T
X (bev) a Teljes s a Bevont esetekben az adatmtrix transzponltja szorozva
az adatmtrixszal. A mtrix transzponltjnak (az eredeti mtrixot elforgatjuk, az els oszlop
lesz az els sor, a msodik oszlop lesz a msodik sor stb.

X
T
X=
(
(
(
(
(
(
(
(

kn 2 k 1 k
n 2 22 21
n 1 12 11
x ... x x
.
.
x x x
x ... x x
1 ... 1 1
(
(
(
(
(
(
(
(

kn n 2 n 1
2 k 22 12
1 k 21 11
x ... x x 1
.
.
.
x ... x x 1
x ... x x 1
=
=
(
(
(
(
(
(
(
(
(
(
(

= = = =
= = = =
= = =
n
1 i
ki
2
n
1 i
i 2 ki
n
1 i
i 1 ki
n
1 i
ki
n
1 i
ki i 1
n
1 i
i 2 i 1
n
1 i
i 1
2
n
1 i
i 1
n
k i
ki
n
2 i
i 2
n
1 i
i 1
x ... x x x x x
.
.
.
x x ... x x x x
x ... x x n


(X
T
X)
-1
az elz mtrix inverze a bevont vltozk esetben.
(X
T
X)*(X
T
X)
-1
=E, ahol E az egysgmtrix.

A fentiekben felsorolt mtrixok kzl tbb nmagban is fontos informcikat hordoz a reg-
resszival kapcsolatban, nhny kiszmtsa pedig a tovbbi vizsglatok miatt szksges. Di-
daktikai okokbl mindegyik mtrixok bemutatst szksgesnek tartottuk.

4.1.3 A Maradk munkalap

A Maradk munkalapon az aktulis modell empirikus maradkaibl kpzett oszlopvektorok
tallhatak meg, valamint lehetsg van becsls, elrejelzs elvgzsre is. A munkalapon ta-
llhat oszlopvektorok az albbiak:
- y: a vizsglt eredmnyvltoz rtkeinek vektora;
- y : az eredmnyvltoz rtkeinek becslt vektora, a bevont magyarzvltozkkal
trtnt pontbecsls;
-
2
y : az eredmnyvltoz becslt rtkeinek ngyzete;
- e: empirikus reziduum( )
e y y = ;
- e
t-p
: az empirikus maradk p-vel (p=1,2,,12) ksleltetett rtke (p nagysgt az
Autokorrelci munkalapon lehet megadni, jellemzen p 1 = );
- e
2
: a maradk ngyzete.

Elrejelzst (idsorok esetn), illetve pontbecslst (keresztmetszeti adatbzisok esetn) k-
szthetnk a H oszloptl kezdden, a srga mezkbe a magyarzvltozk kvnt rtkeit
kell berni. Technikai okokbl valamennyi (bevont s be nem vont) vltozhoz meg kell adni
rtkeket, ezekbl csak azokat fogja a program figyelembe venni, amelyek bevont vltozk-
hoz tartoznak. Egyszerre maximum 20 becsls, illetve elrejelzs hajthat vgre. A helyesen
108
kitlttt magyarz vltoz rtkekhez tartoz becslt eredmnyvltoz rtk a H oszlopban
olvashat le.

4.1.4 A Multikollinearits munkalap

A Multikollinearits munkalap a magyarz vltozk sszefggsnek problmjt vizsglja.
A multikollinearits tmakre hatalmas irodalommal rendelkezik, a tma egyik legfrissebb s
legtfogbb magyar nyelv sszefoglaljt adja Kovcs Pter
155
. Az elvgezhet tesztek k-
zl nem hasznltuk valamennyit, csupn az oktatsban gyakran alkalmazott, ltalnosan el-
terjedt prbkat. Az albbiakban nagyvonalakban bemutatjuk a beptett prbkat:
- a multikollinearits globlis tesztelse:
o
2
_ prba;
o Kondciindex s kondciszm (gyks formula);
o Petres-fle RED mutat
156
;
- a multikollinarits lokalizlsa:
o parcilis korrelcis egytthatk tesztelse;
o F-prba;
o VIF-mutat (variancia infll faktor);
o tolerancia mutat;
- a multikollinarits kikszblse. Fkomponens regresszi
157
.

Az alkalmazott kpletek:

A multikollinearits globlis tesztelse, a _
2
prba
158
*

A multikollinearits jelenltre kvetkeztethetnk a magyarz vltozk korrelcis mtrix-
nak determinnsbl is. Igazolhat ugyanis, hogy amennyiben a magyarz vltozk lineri-
san fggetlenek egymstl a modellt ortogonlisnak (az ortogonlis mtrix kvadratikus,
transzponltja egyenl inverzvel, a mtrix s a mtrix transzponltjnak a szorzata az egy-
sgmtrixot adja s determinnsa: 1 ) tekinthetjk. Az ortogonlis rendszert ler mtrix de-
terminnsa 1-gyel, teljes multikollinearits esetn viszont 0-val egyenl. Minl kzelebb van
a determinns nullhoz, annl nagyobb mrv fggsg van a magyarz vltozk kztt.
rvnyes teht az albbi relci:
1 0
k
s s R
ahol
k
R a magyarz vltozk korrelcis mtrixa determinnsnak abszolt rtke.
A multikollinearits szignifikancija az R mtrix determinnshoz kapcsoldva
2
_ -prbval
tesztelhet. Az gy kpzett prbafggvny annak a H
0
hipotzisnek a tesztelsre szolgl,
amely szerint a magyarz vltozk linerisan fggetlenek.
A
2
_ -teszt teht azt vizsglja, hogy a vltozk az alapsokasgban korrellatlanok-e
(nullhipotzis), azaz azt teszteli, hogy a korrelcis mtrixnak a ftln kvli elemei csak
vletlenl trnek-e el a nulltl.
A prbafggvny az albbi:
( )
2
k
1
= - n -1- 2k + 5 log R
6
(
(

_

155
Ld.: Kovcs Pter [2008a].
156
Ld. Kovcs-Petres-Tth [2004, 2005]
157
A szmtsok elvgzshez szksg van a mtrix.xls parancsfjlra.
158
Bartlett illetve FarrarGlauber-teszt. A
2
prbafggvny kidolgozsa M. S. Bartlett nevhez fz-
dik. (Bartlett, M. S. [1937]: Properties of sufficiency and statistical tests. Proceedings of the Royal
Statistical Society Series A 160, 268282. ) A multikollinearits
2
-prbn alapul tesztjt Farrar s
Glauber publiklta elszr. Farrar D. E. s Glauber R. R. [1967].
109
A fenti fggvnyben a magyarz vltozk korrelcis mtrixa determinnsnak |R
k
| tzes
alap logaritmusval szmolunk. A prbafggvny szabadsgfoka:
( )
1
sz.f . k k 1
2
=
ahol:
n = a megfigyelsek szma
k = magyarz vltozk szma
Adott szignifikancia-szint mellett a
2
_ tblban megkeressk a megfelel kritikus rtket.
Amennyiben a fenti prbafggvny alapjn szmtott rtk nagyobb, mint a tblbl vett,
szmottevnek tarthatjuk a modellben a multikollinearitst. Ellenkez esetben, H
0
hipotzis
elfogadsa esetn elfogadjuk a nullhipotzist, vagyis azt, hogy a magyarz vltozk lineri-
san fggetlenek. A program kzli, hogy van, vagy nincs multikollinearits.

Kondciindex s kondciszm szmtsa
159

160
*

A multikollinearits mrszmnak egy csaldjt alkotjk a tnyezvltozk korrelcis mt-
rixnak sajtrtkeire pl mutatk. E mutatk htrnya, hogy rtelmezsk szubjektv, azaz
nincs egy olyan egyrtelm kszbszm, ami mr ers multikollinearitst jelez.
161
A sajtr-
tkek meghatrozsnl felhasznljuk azt az sszefggst, hogy a standardizlt magyarz
vltozk XX mtrixa egyenl a magyarz vltozk korrelcis mtrixval. A kondciszm
(vagy llapot mutat, CN=condition number) annak mutatja, hogy milyen kzel van a ma-
gyarz vltozk mtrixa (XX), ahhoz, hogy szingulris legyen. A becslsre vonatkozan,
ha a becsl rtkek mtrixa kzel szingulris, teht az adatok kzel kollinerisak, akkor ne-
hz pontos vagy precz inverzt ellltani, s a lineris regresszi becslt paramtereinek
nagy standard hibja lesz.
A kondciindexek
162
(CI condition index) a magyarz vltozk korrelcis mtrixnak
legnagyobb ( )
max
s j-dik
( )
j
j 1, 2, , k = sajtrtkei alapjn hatrozhatak meg:
max
j

CI =

.
Ha a legkisebb sajtrtket
min
-nel jelljk, akkor a kondciszm (CN condition number):
max
min

CN =

,
azaz a legnagyobb kondciindex neve kondciszm.
Ha a magyarz vltozk linerisan fggetlenek, valamennyi sajtrtk egy, akkor a CN-
mutat rtke is eggyel egyenl. Minl nagyobb a mutat nagysga, annl ersebb a
multikollinearits mrtke. A multikollinearits mrtke, gyenge, ha a 1<CN<5, zavar, ha
5<CN<10, , igen zavar, ha CN>10.

A Petres-fle Red-mutat. Az adatllomny redundancijnak a mrse*

Ha a magyarz vltozk kztt szoros kapcsolat van, akkor a nagymennyisg adatokat tar-
talmaz llomnyok gyakran kevs informcit hordoznak, szmos felesleges adatot tartal-
maznak, teht redundnsak. A multikollinearits a lineris regresszis modellek esetn a re-
dundancia egyik fajtjaknt rtelmezhet.
Mrsre a Petres-fle RED-mutatt hasznljuk
163

164

165
:

159
Encyclopedia of Statistical Sciences, 16 Volume Set, [2006] 2nd Edition. 2. ktet: 1239-1240
160
A SAS programja is gy szmol: http://www.ats.ucla.edu/stat/sas/ webbooks/reg/ chapter2/
sasreg2.htm (2010 01 14)
161
Kovcs Pter [2008]: 49.
162
Encyclopedia of Statistical Sciences, 16 Volume Set, [2006] 2nd Edition. 2. ktet: 1239-1240.
163
Kovcs Pter Petres Tibor Tth Lszl [2004]: 598.
164
Peter Kovacs Tibor Petres Laszlo Toth [2005]: 405-412.
110
RED(%) 100
k 1

o
=

ahol

o = a magyarz vltozk korrelcis mtrixa (R) sajtrtkeinek () a szrsa s k a

magyarz vltozk szma.
Ha minden sajtrtk egy, akkor RED(%)=0%. Ez azt jelenti, hogy a sajt rtkek szorzata,
vagyis a magyarz vltozk korrelcis mtrixnak a determinnsa 1-gyel egyenl. Ebben
az esetben a mtrix ortogonlis, teht nincs multikollinearits, mert a magyarz vltozk
fggetlenek egymstl. Amennyiben a sajtrtkek tvolodnak ettl az esettl, akkor a RED-
mutat rtke nvekszik.
A redundancia hinya esetn a RED-mutat rtke nulla szzalk, mg maximlis redundan-
cia esetn szz szzalk. Ha pl. RED(%)=30%, akkor ez azt jelenti, hogy az adott mret s
minimlis redundancij adatllomnyhoz kpest a hasznos tartalmat hordoz adatok arnya
70%, azaz az adatok tlagos egyttmozgsnak a maximlishoz viszonytott mrtke pedig
30%.
A RED-mutat kifejezhet a magyarz vltozk korrelcis mtrixnak ftln kvli ele-
meinek ngyzetes tlagaknt is. Ez azt jelenti, hogy a mutat nem csak a becslfggvny
szempontjbl hasznos tartalmat hordoz adatok arnyt mutatja, hanem a magyarz vlto-
zk egyttmozgsnak tlagos mrtkt is.
A redundancia kritikus rtke, ha k=1,216 s a sajtrtkek szma 1, akkor a kritikus rt-
kek:
k,1
1
RED *100
(k 1)(k 1)
=



0%
20%
40%
60%
80%
100%
120%
2 3 4 5 6 7 8 9 10 11 12 13 14 15 16

4.2. bra: A RED-mutat kritikus rtkei, mint 1 darab sajtrtk zr voltnak szk-
sges felttele. A k=a magyarz vltozk szma (k=2-16)

Ha:
k,1
RED(%) < RED (%) (zld szm)
Akkor a lineris regresszis modell illesztse utn kapott becslt paramterek szrsngyze-
teinek az sszege illetve tlaga biztosan vges. (zld szm)
Ha:
k,1
RED(%) > RED (%) (piros szm)
Akkor a lineris regresszis modell illesztse utn kapott becslt paramterek szrsngyze-
teinek az sszege illetve tlaga nem biztos, hogy vges. Ezrt a hatrpont kritikus rtkknt is
rtelmezhet. (piros szm)

165
Kovcs Pter [2008]: 57-58.
111

A multikollinearits lokalizlsa

A korrelcis egytthatk vizsglata

A magyarz vltozk (x
j
s x
l
) kztti kapcsolat is tesztelhet, az a kedvez, ha nincs szig-
nifikns kapcsolat a kt vltoz kztt, (ld. albb az els egyenltlensget, zld szm) de ha
szignifikns a kapcsolat, (ld. albb a msodik egyenltlensget, piros szm) mg ez mg nem
jelenti felttlenl azt, hogy kros a multikollinearits mrtke.
jl
0,025(n 2)
2
jl
r n 2
t t
1 r

= <

jl
0,025(n 2)
2
jl
r n 2
t t
1 r

= >

A parcilis korrelcis egytthatk vizsglata

Szignifikns kapcsolat esetn, normlis eloszlst felttelezve, kros a multikollinearits a kt
magyarz (x
j
s x
l
) vltoz kztt ha a parcilis korrelcis egytthatk kztt szignifikns
a kapcsolat:
j l
j l
x x .y12...i-1,i+1,...k
0,025(n-k-1)
2
x x .y12...i-1,i+1,...k
r n - k -1
t = > t
1- r

Ha nem szignifikns a kapcsolat, akkor a a multikollinearits mrtke nem kros a kt ma-
gyarz (x
j
s x
l
) vltoz kztt ha:
j l
j l
x x .y12...i-1,i+1,...k
0,025(n-k-1)
2
x x .y12...i-1,i+1,...k
r n - k -1
t = < t
1- r

F-prba

A magyarz vltoz kztti kapcsolatokrl hasznos informcit nyerhetnk, ha kiszmtjuk
az egyes magyarz vltozknak a tbbi magyarz vltozra vonatkoz tbbszrs deter-
mincis egytthatit. Ez azt jelenti, hogy a k magyarz vltozt tartalmaz regresszis
modellben k jabb regresszi-fggvnyt s tbbszrs determincis egytthatt kell megha-
trozni. Ebben az esetben mivel: y=x
j
ezrt x
j
=1,2,k-1, teht a magyarz vltozk szma
(k) eggyel cskken.
Regresszi-fggvnyek:
( )
( )
( )
( )
1 2 i k
2 1 3 i k
j 1 j-1 j+1 k
k 1 j k-1
X = f X , ..., X , ..., X ,
X = f X , X , ..., X ,..., X ,
.
.
X = f X , ..., X , X , ..., X ,
.
.
X = f X , ..., X , ..., X ,
.


Az egyes felsorolt fggvnyek tbbszrs determincis egytthatit (R
2
j
) megbecsljk,
majd F-prbval, a varianciaanalzisnl lertaknak megfelelen teszteljk. Ha az F-prba
alapjn szignifikns a kapcsolat az adott magyarz vltoz s a tbbi magyarz vltoz k-
ztti modellben, akkor a multikollinearitst lokalizltuk.

112
Nullhipotzisnk az, hogy a magyarz vltozk regresszis egytthati mind 0-k, vagyis
nincs multikollinearits, az alternatv hipotzis szerint ltezik legalbb egy 0-tl eltr
egytthat vagyis van multikollinearits.

0 1 2 j-1 j+1 k
j 1
H : = =... = = ...=. =0
H : 0
| | | | |
| - =

Az F-prba alapjn szignifikns a multikollinearits, ha:
( ) ( )
2
(0,05[k 1,n k])
2
R /(k 1)
F F
1 R / n k

= >


Az F-prba alapjn nem szignifikns a multikollinearits, ha:
( ) ( )
2
(0,05[k ,n k])
2
R /(k 1)
F F
1 R / n k

= <



A variancit infll faktor (variancianvel tnyez VIF
j
mutat = Variance Inflator
Factor)

A magyarz vltozk kztti determincis egytthatkra pl a variancit infll faktor
(VIF) mutatja. A mutatszm melyet ltalban kettnl tbb magyarz vltoz esetn
hasznlunk azt mri, hogy a multikollinerits jelenlte milyen mrtkben nveli a becslt
paramterek standard hibinak a ngyzett, vagyis a variancijt. Ez a mutat teht azt mutat-
ja, hogy a j-edik vltoz becslt egytthatjnak tnyleges variancija hnyszorosa annak,
ami a multikollinearits teljes hinya esetn lenne kaphat. Kiszmtsa:
A variancit infll faktor (VIF)
j
2
j
1
VIF
1 R
=

ahol
2
j
R a j-edik magyarz vltoz s a tbbi magyarz vltoz kztti tbbszrs de-
termincis egytthat.
A VIF mutat, knnyen meghatrozhat a reduklt (csak a magyarz vltozk kztti kap-
csolatot mutat) korrelcis mtrix inverzbl, ugyanis az inverz mtrix diagonlis elemei a
VIF
j
mutatkat adjk.
166

Ebbl hatroztuk meg az
2
j
R rtkeket, ugyanis:
j 2
j
j
VIF 1
R
VIF

=
A mutat hatrai:
j
1 VIF s s
A |
j
paramter standard hibangyzetnek, variancijnak becslse:
( )
( )
( )
( )
j
2
2
2
b
2 2 2
2
xj xj
j
j
s 1 s 1
s
1 R 1 R
x x
x x
| |
|
= =
|

\ .

Ahol:
( )
2
2
y y
s
n 2

Amennyiben a j-edik magyarz vltoz linerisan fggetlen a tbbitl, a VIF mutat rtke
1, mivel az R
j
2
rtke 0, ha viszont az R
j
2
rtke 1, akkor nem lehet rtelmezni a mutatt,
mert a vgtelenbe tart. Ha valamelyik vltoz VIF mutatja 1 s 2 kztt van, akkor gyenge,
(zld szm), ha 2-5 kztt van, akkor ers, zavar, (kk szm) ha pedig 5 felett van, akkor
nagyon ers, kros (piros szm) a multikollinearits.

166
Ld. F2.-t a mellkletben.
113
A |
j
paramter standard hibangyzetnek nagysga hrom tnyeztl fgg, akkor lesz na-
gyobb, ha:
1. s
2
, teht a rezidulis variancia nagyobb,
2.
( )
2
j
x x

az x
j
vltoz tlagtl val eltrs - ngyzetsszege (az x
j
vltoz szrs-
ngyzete) kisebb,
3.
2
xj
R nagyobb.
Ha az s
2
rtke kisebb s az
( )
2
j
x x

nagyobb akkor, nem lesz problma a magas stan-

dard hibkkal, mg akkor sem, ha az
2
xj
R nagyobb lenne.

A tolerancia mutat

A VIF mutat reciprokt tolerancia mutatnak (jele
j
T ) hvjuk, amelynek hatrai:
j
0 T 1 s s
A tolerancia mutat minl kzelebb van az 1-hez, annl kevsb zavar a multikollinearits.
Ha valamelyik vltoz
j
T mutatja 0,5 s 1 kztt van, akkor gyenge, (zld szm), ha 0,2-0,5
kztt van akkor ers, zavar, (kk szm) ha pedig 0 s 0,2 kztt van, akkor nagyon ers,
kros (piros szm) a multikollinearits.

A multikollinearits kikszblse. Fkomponens regresszi
167

168

169


A fkomponens-elemzs (PCA: Principal Components Analysis) az adatok leegyszerstst
teszi lehetv, a kiindulsi adatmtrix dimenzijnak cskkentsvel. A rgi magyarz vl-
tozk lineris kombincijval j vltozkat lltunk el a sajtrtk problma megoldsval.
A fkomponenselemzs mgttes gondolata az, hogy kisszm httrvltoz underlying
factor segtsgvel a teljes mtrixot viszonylag jl (adott hibval) reprezentlni lehet. Az j
mestersges vltozk korrellatlanok (ortogonlisak, teht egymstl linerisan fggetlenek),
s cskken sajtrtkek (eigenvalue) sorrendjben szoks sorban rakni ket. Az eljrs az
eredeti, egymssal szorosan korrell k szm vltozt azok ugyancsak k szm fkompo-
nensvel helyettesti, s ezek segtsgvel kszt immron j tulajdonsg becslseket. Az j
regresszi az gy kpzett j vltozkra vonatkozik, gy a szoksos becslsi kritriumok nagy
rsze (torztatlansg, konzisztencia) nem rtelmezhetk.
Alkalmas lehet becslsre, a fkomponens regresszi, ha:
a kevs szm fkomponens minimlis informci vesztssel kpes helyettesteni a vltoz-
kat,
a mestersges vltozk szakmailag jl rtelmezhet tartalmak,
elssorban nem a regresszis paramtervektorra, hanem az y becslsre vagyunk kvncsiak

A fkomponens regresszi paramtereinek meghatrozsa X
T
X mtrix sajt rtkeinek () s
sajt vektorainak, (faktorslyainak, loadings:
ij
a ) a meghatrozst jelenti.
ltalban klnbz mrtkegysg vltozkbl lltjuk el a mestersges vltozkat, ezrt a
mrtkegysgeket ki kell kszblni. Ezt a standardizls mveletvel lehet biztostani:
ij
ij
x - x
x = - =

i=1,2n j=1,2,k
Az eredeti regresszi n*k mret X vltozmtrixot egy k*k mret A mtrixszal egy ugyan-
csak n*k mret Z = XA mtrixsz transzformljuk. E Z mtrix oszlopvektorait fkompo-
nenseknek vagy fkomponensvektoroknak nevezik. Az A mtrix teht az X
T
X mtrix sajt-
vektoraibl pl fel. Az A mtrix elemeit az
j
x standardizlt vltozk variancia-kovariancia

167
Mundrucz Gyrgy [1981]: 71-73.
168
Hunyadi Lszl [2001]: 179-181.
169
Petres Tibor-Tth Lszl [2008]: 245-246.
114
mtrixnak sajt vektorai adjk. A standardizlt vltozk variancia-kovariancia mtrixa az
eredeti vltozk korrelcis mtrixval (R) azonos, gy ebbl a mtrixbl is meghatrozhatjuk
a sajt rtkeket s sajt vektorokat. Az A mtrix teht becslhet a korrelcis mtrixbl
szmtott sajt rtkekhez tartoz sajt vektorokkal, s ezrt a program ennek alapjn vgzi el
a szmtsokat. Egy-egy sajt rtk azt mutatja, hogy a vizsglt fkomponens az X mtrix va-
riancijnak hny %-t hatrozza meg. A sajt rtkek sszege a magyarz vltozk szm-
val (k) egyezik meg. Ennek alapjn a sajt rtkekbl megoszlsi illetve kumullt megoszlsi
viszonyszmokat kpezhetnk. ltalban nhny fkomponens az X mtrix variancijnak
igen jelents hnyadt kpviselheti, ezrt eljrhatunk gy is, hogy nem a multikollinearitst
okoz X
j
magyarz vltozt zrjuk ki a modellbl, hanem az alacsony sajt rtkekkel ren-
delkez fkomponenseket. Arra nincs egyrtelm szably, hogy hny j fkomponens vlto-
zt clszer a modellben tartani. Az egyik megkzelts az lehet, hogy akkor jelents egy f-
komponens, ha a sajtrtke nagyobb mint egy illetve ha nem nagyobb mint egy, de a figye-
lembe vett sajt rtkek az sszes variancia legalbb 80% -t megmagyarzzk.

A szmtsokhoz szksges adatokat a Mtrix munkalapon kzljk.

A fkomponensek (sajt vektorok
ij
a i,j=1,216) s a magyarz vltozk kztti sszefg-
gs
170
:
1 11 1 21 2 k1 k
2 12 1 22 2 k2 k
k 1k 1 2k 2 k2 k
z = a x +a x +... +a x
z = a x +a x +... +a x
.
.
.
z = a x +a x +... +a x


Majd a megtartott j szm komponensre s az y eredmnyvltozkra regresszis sszefggst
hatrozunk meg:
1 1 2 2 j j
y = b z +b z +... + b z

A becslt b
j
paramterek segtsgvel az eredeti vltozkra transzformlhatjuk vissza a mo-
dellt:
1 11 1 21 2 k1 k
2 12 1 22 2 k2 k
j 1j 1 2j 2 kj k
y = b (a x +a x +... +a x ) +
+b (a x +a x +... +a x ) +... +
.
+b (a x +a x +... +a x )

trendezve az egyenletet:
1 11 2 12 j 1j 1
1 21 2 22 j 2j 2
1 k1 2 k2 j kj k
y = (b a +b a +... + b a )x +
+(b a + b a +... + b a )x +... +
.
+(b a + b a +... + b a )x


A fent lert fkomponens transzformcival felhasznlhatk a fkomponensek kvetkez el-
nys tulajdonsgai:
a fkomponensek pronknt ortogonlis rendszert alkotnak,
a fkomponensek varianciinak sszege megegyezik az eredeti vltozk varianciinak sz-
szegvel,
( ) ( ) ( )
2 2 2
1 2 k 1 2 k
+ +... + = + +... + x x x
a fkomponensek cskken varianciik szerint vannak sorba rendezve.
( ) ( ) ( )
2 2 2
1 2
...
k
o o o > > >


170
A szmtsok a mtrix.xls mtrixok szorzsa munkalapon elvgezhet. A sajt rtkeket s a sajt
vektorokat a bevont vltozkra a regresszio.xls parancsfjl a a mtrix munkalapon kzli.
115
A fkomponens slyok (loading vltozk) szmtsa

A fkomponens slyok, a sajtvektorok elemeinek s a megfelel sajtrtkek ngyzetgyk-
nek szorzatai:
ij ij j
d = a
i,j=1,2,,k

A fkomponensslyokat tartalmaz D mtrix, az n. fkomponenssly-mtrix, dimenzija
k*k s az albbi tulajdonsgokkal rendelkezik:
- A fkomponensslyok abszolt rtkei 1-nl nem nagyobbak.
- Az oszloponknti ngyzetsszegk a sajt rtk (
j
), soronknti ngyzetsszegk pe-
dig egy.
- A fkomponensslyok megadjk a vizsglt magyarzvltozk s a fkomponensek
kztti lineris korrelcis egytthatt.

A kommunalitsi mutatk szmtsa

A fkomponens sly ngyzetek felhasznlsval a kommunalitsi mutatk szmthatk ki:
2 2
ij ij j
d = a
A D mtrix k-adik sora els w darab elemeinek ngyzeteit kumulljuk, akkor a k-adik magya-
rzvltoz kommunalitshoz jutunk.
w
w 2
k ij
j=1
h = d

1 w k s s
A kumullt fkomponenssly-ngyzetek azt fejezik ki, hogy az egyes fkomponenseknek mi-
lyen jelentsge, slya van a magyarzvltozk variancijban.

A fkomponensek variancii az adatok kovariancia mtrixnak sajtrtkei (
j
), az egyttha-
ti pedig a megfelel sajtrtkhez tartoz sajtvektor egytthati.

4.1.5 Az Autokorrelci munkalap
Amennyiben egy regresszis modellben nem teljesl a modellekkel szemben megfogalmaz-
hat azon felttel, amely szerint a hibatnyez rtkei pronknt nem korrellnak egymssal,
akkor a modell autokorrellt. Az autokorrelci mrtkt a rezidulis autokorrelcis egytt-
hatval mrhetjk. A p-ed rend (p idegysggel ksleltetett, a parancsfjl esetben
p=1,2,,12) elmleti autokorrelcis egytthatt az egymstl p idegysgnyi tvolsgra l-
l maradktagok korrelcis egytthatjaknt becslhetjk. A gyakorlatban az els rend
autokorrelcis egytthatt szoktk tesztelni. A fjlban kzltnk tbb ksleltetsre vonatko-
z adatokat is, amire pldul szezonalitst mutat adatsorok esetn lehet szksg.
Az ltalunk hasznlt modell:
t p t -p t
e = e + v
Ahol:

171
= a p-endrend autokorrelcis egytthat becslt rtke, ami az egymstl p t-
volsgra lev rezidulis tagok kztti korrelcis egytthat
v
t
= 0 vrhat rtk, konstans szrs vltoz
t = 1, 2, n

Kpletben:

171
A grg r betvel jelljk.
116
( )( )
( ) ( )
t t p
n n
t t t p t p t t p
t p 1 t p 1
p e ;e n
n n
2 2 2
t p
t t t p t p
t p 1
t p 1 t p 1
e e e e e e
r
e
e e e e

= + = +

= +
= + = +

= = ~

Az Excel parancsfjlban az eredeti, s nem a kzelt p-ed rend rezidulis autokorrelcis
egytthatval szmoltunk. A p-ed rend autokorrelcis egytthatt a Student-fle t-prba
felhasznlsval teszteltk. A hipotzisrendszer az albbi:
0
1
H : 0
H : 0
=
=

A tesztstatisztika szmtsi mdja:
n-p-1
2
n - p -1
t = ~ t
1-

azaz a prbafggvny n-p-1 szabadsgfokt t-eloszlst kvet, ennek megfelelen kell a kriti-
kus rtkeket meghatrozni.
Ha p=1, elsrend rezidulis autokorrelcis egytthatrl beszlnk.
n
t t -1
t =2
n
2
t-1
t =2
e e
=
e

A fenti autoregresszv modellben, amennyiben a autokorrelcis egytthatnak az rtke
eltr nulltl a regresszis modell autokorrellt, mg ellenkez esetben a regresszis modell-
ben szerepl rezidulis vltoz megegyezik a tiszta vletlen hatssal, teht a modell jl speci-
fiklt s autokorrellatlan. Az autokorrelci tnynek eldntse tulajdonkppen az albbi hi-
potzis tesztelsnek felel meg:
0
1
H : =0
H : 0

=

Szignifikns autokorrelci esetn (5%-os szignifikancia-szinten, a piros szm jelzi) az albbi
felttel teljesl:
0,025(n 2)
2
n - 2
t t
1-

= >
Ha nincs szignifikns autokorrelci (5%-os szignifikancia-szinten, a zld szm jelzi) akkor
az albbi felttel teljesl:
0,025(n 2)
2
n - 2
t t
1-

= <
A nullhipotzis elfogadsa azt jelenti, hogy a rezidulis vltoz vletlen jelleg, a szomsz-
dos rtkek egymstl fggetlenek. A fenti ktoldal prbval termszetesen tesztelhet
pozitv s negatv rtknek szignifikancija is. Az els esetben H
1
:>0, mg a msodik eset-
ben a H
1
:<0 a megfelel alternatv hipotzis.

Az Excel parancsfjl kiszmtja s rtkeli a Durbin-Watson d-prba alapjn az
autokorrelcit.
Durbin-Watson teszt: az elsrend D-W-statisztika rtkt szmtja ki s rtkeli (a dntsi
lehetsgek:
1. pozitv autokorrelci,
2. negatv autokorrelci
3. bizonytalansg, teht nem lehet dnteni

117
A prbafggvny ellltshoz els lpsben ki kell szmtani a tapasztalati reziduumokat
(e
t
), amelyeket a klasszikus legkisebb ngyzetek mdszernek alkalmazsval nyernk. A
prbafggvny:
( )
n
2
t t 1
t 2
n
2
t
t 1
e e
d
e

=
=

A d-prbafggvny rtelmezshez hasznos segtsget ad a p elsrend autokorrelcis
egytthat s a d-mutat kztt - elgg nagyszm megfigyels (n>30) esetn - felrhat
albbi kzelt sszefggs.
( ) = ~ 1 2 2 2 d
Illetve:
d
1-
2
~
A fenti sszefggsbl nyilvnval, hogy amennyiben a modell autokorrellatlan ( =0), a
kiszmtott d=2. Pozitv autokorrelci ersdse esetn d rtke kzelt nullhoz, mg er-
sd negatv autokorrelci esetn a 4-hez tart. A d-prba elvgzshez a mintbl egy klasz-
szikus legkisebb ngyzetek mdszervel trtnt becsls segtsgvel meghatrozzuk d rt-
kt, majd az egyenletben szerepl magyarz vltozk s a megfigyelsek szmnak, vala-
mint a prba adott szignifikancia-szintjnek megfelelen megkeressk a Durbin-Watson tb-
lbl a megfelel rtkeket
172
. A tblzatban szerepl rtkek kzvetlenl a pozitv
autokorrelci tesztelsre (H
1
:>0) alkalmasak, amelyeket d
L
(als) s d
U
(fels) rtkek-
kel valsthatunk meg. A negatv autokorrelci (H
1
:<0) tesztelse, illetve a ktoldal hipo-
tzisek ellenrzse jabb rtkek kiszmtst ignyli, amelyek d eloszlsnak szimmetrikus
jellege miatt nem okoznak klns gondot:
L U
U L
d 4 d
d 4 d
' =
' =

A prba lehetsges kimeneteleit, a dntsi svokat jl szemllteti az albbi bra:
0 d d 4-d 4-d
L L U U
4
2
+
-
autokorrelci autokorrelci
bizony-
talansgi
tartomny
bizony-
talansgi
tartomny
elfogadsi
tartomny

4-3. bra: A Durbin-Watson d-prba dntsi svjai

A prba alkalmazsnak viszonylagos htrnya az n. bizonytalansgi tartomny meglte,
amely a gyakorlatban sok gondot okoz. Az irodalomban tbbfle mdon igyekeztek a prob-
lmt feloldani, amelyek kzl a legegyszerbbnek tn megolds az, amikor a bizonytalan-
sgi tartomnyt az elutastsi tartomnyhoz csatoljk.

172
Savin, N. E.-White K. J. [1977]: 1989-1996. alapjn az 1 s 5 %-os szignifikancia szinten meghat-
rozott kritikus rtkekkel szmoltunk. Ld.: tovbb Ramanathan Ramu [2003]: Durbin-Watson-prba,
az 5 %-os d
L
s d
U
rtkek egyoldali prbhoz. 614-617.

118
Amennyiben egy regresszis modellben nem teljesl a modellekkel szemben megfogalmaz-
hat azon felttel, amely szerint a hibatnyez rtkei pronknt nem korrellnak egymssal,
tudjuk, hogy a modell autokorrellt
173
.
ltalnossgban elmondhatjuk, hogy az autokorrelci jelenlte mellett ksztett paramter-,
s pontbecslsek ugyan torztatlanok maradnak, de nem lesznek hatsosak. Klnsen vato-
san kell kezelni az autokorrellt modellt, ha segtsgvel elrejelzseket kvnunk kszteni.
Autokorrellt modellek esetben az egytthatk standard hibi torztottak, gy sem a standard
hibkhoz kapcsold prbk, sem az elrejelzsekhez kapcsold konfidencia intervallumok
nem hasznlhatk fel.
A program brzolja e
t-p
fggvnyben az e
t
alakulst. Az bra alapjn vizulisan is kvet-
keztethetnk az autokorrelci megltre vagy hinyra.

4.1.6 A homoszkedaszticits munkalap
Az idsorok esetben, mint azt az elzekben bemutattuk, az autokorrelcit, a keresztmet-
szeti adatok esetben viszont a hibatnyez variancijnak llandsgt szoktuk tesztelni. Ha
konstans a hibatnyez variancijnak vrhat rtke, akkor:
2 2
i
E( ) = i =1, 2,, n .
Keresztmetszeti adatok esetn homoszkedaszticits szempontjbl is tesztelnnk kell a mo-
delleket, hiszen elmleti felttel, hogy a hibatnyez variancija lland.
174


A nullhipotzis:
2 2
0 1 n
H : ... o = = o .
Az alternatv hipotzis:
2 2
1 i j
H : (i j) o = o = ,
ahol i, j 1, 2, , n = .

A nullhipotzis azt fogalmazza meg, hogy a hibatnyez szrsngyzetei (variancii) lland-
ak. A nullhipotzis teljeslse egyben azt is jelenti, hogy a modell homoszkedasztikus, mg az
alternatv hipotzis a heteroszkedaszticits felttelezst szimbolizlja. A
heteroszkedaszticits jelensge esetn a regresszis egytthatk becslse torztatlan, ugyanis
tovbbra is feltesszk, hogy a hibatnyez vrhat rtke nulla. Ugyanakkor a paramterek
variancijra vonatkoz becsls nem lesz hatsos
175
, a paramterek standard hibi torztottak
lesznek, hasznlatuk megkrdjelezhet, a segtsgkkel elvgzett prbk (pl. t- s F-prbk)
s becslsek flreinformlhatnak.

Globlis (csoportos) Breusch-Pagan-Godfrey (BPG)- s Glejser-prba
176


A BPG-prba esetben a nullhipotzis megegyezik az elzekben lertakkal, az alternatv hi-
potzis pedig kiss ltalnosabb formban
177
:
2 2
0 1 n
H : ... o = = o
| |
2 2
1 i
H E( ) h( + v) , = c = o o Z vagy:
ahol:

173
Kovcs Ilona [1977]: 605.
174
Pintr Jzsef [1991]: 18.
175
Ez azt jelenti, hogy a klasszikus legkisebb ngyzetek mdszere (KLNM, angolul Ordinary Least
Squares: OLS) alkalmazsa esetn a becslsek ebben az esetben nem lesznek hatsosak, vagyis tall-
hat egy msik torztatlan lineris becsls, aminek kisebb a variancija, mint az KLNM (OLS)-
becslsnek. Ld.: Ramanathan Ramu [2003]: 365-366. s 397-398.
176
Ld.: Glejser H. [1969]: 316-323. Godfrey, L. [1978]: 227-236. Breusch, T. S.; A. R. Pagan [1979]:
1287-1294. tovbb: Ramanathan R. [2003]: 367-369. Pintr Jzsef [1991]: 21-24. Gujarati Damodar
N. [2003]: 411-412. Maddala G. S. [2004]: 244-246.
177
Ld.: Pintr Jzsef [1991]: 21.
119
- h: a rezidulis vltoz fggvnye, a fggvny alakja lehet pl. lineris, hatvnykitevs,
vagy exponencilis,
- Z: a heteroszkedaszticitst magyarz vltozk ( ) n k+1 tpus mtrixa,
- o: a vletlent becsl modell ( ) k+1 1 tpus paramtervektora,
- v: n1 tpus, vletlen elemeket tartalmaz vektor.

A Glejser-prba esetn a teszt lnyege
178
az, hogy lineris regresszis kapcsolatot ltest a hi-
batnyez abszolt rtke s a heteroszkedaszticitst felteheten elidz magyarz vlto-
zk kztt.
i 0 1 1 2 2 k k i
e x x ... x v = o + o + o + + o +
A null- s - alternatv hipotzisek:
0 1 2 k
j 1
H :: = = ... = = 0
H : 0
o o o
-o =

Az F-prbval teszteljk a nullhipotzist, aminek elfogadsa esetn a modell homoszke-
dasztikus, elutastsa esetn pedig heteroszkedasztikus.

A globlis prbk az albbiak:
- Glejser
179
-prba:
i 0 1 1 2 2 k k i
e x x ... x v = o + o + o + + o +
A regresszio.xls fjlban a ptllagos regresszi tbbszrs determincis egyttha-
tjt
( )
2
R e ; x jellssel lttuk el.
- Breusch-Pagan-Godfrey (BPG)- prba:
2
i 0 1 1 2 2 k k i
e x x ... x v = o + o + o + + o +
A regresszio.xls fjlban a ptllagos regresszi tbbszrs determincis egyttha-
tjt
( )
2 2
R e ; x jellssel lttuk el.
o Harvey
180
-Godfrey
181
-prba, ahol exp(), az e
x
exponencilis fggvnyt jelli:
2
i 0 1 1 2 2 p p i
2
i 0 1 1 2 2 p p i
ln(e ) x x ... x v
e exp( x x ... x v )
= o + o + o + + o +
= o + o + o + + o +

o A Park
182
-prba, ahol a fggvny (h) hatvnykitevs:
p
1 2 i
v 2
i 0 1 2 p
2
i 0 1 1 2 2 p p i
e x x ...x
ln(e ) ln ln x ln x ... ln x v
o
o o
= o
= o + o + o + + o +
e


- Koenker-Bassett (KB)
183
- prba:
2 2
i 0 1 i i
e y v = o + o +

A regresszio.xls fjlban a ptllagos regresszi tbbszrs determincis egyttha-
tjt
( )
2 2 2
R e ; y jellssel lttuk el.

A fenti kpletekben:
k = az eredeti regresszis fggvnyben a magyarz vltozk szma;
i=1,2,,n a megfigyelsek szma;

i
e = az eredeti modell rezidulis vltozjnak abszolt rtke;

178
Mundrucz Gyrgy [1998]: 178.
179
Glejser H. [1969]: 316-323.
180
Harvey A. C. [1976]: 461-466.
181
Godfrey, L. [1978]: 227-236.
182
Park R. E. [1966]: 888.
183
Gujarati Damodar N. [2003]
120

2
i
e = az eredeti modell rezidulis vltozjnak ngyzete;

2
i
y = az eredeti fggvnnyel becslt eredmnyvltoz ngyzete;
a becslt paramterek
( )
j
, j 0,1, 2, , k o = . szma: k+1

i
v : a ptllagos regresszi rezidulis vltozja.

A regresszi paramtereinek egyttes szignifikancija a globlis F-prba segtsgvel mind-
egyik bemutatott teszt esetben vizsglhat. Ha a szmtott F-rtk nagyobb, mint a tblabeli
rtk, akkor az alternatv hipotzist fogadjuk el, teht a modell heteroszkedasztikus, ellenke-
z esetben homoszkedasztikus.

A heteroszkedaszticits lokalizlsa Glejser-, s Breusch-Pagan-Godfrey (BPG)-
prbval.

A Glejser- s a BPG-prba lehetv teszi a heteroszkedaszticits lokalizlst. Amennyiben
felttelezzk, hogy a magyarz vltozk fggvnyei a rezidulis vltozk abszolt rtkei
vagy a variancii, akkor felrhat magyarz vltoznknt egy-egy ptllagos regresszis
egyenlet.
A ptllagos, j. magyarz vltozra vonatkoz regresszis egyenletek az albbiak
184
:
- Glejser-prba esetn:
i 0 1 ji i
e x v = o + o +
- BPG-prba esetn:
2
i 0 1 ji i
e x v = o + o +
ahol
ji
x a j-edik magyarz vltoz i-edik rtke.
A regresszis egytthatt (meghatroz szerepe az
1
o egytthatnak van) a Student-fle t-
prbval teszteljk, ha a szmtott rtk nagyobb, mint a tblabeli rtk, akkor az alternatv
hipotzist fogadjuk el, teht a modell heteroszkedasztikus, (piros szm jelzi) ellenkez eset-
ben homoszkedasztikus (zld szm jelzi).
4.2 Gyakorlati alkalmazsok bemutatsa idsoros s keresztmetszeti adatok alapjn

A regresszio.xls parancsfjl minden esetben kzli az Autokorrelci s a Homoszkedaszticits
munkalapokon a szmtsokat. Az autokorrelci idsoros adatok esetn jelentkezik, ebben az
esetben az adatok sorrendje kttt. A keresztmetszeti adatok sorrendje vltoztathat, ebben az
esetben a homoszkedaszticitst szoktuk vizsglni. Megjegyezzk, hogy keresztmetszeti ada-
toknl is elfordul, hogy a szomszdos hibatagok korrellnak egymssal, amit trbeli korrel-
cinak neveznek. Az autokorrelci vizsglatnl az konometriai szakirodalomban
185
ettl
eltekintenek s kizrlag az idsorok hibatagjainak vizsglata tartozik e tmakrbe. A mara-
dkvltoz (rezidulis vltoz) vizsglatnl teht lnyeges krds, hogy idsoros vagy ke-
resztmetszeti adatokkal dolgozunk-e. Idsoros adatbzis esetn az autokorrelcit, mg ke-
resztmetszeti adatoknl a homoszkedaszticitst teszteljk. Ennek megfelelen kt pldt mu-
tatunk be, mindkt plda vals magyarorszgi adatokat tartalmaz.

1. Idsoros plda.

184
A szmtsokat hatvnykitevs (log-log) s exponencilis (log-lin) fggvnyek esetben is elv-
gezhetjk, ha a vltozkat linearizljuk. Park s Harvey-Godfrey-prba.
185
Ld.: Maddala G. S. [2004]: 273-274. Ramanathan Ramu [2003]: 361-363. s 399-400. Gujarati
Damodar N. [2003]: 401-403. s 441-443.
121
A cementtermels s a cementtermelst befolysol tnyezk vizsglata Magyarorszgon
1985 s 2008 kztt
186
.
A regresszis modell vltozi:

y Cementtermels (ezer tonna)
x
1
GDP volumenindexe (1985=100)
x
2
ptett laksok szma (darab)
x
3
pitanyagipar volumenindexe
(1985=100)
x
4
Npessg szma (ezer f)

A rendszervlts idejn a hazai cement elllts megkzeltette a ngymilli tonnt, ezt kve-
tn azonban drasztikusan visszaesett s 2000-ig kzel egymilli tonnval alatta maradt a
cscsvek termelsnek, majd 2001-tl emelkedett ugyan a kibocsts, de 2008-ban is kzel
flmilli tonnval maradt el az 1990-es szinthez kpest.
A szmtsok megkezdse eltt clszer az adatokat brzolni, hogy feltrjuk az adatok ten-
denciit. A cementtermels s a vizsglt magyarz vltozk alakulst az albbi bra mutat-
ja, az brakszts sorn a vizsglt mutatk arnyossgnak biztostsa rdekben mindegyik
mutatt (teht a cementtermelst, az ptett laksok szmt s a npessgszmot is) 1985-s
bzison szmtottuk.


0
20
40
60
80
100
120
140
160
180
1
9
8
5
1
9
8
6
1
9
8
7
1
9
8
8
1
9
8
9
1
9
9
0
1
9
9
1
1
9
9
2
1
9
9
3
1
9
9
4
1
9
9
5
1
9
9
6
1
9
9
7
1
9
9
8
1
9
9
9
2
0
0
0
2
0
0
1
2
0
0
2
2
0
0
3
2
0
0
4
2
0
0
5
2
0
0
6
2
0
0
7
2
0
0
8
vek
1
9
8
5
=
1
0
0
%
y=Cementtermels x1=GDP volumenindexe x2=ptett laksok szma
x3=pitanyagipar volumenindexe x4=Npessg szma

4.4. bra: A cementtermels s a cementtermelst befolysol tnyezk alakulsa Ma-
gyarorszgon 1985 s 2008 kztt.

Az brbl lthat, hogy a cementtermels s a vizsglt magyarz vltozk sok tekintetben
hasonlan mozognak, a mlypont a rendszervltst kvet vekben volt. A kivtel a npes-
sgszm alakulsa. Magyarorszgon a vizsglt idszakban a npessgszm folyamatosan
cskkent, aminek mrtke 24 v alatt -5,2% volt. Eltrst mutat rszben az ptett laksok

186
Az adatok forrsai: Polt Rita [2005]: 996. Hunyadi Lszl Vita Lszl [2008] II. ktet 204. CD
mellklet Adatok8. Ipari s ptipari statisztikai vknyv. KSH 1985-2005. Magyar statisztikai v-
knyv. KSH. 1985-2008.
122
szmnak alakulsa is, mert 1985 ta cskken tendencit mutat, kivve az 1995-1997 s
2000-2003 kztti idszakot.
Vizsglhatjuk a ciklusok fordulpontjait is, az tlagos peridushossz
187
a cementtermelsnl 3
v, a GDP volumenindexnl 10 v, az ptett laksok szmnl 6 v, az ptanyagipar vo-
lumenindexnl 5 v. A npessgszm esetben nem voltak fordulpontok.
A termels elemzse s elrejelzse a regressziszmts felhasznlsval a cementipar eset-
ben arra plt
188
, hogy az ptanyagok, s ezen bell a cement termelse szorosan kveti a
GDP vltozst, valamint fgghet az ptett laksok szmnak, az ptanyagipar teljestm-
nynek s a npessg szmnak alakulstl is. A npessgszm vltozsa s az ptett lak-
sok szma kztti kapcsolatot USA adatbzison elszr Kuznets modellezte, kidolgozva a r-
la elnevezett 1525 ves ptsi ciklus elmlett
189
. Az ptanyagok s ezen bell a cement
felhasznlst az elml vekben elsdlegesen az ptsi piac alakulsa, s ezen bell az infra-
struktra- (autplyk) s a lakspts befolysolta.
A szmtsok eredmnyei.

df SS MS
Regresszi 4 4845009,2 1211252,3
Maradk 19 1347194,2 70905,0
sszesen 23 6192203,3
Varianciaanalzis
F p-rtk
17,1 0,000004

A varianciaanalzis tbla alapjn a nullhipotzist elutastjuk, teht van legalbb egy olyan ma-
gyarz vltoz, amely szignifikns hatssal rendelkezik, ltezik legalbb egy nulltl eltr
rtk regresszis paramter.
Regresszis egytthatk
Ehat St hiba t-rtk p-rtk Als 95% Fels 95%
b0 -54913,67 22223,78 -2,47 0,0231 -101428,57 -8398,77
b1 49,15 20,68 2,38 0,0281 5,88 92,42
b2 -0,01 0,01 -0,89 0,3820 -0,04 0,02
b3 1,23 6,91 0,18 0,8606 -13,24 15,70
b4 5,16 2,04 2,54 0,0201 0,90 9,43

A regresszis paramterek parcilis tesztelse: a backward elimincis mdszer alkalmazsa
alapjn elszr mind a ngy magyarz vltozt bevontuk a modellbe, majd az gy meghat-
rozott regresszifggvnybl szelektltuk azokat a vltozkat, amelyek nem jrulnak hozz
szignifiknsan a rezidulis ngyzetsszeg cskkenshez.
190
A vltozk szelektlshoz a p-
rtkeket hasznltuk. Ennek alapjn elszr az x
3
= pitanyagipar volumenindexe vltozt,
majd az x
2
= ptett laksok szma magyarz vltozt hagytuk ki a modellbl. Meg kvnjuk
jegyezni, hogy szakmailag indokolt lenne a kt kihagyott vltoz modellben val szerepelte-
tse.
Regresszis egytthatk
Ehat St hiba t-rtk p-rtk Als 95% Fels 95%
b0 -37518,27 5884,69 -6,38 0,0000 -49756,15 -25280,39
b1 38,65 4,62 8,36 0,0000 29,03 48,27
b4 3,56 0,53 6,67 0,0000 2,45 4,67


A becslfggvny teht:
1 4
y = -37518, 27 +38, 65x +3, 56x .

A multikollinearits tesztjei:
A
2
globlis prba alapjn 5%-os szignifikancia szinten van multikollinearits.


187
A ciklusfordulpontok szmtsa Excel parancsfjl felhasznlsval.
188
Polt Rita [2005]: 996-1000.
189
Kuznets, S. [1930].
190
Mundrucz Gyrgy [1981]: 117-118.
123
Khi-ngyzet 8,18
Khi-szf 1
Khi_krit (5%) 3,84
p-rtk 0,0042


A parcilis korrelcis egytthatk alapjn szmtott t-statisztika rtke -11,66, a kritikus r-
tk pedig 2,08, a kt magyarz vltoz kztt van multikollinearits.
A p-rtkek is a multikollinearits ltt igazoljk. A VIF mutat rtke 2-5 kztt van, teht
ers, zavar a multikollinearits mrtke.
y R
2
F p-rtk VIFj Tj
R
2
x (x1) 0,584 30,86 0,0000 2,40 0,42
R
2
x (x4) 0,584 30,86 0,0000 2,40 0,42

Esetnkben a kondciszm 2,734, azaz a mutat szerint gyenge multikollinearitst tapaszta-
lunk a kt magyarz vltoz kztt.
A Petres-fle RED mutatt is szmszerstettk:
Kritikus rtk (RED
k,1
)
Red(%) 76,4% 100,0%
Petres-fle RED

Ha minden sajtrtk egy, akkor ( ) Red % 0% = . Ez azt jelenti, hogy a sajtrtkek szorzata,
vagyis a magyarz vltozk korrelcis mtrixnak a determinnsa eggyel egyenl. Ebben
az esetben a mtrix ortogonlis, nincs multikollinearits, a magyarz vltozk fggetlenek
egymstl. Amennyiben a sajtrtkek tvolodnak ettl az esettl, akkor a Red-mutat rtke
nvekszik. A maximlis redundancia esetn a mutat rtke szz szzalk.
Ha a szmtott rtk a kritikusnl kisebb, akkor a lineris regresszis modell illesztse utn
kapott becslt paramterek szrsngyzeteinek az sszege illetve tlaga biztosan vges. El-
lenkez esetben a lineris regresszis modell illesztse utn kapott becslt paramterek sz-
rsngyzeteinek az sszege illetve tlaga nem biztos, hogy vges, az adatllomny redun-
dns.
Esetnkben az adatllomny nem redundns a Petres-fle RED mutat alapjn.

Az autokorrelci tesztelse:
Az elsrend rezidulis autokorrelcis egytthat alapjn nincs szignifikns autokorrelci a
modellben:

Autokorrelci rendje t t
krit
p-rtk
1 0,342 1,707 2,074 0,1018


A npessg a vizsglt idszakban vgig cskkent, a GDP volumenindexe pedig a rendszer-
vltst kvet veket leszmtva nvekv trendet mutat, ezrt a kt magyarz vltoz
egyttes alkalmazsa multikollinearitst okoz. Az optimlis regresszis egyenes meghatro-
zshoz ezrt ms megoldst kereshetnk.
Szakmai indokok alapjn ptettnk j modellt, s azt kaptuk, hogy a modell globlisan s
parcilisan is elfogadhat, ha az x
2
s x
3
vltozkat vonjuk be a modellbe. Nyilvnval, hogy
az ptett laksok szmnak s az ptanyagipar volumenindexnek vltozsa (nvekedse
vagy cskkense) a cementfelhasznlst s gy a termelst is jelentsen befolysolja. Term-
szetesen befolysol tnyez a cement import volumene, de ennek vizsglattl az adatok hi-
nya miatt eltekintettnk. Megllapthat tovbb, hogy a multikollinearits mrtke s az
autokorrelci nem zavar.
A varianciaanalzis F-prbjhoz tartoz p-rtk ebben az esetben 0,000002, teht a
nullhipotzist elutasthatjuk.
Regresszis egytthatk
Ehat St hiba t-rtk p-rtk Als 95% Fels 95%
b0 1476,00 285,95 5,16 0,0000 881,33 2070,67
b2 0,0204 0,00 4,86 0,0001 0,01 0,03
b3 10,2928 2,58 4,00 0,0007 4,94 15,65

124
2 3
y =1476 +0, 0204x +10, 2928x

A multikollinearits mrtke ebben a modellben nem zavar, a prbk a kvetkezk:
A
2
globlis prba alapjn 5%-os szignifikancia szinten nincs multikollinearits.

Khi-ngyzet 0,49
Khi-szf 1
Khi_krit (5%) 3,84
p-rtk 0,4821

A parcilis korrelcis egytthatk alapjn szmtott t-statisztika -1,77. 5%-os szignifikancia
szinten a kritikus rtk 2,08, teht a kt magyarz vltoz kztt nincs multikollinearits.
Az F-prba s a p-rtkek is a multikollinearits hinyt igazoljk. A VIF mutat rtke 1-2
kztt van, teht nem zavar a hats.
y R
2
F p-rtk VIFj Tj
R
2
x (x2) 0,052 1,20 0,2860 1,05 0,95
R
2
x (x3) 0,052 1,20 0,2860 1,05 0,95

A kondiciszm esetnkben 1,26, ami gyenge multikollinearitsra utal.
A Petres-fle RED mutat:

Kritikus rtk (RED
k,1
)
Red(%) 22,7% 100,0%
Petres-fle RED

A modell nem redundns. ( ) Red % 22, 7% = , ami azt jelenti, hogy az adott mret s mini-
mlis redundancij adatllomnyhoz kpest a hasznos tartalmat hordoz adatok arnya
77,3%, azaz az adatok tlagos egyttmozgsnak a maximlishoz viszonytott mrtke
22,7%.
Az autokorrelci tesztelse:
Az elsrend rezidulis autokorrelcis egytthat alapjn nincs szignifikns autokorrelci a
modellben:

Autokorrelci rendje t t
krit
p-rtk
1 0,365 1,837 2,074 0,0797

Ezt mutatja a grafikus bra is.
Reziduumok brja.
-600
-400
-200
0
200
400
600
-600 -400 -200 0 200 400 600
e
t-1
e
t


125
A Durbin-Watson-fle teszt eredmnye: 1,27 ami a bizonytalansgi tartomnyba esik mindkt
krhet szignifikancia-szinten.
Durbin-Watson
D-W 1,271
dL (5%) 1,188
dU (5%) 1,546
dL' (5%) 2,454
dU' (5%) 2,812

Durbin-Watson
D-W 1,271
dL (1%) 0,959
dU (1%) 1,298
dL' (1%) 2,702
dU' (1%) 3,041


A kivlasztott modell az elmleti feltteleknek megfelel, elemzsre s elrejelzsre felhasz-
nlhat.

2. Keresztmetszeti adatokon alapul plda.

A keresztmetszeti adatok alapjn trtn regressziszmtst egy tapasztalati rindex model-
len keresztl mutatjuk be.
Az konometriai modellek egyik specilis fajtja a tapasztalati (hedonikus) rindex modell
191

(hedonic price index model), amelyben egy rucikk ra a jellemzitl fgg, plda erre a gp-
kocsi ra s tulajdonsgai kztti sszefggs. A vizsglatba a 10 milli forintnl olcsbb
hazai forgalmazs autkat vontuk be. A gpkocsik rt nem csak sajt, mrhet tulajdons-
gai befolysoljk, hanem minsgi tnyezk is, mint pldul a mrka, a biztonsg stb.
A minta feladat:
119 aut adata, 2008-os rak, forrs: http://www.auto2.hu/.
y = a termk, az j autk alaprai (ezer Ft).
x
j
= a termk, az j autk tulajdonsgai, az autk rt befolysol tnyezk.
A megfigyelt magyarz vltozk a kvetkezk:

4-2. tbla: Az j autk tulajdonsgai
x
1
KBCM hengerrtartalom (cm
3
)
x
2
TELJ teljestmny (LE)
x
3
NYOM maximlis nyomatk (Nm)
x
4
GYORS 0-rl 100 km/h-ra gyorsuls ideje
(sec)
x
5
VMAX vgsebessg (km/h)
x
6
TMEG sajt tmeg (kg)
x
7
MTMEG megengedett ssztmeg (kg)
x
8
HOSSZ hosszsg (mm)
x
9
SZLES szlessg (mm)
x
10
MAGAS magassg (mm)
x
11
FOGYV fogyaszts vrosban (liter/100 km)
x
12
FOGYVK fogyaszts vroson kvl (liter/100
km)


191
Ramanathan Ramu [2003]: 23.
126

A multikollinearits kikszblse. Fkomponens regresszi
192

193

194

195


Az autrak s az autrakat befolysol 12 magyarz vltoz, az autk tulajdonsgai k-
ztti regresszis kapcsolat vizsglata alapjn az albbi fontosabb megllaptsokat tehettk:
- A modell minden szmtott teszt alapjn homoszkedasztikus.
- A modellben minden szmtott teszt alapjn kros mrtk a multikollinearits. Ennek
oka az, hogy az autk tulajdonsgai kzl a teljestmny erteljesen befolysolja a
tbbi magyarz vltozt, pl. a sebessget, a fogyasztst, a gyorsulst, a vgsebess-
get, a tmeget, stb.
- A multikollinearits miatt a regresszis paramterek standard hibi nagyobbak (a
VIF-mutat pldul 10 magyarz vltoz esetben a kritikus rtknl nagyobb) s
csak a b
0
s b
3
regresszis paramter klnbzik a t-prba alapjn 5%-os
szignifikancia szinten szignifiknsan 0-tl.
- Figyelembe vve, hogy mind a 12 magyarz vltoznak a modellben val megtart-
sa indokolt, clszer a fkomponens-elemzst (PCA: Principal Components Analysis)
elvgezni.

A regresszio.xls program kzli a bevont vltozkra vonatkoz s a szmtsokhoz szksges
sajtrtkeket s sajtvektorokat, tovbb a sajtrtkek megoszlsi s kumullt megoszlsi
viszonyszmait.
A szmtsok lpsei:
1. A regressziszmts elvgzse a 12 magyarz vltoz bevonsval, konstans becslse
nlkl. A regresszis paramterek:
b
1
b
2
b
3
b
4
b
5
b
6
b
7
b
8
b
9
b
10
b
11
b
12

0,629 13,055 6,716 -10,012 -0,112 2,317 0,191 0,499 -2,280 -0,404 68,313 39,852

2. Az eredeti regresszi n k mret X magyarz vltoz mtrixot egy k k mret A mt-
rixszal egy ugyancsak n k mret Z = XA mtrixsz transzformljuk. E Z mtrix oszlop-
vektorait fkomponenseknek nevezik. Az A mtrix becslhet a magyarz vltozk korrel-
cis mtrixbl szmtott sajtrtkekhez tartoz sajtvektorokkal. A b
0
-t elhagyva az X ma-
gyarz vltozk 119 12 tpus mtrixt kell szorozni, a magyarz vltozk korrelcis
mtrixbl szmtott sajtvektorok 12 12 tpus A mtrixval. A szmtsokat a mtrix.xls
program mtrixok szorzata munkalap felhasznlsval vgezhetjk el. A szorzs eredmnye-
kppen megkapjuk a 119 12 tpus Z mtrixot.

3. A modellbe bevont fkomponensek kivlasztsa. Az egyik megkzelts az lehet, hogy ak-
kor jelents egy fkomponens, ha a sajtrtke nagyobb, mint egy, illetve ha nem nagyobb
egynl, de a figyelembe vett sajtrtkek az sszes variancia
196
legalbb 80%-t megmagya-
rzzk. A szmtsok eredmnyekppen azt kaptuk, hogy az els hrom sajtrtk nagyobb,
mint egy s ez a hrom sajtrtk kumullt megoszlsi viszonyszma alapjn az sszes vari-
ancia 87,84%-t megmagyarzza.
Az els hrom sajtrtk
197
:
1 2 3
7, 44 1, 75 1, 35 = = =
A sajtvektorok
( )
ij
a i 1, 2, ,12 j 1, 2, 3 = = :
z
1
z
2
z
3

0,348 -0,034 -0,008
0,348 -0,126 -0,030

192
Mundrucz Gyrgy [1981]: 71-73.
193
Hunyadi Lszl [2001]: 179-181.
194
Sipos Bla [1982]:195-204.
195
Petres Tibor-Tth Lszl [2008]: 245-246.
196
A sajtrtkek kumullt megoszlsi viszonyszma ebben az esetben 100%.
197
A sajtrtkek sszege a magyarz vltozk szmval (k=12) egyenl.
127
0,280 0,273 -0,294
-0,267 0,310 0,262
0,327 -0,190 -0,254
0,326 0,260 0,084
0,308 0,332 0,093
0,322 0,127 -0,031
0,301 0,251 -0,026
0,005 0,452 0,579
0,238 -0,429 0,390
0,219 -0,362 0,524

4. A megtartott j 3 = szm fkomponensre s az y eredmnyvltozkra regresszis fgg-
vnyt becsltnk:
1 1 2 2 3 3
y = b z + b z + b z
A szmtsokat a regresszio.xls programmal vgezzk el, a regresszis paramterek:

b
1
5,476
b
2
-5,215
b
3
-1,656

5. A becslt b
j
paramterek segtsgvel az eredeti vltozkra (4. egyenlet) transzformlhatjuk
vissza a modellt:
A visszatranszformls:
( ) ( ) ( )
1 1,1 2 1,2 1 1,3 1 1 2,1 2 2,2 1 2,3 2 1 12,1 2 12,2 1 12,3 12
.
y= b a +b a +b a x + b a +b a +b a x ++ b a +b a +b a x
Az eredeti vltozkra transzformlt regresszis paramtereket megkapjuk, ha a (3) mtrixot
s (4) vektort sszeszorozzuk:

Vltozk Transzformlt paramterek
x
1
2,099
x
2
2,615
x
3
0,597
x
4
-3,513
x
5
3,204
x
6
0,290
x
7
-0,196
x
8
1,151
x
9
0,382
x
10
-3,290
x
11
2,894
x
12
2,218

A backward regresszival az albbi optimlis fggvnyt kaptuk, ahol az aut ra kt magya-
rz vltoztl (teljestmny s sajt tmeg) fgg. A becslfggvny:
2 6
y = -2793,878+28, 492x +3, 877x

sszefoglals

A regresszio.xls program felhasznlsa nagymrtkben segti a modellezst. Igen gyorsan ki
lehet rtkelni a klnbz magyarz vltozk kombinlsa, illetve a vizsglt adatllomny
vltoztatsa (kiegsztse vagy cskkentse) esetn elll regresszis modelleket, teht azt,
hogy az elmleti s szakmai feltteleknek melyik vltozat felel meg leginkbb. Nem csak a
128
modell globlis s parcilis tesztelsnek az eredmnyt ltjuk azonnal, hanem idsorok ese-
tn az autokorrelci tesztjeit, keresztmetszeti adatoknl pedig a homoszkedaszticits tesztjeit
is rtkelhetjk, valamint a reziduum brkat is elemezhetjk. Multikollinearits esetn, ha r-
telemszeren kt vagy tbb magyarz vltoz van a modellben, akkor tbb teszt elemzsre
van lehetsg. A bevont vltozkat mint bemutattuk cserlhetjk a paramterek soraiban a
Bevonjuk oszlopban a pipa jel bersval vagy trlsvel. A vltozk cserjnek hatsra
azonnal mdosulnak a teszt eredmnyek s azokat gyorsan ki lehet rtkelni. Klnsen segti
a vizsglatot, ha hrom vagy tbb magyarz vltozval rendelkeznk. Az sszes modellvari-
nsok szma ismtls nlkli kombincik szmval hatrozhat meg, ahol k nagysgtl
fggen a kombincikat ssze kell adnunk. Hrom magyarz vltoz esetn a lehetsges
modellvarinsok szma: 7, mert a k lehet, 1, 2 s 3. de ngy vltoznl mr 15. Az idsoros
plda ismertetse arra is alkalmas volt, hogy nem lehet mechanikusan alkalmazni a backward
regresszit, a szakmai ismereteket, felttelezseket s a klnbz pl. autokorrelci,
multikollinearits tesztjeinek az eredmnyeit is rtkelni kell.
Vgl megemltjk, hogy a klnbz specilis regresszis modellalkalmazsokra, figye-
lembe vve a tma szakirodalmt, szmos Excel parancsfjlt dolgoztunk ki
198
, pl. Cochrane-
Orcutt transzformci, autokorrelci esetn, ksleltetett regresszi esetn ksleltetett mtrix
elksztse (12 fle lag-modell, pl. Koyck, Almon, Fisher s Alt mdszerei esetn), aminek
felhasznlsval a becsls a regresszio.xls-sel mr elvgezhet. Logisztikus regresszis fgg-
vnyek becslse kt mdszerrel, CES-fggvnyek becslse hrom mdszerrel, Cobb-Douglas
termelsi fggvny paramtereinek, az tlag s hatrmutatknak
199
a kiszmtsa.
Homoszkedaszticits egyb tesztjei: Goldfeld-Quandt-prba s a Szroeter-Harrison-King-fle
prba.
4.3 Cochrane-Orcutt itercis eljrs, a COtranszformci.xls parancsfjl mkdse*

Szignifikns autokorrelci esetn, az elzek alapjn a klasszikus legkisebb ngyzetek ha-
gyomnyos mdszervel nyerhet elrebecslsek flreinformlhatnak. Amennyiben az
autokorrelci eredete a modellben a nem megmagyarzott rszben tallhat, a modell mdo-
stsa helyett egy iteratv paramterbecslst clszer elvgezni. Ez a mdszer felttelezi az
autokorrelcis egytthat elzetes a priori ismerett. Az autokorrelcis egytthat segts-
gvel egy egyszer transzformcit hajtunk vgre, amelynek eredmnyeknt a "kros" hats
mrtke cskkenhet, illetve az megsznhet. Az eljrst az albbiakban foglalhatjuk ssze:
A tbbvltozs regresszis modell egyenlete, idsoros adatok (t=1,2..n s j=1,2k) esetn:
t 0 1 1t 2 2t k kt t
y = b + b x + b x +... +b x +e
A Cochrane-Orcutt
200

201
(CORC) itercis eljrs a regresszis modell talaktst gnyli
oly mdon, hogy az LNM-eljrs alkalmazhat legyen. A fenti tbbvltozs regresszis
egyenlet (t-1) idszakra trtn trsval kapjuk:
t -1 0 1 1(t-1) 2 2(t -1) k k(t-1) t-1
y = b + b x + b x +... + b x +e
A fenti egyenlet minden tagjt beszorozva p-vel, majd kivonva az eredeti egyenletbl kapjuk:
( ) ( ) ( ) ( )
t t-1 0 1 1t 1(t-1) 2 2t 2(t-1) k kt k(t-1) t
y - y = b 1- + b x - x + b x - x +... + b x - x + v
( ) ( ) ( )
t t-1 0 1 1t 1(t-1) 2 2t 2(t-1) k kt k(t-1) t
y - y = c + b x - x + b x - x +... + b x - x + v
ahol kihasznltuk, hogy az elsrend autokrrelcis egytthat s a konstans tag:
t t-1 t
e = pe + v s ( )
0 0
c b 1- =
Ezt az egyenletet trhatjuk a kvetkezkppen:
1t
* * * *
t 0 1 2 2t k kt t
y = c + b x +b x +... + b x + v
ahol:

198
Megtallhat az MSC.zip-ben, lersuk a kziknyvben.
199
Ld.: Kdas Klmn [1944].
200
Cochrane - Orcutt. [1949]: 3261.
201
Ramu Ramanathan[2003]: 412-413.
129
*
t t t -1
y = y - y ,
*
1t 1t 1(t -1)
x = x - x s gy tovbb:
*
kt kt k(t -1)
x = x - x
t=2
202
,3,n s j=1,2,k.

A Cochrane-Orcutt eljrs lpsei:
1. lps: Becsljk LNM-sel az eredeti egyenletet s szmtsuk ki az
t
e vletlen (eltrs) -
vltozkat.
t 0 1 1t 2 2t k kt t
y = b + b x + b x +... +b x +e
2. lps. Becsljk az elsrend autokrrelcis egytthatt ( p ) a fenti egyenletbl, az albbi
mr ismert mdon:
n
t t -1
t =2
n
2
t -1
t =2
e e
p =
e

3. lps: Alaktsuk t a vltozkat a kvetkezkppen:
*
t t t-1
y = y - y ,
*
1t 1t 1(t -1)
x = x - x s gy tovbb:
*
kt kt k(t -1)
x = x - x
A megcsillagozott vltozk csak t=2-tl n-ig definilhatk a (t-1)et tartalmaz tag (reziduum
t-1
e ) jelenlte miatt.
4. lps. Magyarzzuk
*
t
y -ot egy konstans [ ( )
0 0
c b 1- = ] s
* * *
1t 2t kt
x , x ..., x , segtsgvel s
szmoljuk ki az talaktott egyenlet LNM-becslseit.
5. lps. Hasznljuk ezeket a becslseket az eredeti egyenlet paramtereinek (
j
b -ihoz) becs-
lshez s szmtsuk ki az j
t
e becslseket.
t 0 1 1t 2 2t k kt t
y = b + b x + b x +... +b x +e
Ezutn trjnk vissza a 2. lpshez, s az j rtkekkel ismteljk meg az eljrst, amg az
albbi lellsi szably letbe nem lp.
lps.
6. Az iteratv eljrst akkor llthatjuk le, ha teszt alapjn autokorrelcit kiszrtk, akkor el-
fogadjuk a modellt.
203
Ha van autokorrelci akkor folytatjuk az eljrst addig, ameddig kt
egymst kvet iterci becslt -ja kztti eltrs nem nagyobb egy elre megadott rtk-
nl, pl. 0,001-nl. Az utols -t hasznljuk az albbi egyenletben a CORC-becslsek kisz-
mtshoz.
1t
* * * *
t 0 1 2 2t k kt t
y = c + b x +b x +... + b x + v
A konstans tag talaktsa az eredeti egyenletben:
( )
( )
0 0
0
0
c b 1-
c
b
1-
=
=

A fenti eljrst ltalnostott differencik mdszereknt is ismerik, ami ms megfogalmazs-
ban a klasszikus legkisebb ngyzetek mdszernl ltalnosabb paramterbecslsi eljrs-
nak az n. az ltalnostott legkisebb ngyzetek mdszernek felel meg, s a becslshez
szksges ellltsa trtnik az iteratv mdszerrel.

A COtranszformci.xls parancsfjl mkdse:
Kri az adatmtrixot s az elzleg megbecslt - rtket, amit a regresszi.xls fjllal meg-
becslhetnk, ha az autokorrelci rendje: 1. Ezt kveten az Adat munkalapba bemsolt
adatokkal szmolva a CO1 munkalapon kiszmtja a transzformlt mtrixot. A transzform-
ci:

202
A reziduumok ksleltetse (e
t-1
) miatt a legrgebbi t=1 adat kiesik.
203
Mundrucz Gyrgy [1981]: 133.
130
( ) ( ) ( )
t t-1 1t 1(t -1) 2t 2(t -1) kt k(t -1)
y - py = x - px x - px ... x - px
Az iterci indtsa parancs a CO1 munkalapon kiszmtott (transzformlt) mtrixot az Adat
munkalapra msolja s a CO1 munkalapon elvgzi a msodik CO transzformcit. Az idsor
minden transzformci utn egy megfigyelssel (a legrgebbi adattal) cskken. A transzfor-
mlt adatsorral elvgezzk a regresszi szmtst a regresszi.xls fjllal, s ha teszt alapjn
autokorrelcit kiszrtk, akkor elfogadjuk a modellt. Ha van autokorrelci, akkor folytat-
juk a szmtsokat. Az itercikat akkor fejezzk be, amikor a paramterek az egyik iter-
cirl a msikra gyakorlatilag mr nem vltoznak.
4.4 A Szroeter-Harrison-King-fle prba. (Szroetertesz.xls parancsfj mkdse) s a
Goldfeld-Quandt-prba (Goldfeld-Quandt-prba.xls parancsfj mkdse)*

4.4.1 A Szroeter-Harrison-King-fle prba

A heteroszkedaszticits felismersnek a Szroeter-fle prba
204205
egy olyan eljrsa, amely
ktdik tbbek kztt az autokorrelcinak a d-statisztika segtsgvel trtn teszte-
lshez.
1. alternatv hipotzis.
206

A Szroeter-fle prbnl a szoksos lineris regresszis modellnl a H
0
nullhipotzist, az-
az:
2 2
0 1 n
H : ...= o = o
2 2
1 1 n
H : ... o s s o
H
1
alternatv hipotzissel szemben ellenrizzk, ahol legalbb egy esetben teljesl az egyen-
lsg. Ebben az esetben egy nvekv szrs (variancij) alternatv hipotzist tesztelnk, de
a hipotzis cskken sorozat esetre is felrhat.
207

A prbafggvny az albbi mdon definilhat:
n
2
i i
i 1
n
2
i
i 1
h e
h
e
=
=
=

ahol a h
i
slyszmokat az albbi kplet segtsgvel hatrozhatjuk meg:
( )
( )
i
i
h 2 1 cos i /(n 1) , i 1, 2....n.
vagy :
h 2 1 cos i /(n 1) , i 1, 2....n
( = t + =

( = + t + =


A h
i
rtkekbl ll sor fbb jellemzi:
i
i
limh 4

= s
i
i 0
limh 0

=

2. alternatv hipotzis.
208

Ha egy cskken szrs (variancij) alternatv hipotzist tesztelnk, akkor a null-, illetve
alternatv hipotzis:
2 2
0 1 n
H : ...= o = o
2 2
1 1 n
H : ... o > > o
A prbafggvny az elz mdon definilhat:

204
Szroeter Jerzy [1978]: 1311-1327.
205
Pintr Jzsef [1991]: 16-36.
206
King Maxvel L. [1981]: 315-321.
207
Ebben az esetben a h
i
kifejezsben a cos-fggvny eltt + jelet runk.
208
King Maxvel L. [1981]: i. m. 316.
131
n
2
i i
i 1
n
2
i
i 1
h e
h
e
=
=
=

ahol a h
i
slyszmokat az albbi kplet segtsgvel hatrozhatjuk meg s ahol a cos-
fggvny eljele vltozik + lesz:
( )
i
h 2 1 cos i /(n 1) , i 1, 2....n. ( = + t + =


Vlaszts az 1. s 2. alternatv hipotzis (teszt) kzl.
Termszetesen felmerl a krds, hogy a kt alternatv hipotzis kzl melyiket vlasszuk.
Ha brzoljuk a rezidulis vltzk ngyzeteit (e
i
2
i=1,2n) az egyes magyarzvltozk (x
j

j=1,2 k) fggvnyben, akkor lehet kvetkeztetseket levonni az brk alakulsbl.
Amennyiben a rezidulis vltozk ngyzetei sztnyl (n a rezidulis vltozk ngyzete a
magyarz vltozk fggvnyben, teht valsznsthetjk az els alternatv hipotzist),
vagy sszezrd (cskken a rezidulis vltozk ngyzete a magyarz vltozk fggvny-
ben, teht valsznsthetjk a msodik alternatv hipotzist) svot mutatnak, gy vrhatan a
heteroszkedaszticits tnye ll fent. Amennyiben az brn a sv nem vltozik, gy valszn-
sthetjk, hogy a nullhipotzis igaz, s homoszkedasztikus a modell.
Figyelembe vve az Excel ltal nyjtott lehetsgeket, mindkt alternatv hipotzissel clsze-
r a szmtsokat elvgezni. A H
0
-rl trtn dntsnl (elfogadom vagy elvetem) mindig
meg kell fogalmazni, hogy ez a dnts milyen alternatv hipotzissel szemben trtnt. Pl. ha
az els esetben a nullhipotzist elfogadom, akkor lehetsges, hogy a rezidulis szrsngyze-
tek azonosak, de lehet az is, hogy cskkennek, ugyanis a meghatrozott szignifikancia-
szinten, ami ltalban 5%, csak azt az alternatv hipotzist utastottuk el, hogy a rezidulis
szrsngyzetek nnek. Ha viszont a msodik esetben a nullhipotzist elvetjk, vagyis felte-
lezzk, hogy heteroszkedasztikus a modell, akkor azt felttelezzk, hogy a rezidulis szrs-
ngyzetek cskkennek. Ha mindkt alternatv hipotzist a Szroeter teszt elutastja pl. 5%-os
szignifikancia-szinten, akkor a homoszkedaszticitsra vonatkoz nullhipotzist elfogadjuk.
A Durbin-Watson tblzat felhasznlsa
A Szroeter-prbnl, teht elzen brzolni s vizsglni kell azt, hogy a rezidulis szrs-
ngyzetek nvekv vagy cskken sorozatot alkotnak-e. A prba kritikus rtkeinek megha-
trozsra tbbfle eljrs ismert, amelyek kzl egyszersge miatt a Durbin-Watson tbl-
zaton alapul mdszer rdemel els helyen emltst. A kt kritikus rtk, amely egy bizonyta-
lansgi tartomnyt definil az albbi mdon hatrozhat meg:
( )
( )
L U
n 1,k 1
U L
n 1,k 1
h 4 d
h 4 d
+ +
+ +
=
=

ahol k a magyarzvltozk szma.
Egyrtelmen heteroszkedasztikusnak tekintjk a modellt, ha h>h
U
, s homoszkedasztikusnak
ha h<h
L
. Amennyiben az empirikus adatok alapjn kiszmtott h rtk a kt kritikus rtk k-
z esik, az albbi korbban mr bemutatott brnak megfelelve dntsnk bizonytalan.
0
L U
4
2
elfogadsi
tartomny
bizony-
talansgi
tartomny
visszautastsi
tartomny
h h

4-6. bra: A heteroszkedaszticits dntsi svjai D-W mdszer alapjn

132
A prba hasznlatt rontja a bizonytalansgi tartomny ltezse. A kritikus rtket azonban a
Bta-eloszlsbl () illetve az F-eloszls segtsgvel is fel lehet rni.

Becsls a Bta-eloszls
209
felhasznlsval
A prbafggvny az elzekbl ismert:
n
2
i i
i 1
n
2
i
i 1
h e
h
e
=
=
=

Ha nincs konstans a lineris regresszis modellben (b
0
=0), akkor a Bta-eloszls alapjn sz-
mtott kritikus rtk:
h 4(1 )
o o
= |
Ahol a szignifikancia-szint, ltalban 5%
Ha h h
o
> , akkor a nullhipotzist elvetjk, vagyis heteroszkedasztikus a modell, ellenkez
esetben ha: h h
o
< homoszkedasztikus.

Ha van konstans a lineris regresszis modellben
210
(b
0
0), akkor a Bta-eloszls alapjn
szmtott kritikus rtk:
h 4
o o
= |
Ha h h
o
< , akkor a nullhipotzist elvetjk, vagyis heteroszkedasztikus a modell, ellenkez
esetben ha: h h
o
> homoszkedasztikus.

A kvetkezkben kzljk a Harrison M. J. ltal kidolgozott Bta-eloszls kritikus rtkeit a
Szroeter teszthez, 5%-os szignifikancia-szinten, ha a lineris regresszis egyenes konstanst is
tartalmaz.
211
A Bta-eloszls kritikus rtkeit, 5 %-os szignifikancia szinten a tblzat
(szroeterteszt.xls parancsfj munkafzetben Bta 5%) a mintaelemszm (n=8-100) s a reg-
resszis paramterek fggvnyben kzli (m=k+1=2, 3, 4, 5, 6.).

Becsls az F-eloszls felhasznlsval
A prbafggvny az elzekbl ismert:
n
2
i i
i 1
n
2
i
i 1
h e
h
e
=
=
=

A hipotzis tesztelshez, teht a Bta-eloszls hasznlhat, azonban a kritikus rtkeket az
F-eloszls segtsgvel is fel lehet rni. A kritikus rtk meghatrozsnak lpsei:
1. Az F-eloszls szabadsgfoka (r):
3(n k 1)(n k 2)
r 1
2(n k 1)
+
=



2. A Bta-eloszls kritikus rtkt kzvetett mdn az F-eloszlsbl szrmaztatjuk:
( ) r,r
1
1 F
o
o
| =
+

Ahol:

o
| = a Bta-eloszls kritikus rtke szignifikancia-szint mellett

209
A Bta eloszlsrl rszletesebben a Wikipediban tallhatk magyarzatok: http://hu.wikipedia.org
/wiki/ B%C3%A9ta-eloszl%C3%A1s (2009 szept. 3.)
210
Ez az ltalnosabb s gyakoribb eset.
211
M. J. Harrison [1982]: 165.
133

( ) r,r
F
o
= az F-eloszls kritikus rtke szignifikancia-szint mellett, ahol a szmll s a
nevez szabadsgfoka egyarnt r.
3. Meg kell hatrozni a Bta-eloszls kritikus rtke ismeretben a
*
h
o
rtket
212
, vagyis a
prbafggvnyhez rendelhet kritikus rtket. Ezt az elzekben lertak szerint kt mdon te-
hetjk meg
213
:
3.1 Ha nincs konstans a lineris regresszis modellben (b
0
=0), akkor a Bta-eloszls alapjn
szmtott kritikus rtk:
*
h 4(1 )
o o
= |
Vagyis az elzek alapjn:
( )
*
r,r
1
h 4 1
1 F
o
o
| |
| =
|
+
\ .

Ha
*
h h
o
> , akkor a nullhipotzist elvetjk, vagyis heteroszkedasztikus a modell, ellenkez
esetben ha:
*
h h
o
< homoszkedasztikus.
3.2 Ha van konstans a lineris regresszis modellben
214
(b
0
0), akkor a Bta eloszls alap-
jn szmtott kritikus rtk:
*
h 4
o o
= |
Vagyis az elzek alapjn:
( )
*
r,r
1
h 4
1 F
o
o
| |
| =
|
+
\ .

Ha
*
h h
o
< , akkor a nullhipotzist elvetjk, vagyis heteroszkedasztikus a modell, ellenkez
esetben ha:
*
h h
o
> homoszkedasztikus.

Elszr a regresszszmtst kell elvgezni, eszkzk-adatelemzs-regresszi, kri az Y vek-
tort, utna az X mtrixot, a maradkokat be kell jellni, majd a szmts eredmnyekppen
kapott maradkokat msoljuk az 1 munkalapon lev maradk oszlopba (szroeter szrs n),
elszr trljk a srga jelzs oszlopot, utna msoljuk a reziduumot. Vltoztatni a srga-
mezs cellkban lehet, a tbbi esetben a program elvgzi a szmtsokat.
A tesztelst (Szroeter-Harrison-King-fle prba) az elzekben lertak szerint vgzi el s rt-
keli szvegesen is az eredmnyeket.
A Szorsngyzetbra-Glejser-adat munkalapon kzli a reziduumok (maradkok) abszolt r-
tkeit s ngyzeteit. A globlis s loklis Glejser-Park prbkat az Adatelemzs -
regresszszmts felhasznlsval el lehet vgezni, mivel megvan az eredmnyvltoz
(reziduum ngyzete illetve abszolt rtke) s a magyarzvltozk rtkei is ismertek. Elv-
gezve a szmtsokat a globlis Park prba esetben a variancia-analizis eredmnyei (F-
prba) alapjn dnthetnk arrl, hogy van-e heteroszkedaszticits vagy homoszkedasztikus-e
a modell. Ha szignifikns a kapcsolat, akkor heteroszkedasztikus a modell, ellenkez esetben
homoszkedasztikus. A Glejser-Park loklis prbk alkalmazsa esetben az adatllomnyt
(magyarzvltozk) el kell kszteni. Pl. logaritmizls, ngyzetgykvons stb. az ismerte-
tett kpletek szerint. A tesztelst F-prbval, vagy t-prbval vgezzk, az eredmnyek rtel-
mezse hasonl, mint a globlis prba esetben.
Elfogadjuk teht a nullhipotzist, s nem lteznek tekintjk a modellt, ha az F-statisztika
szmtott rtke kisebb, mint egy adott szignifikancia-szinthez tartoz F-eloszls tblabeli r-
tke. Elvetjk a nullhipotzist, vagyis a modellt lteznek, relevnsnak tekintjk, ha a prba-
fggvny rtke meghaladja a tblabeli rtket. Homoszkedasztikus a modell, ha elfogadjuk
azt a nullhipotzist, hogy a paramterek kztt van legalbb egy nulla, vagy ha egy paramter
van, akkor az nulla. Vgl is az a kedvez, ha a modellnk nem j, hiszen akkor

212
A * azt jelli, hogy az F-eloszls felhasznlsval becsltk a Bta-eloszls kritikus rtkeit, teht
nem az eredeti Bta-eloszlst hasznltuk fel.
213
M. J. Harrison [1982]: i. m. 161.
214
Ez az ltalnosabb s gyakoribb eset.
134
homoszkedasztikus a regresszis modell, ha a reziduum abszolt rtke illetve ngyzete (vagy
logaritmusai Park-prba) s a magyarzvltozk (a magyarzvltozk klnbz csoportjai
s transzformlt rtkei) kztt nincs szignifikns kapcsolat.

4.4.2 A Goldfeld-Quandt-prba
215


A Goldfeld-Quandt-prba azon alapszik, hogyha a rezidulis vltozk variancija (
2
i
e ) azonos
a klnbz megfigyelsek (x
i
i=1,2n) esetn, teht ha homoszkedasztikusak, akkor ez a
minta egyes rszeire is igaz. Ezrt tesztelhet a rezidulis vltozk varianciinak egyenlsge
F-prba segtsgvel. A tesztstatisztika a kt becslt variancia hnyadosa. A megfigyelt rt-
keket (n), hrom rszre osztjuk s a kzps megfigyelseket elhagyjuk. Ezutn a kt szls
adathalmazra kln-kln elvgezzk a regresszis becslst s meghatrozzuk a reziduumok
varianciit. F-prbval most mr tesztelhetjk azt, hogy ezek a variancik egyenlk-e
(homoszkedasztikus a modell) vagy nem (heteroszkedasztikus a modell). Felttelezzk tovb-
b, azt, hogy a magyarzvltoz rtknek nvekedsvel a reziduumok variancii nem vl-
toznak vagy nvekednek. A teszt keresztmetszeti adatok esetn alkalmazhat.

A Goldfeld-Quandt-prba Excel parancsfjlt ktvltozs modellre dolgoztuk ki.
A hipotzisrendszer:
0 1 j
y b b x e = + +
2 2
0 i
2 2 2
1 i j
H : E(e )=
H : E(e )= x
o
o

A nullhipotzis azt fogalmazza meg, hogy a hibatnyez szrsngyzete (variancija) lland.
A nullhipotzis teljeslse egyben azt is jelenti, hogy a modell homoszkedasztikus, mg az al-
ternatv hipotzis a heteroszkedaszticits felttelezst szimbolizlja, amely szerint a hibat-
nyez variancija arnyosan vltozik a j-edik magyarz vltoz ngyzetvel. A k a magyar-
zvltozk szma, esetnkben 1.
A prba menete az albbi:
1. A heteroszkedaszticitsban felteheten meghatroz szerepet jtsz x
1
magyarz vltoz
nvekv sorrendbe rendezett rtkei szerint rjuk fel az eredmnyvltozt s a reziduumokat.
2. Kivlasztunk c szm kzpen elhelyezked rtket, amelyeknek megfelel vltozk meg-
figyelt rtkeit kihagyjuk a tovbbi szmtsokbl. (A kihagyand megfigyelsek szma n-
knyes, legalbb 0, ebben az esetben kt rszre osztjuk az adatllomnyt s nem hagyunk ki
megfigyelt rtkeket, a gyakorlatban minimum a mintaelemszm (n) egyhatoda illetve maxi-
mum az egy harmada. Kisebb minta esetn, pl. ha n=30, akkor clszer, hogy a c ne legyen
nyolcnl nagyobb)
3. A klasszikus legkisebb ngyzetek mdszere segtsgvel az els (n-c)/2 s az utols (n-c)/2
megfigyelshez kln-kln regresszis fggvnyt illesztnk.
4. Kiszmtjuk a kt regresszis fggvny rezidulis ngyzetsszegt s elosztjuk a
n c n-c-2(k+1)
(k 1)
2 2

+ =
szabadsgfokkal:

215
Goldfeld S. M. Quandt R. E. [1965]: 539-547. ld.: tovbb: Mundrucz Gyrgy [1981]: 139-140.
Ramanathan R. [2003]: 371-372. Pintr Jzsef [1991]: 20-21. Gujarati Damodar N. [2003]: 408-409.
Maddala G. S. [2004]: 247.
135
( ) n-c /2
2 2
1 i
i=1
n
2 2
2 i
n+c
i= +1
2
(n-c-2k-2)
= e /
2
(n-c-k-2)
= e /
2
o
o

ahol i kveti az
1
x nvekv sorrendjt.
Esetnkben k=1, teht:
( ) n-c /2
2 2
1 i
i=1
n
2 2
2 i
n+c
i= +1
2
(n-c-4)
= e /
2
(n-c-4)
= e /
2
o
o

5. A prbafggvny:
2
2
2
1
F =
o
o

ahol mind a szmll mind a nevez szabadsgfoka egyarnt:
(n-c-2k-2) (n-c-4)
2 2
=
Amennyiben a szmtott F-rtk nagyobb, mint egy o szignifikancia szinthez tartoz F
o
rtk
a nullhipotzist (homoszkedasztikus a modell) elvetjk, a modellt heteroszkedasztikusnak te-
kintjk.
A Goldfeld-Quandt-prba Excel parancsfjl adatok trlse ikonjra kattintva az adatok
trldnek, majd az j adatbzis bemsolsa utn meg kell adni a c-rtket.

A mintafeladat
216
:
x=GDP/f 2005-es $-ban 2007-ben
y=Egy fre jut sszes energiafelhasznls olaj kg egyenrtkben kg/f
n=128, k=1
Az adatokat x szerint nvekv sorrendbe helyeztk. (
A
!
Z
Nvekv Excel paranccsal)
Az adatok grafikus brjt az albbiakban mutatjuk be.
A c rtk megadsa utn a srga mezben lv szmok azt mutatjk, hogy melyik megfigye-
lseket hagytunk ki, a kk az els, a barna a msodik megfigyelt s a szmtsok sorn figye-
lembe vett rtkek adatait mutatja, amibl a program kiszmtja a
2
1
o s
2
2
o rtkeket. A c
vltoztatsval igen gyorsan sok szmts elvgezhet. A mintaelemszm cskkentsvel is
elvgezhetk a becslsek, pl. megllapthat az, ha heteroszkedasztikus a modell, van-e olyan
mintaelemszm amikor a modell homoszkedasztikuss vlik. A program kzli a nullhipotzis
eredmnyt az F-prba alapjn, tovbb a p-empirikus szignifikancia rtkt. Ha p kisebb,
mint 0,05, akkor 5 %-os szignifikancia szinten heteroszkedasztikus a modell, ha 0,05-nl na-
gyobb akkor homoszkedasztikus.


216
Az adatok forrsa:
http://earthtrends.wri.org/searchable_db/index.php?step=countries&ccID%5B%5D=0&allcountries=c
heckbox&theme=6&variable_ID=351&action=select_years
http://www.ers.usda.gov/Data/Macroeconomics/

136
Energiafelhasznls s az egy fre jut GDP kapcsolata
(128 orszg)
Luxemburg
USA
Magyarorszg
Zimbabwe
0
2000
4000
6000
8000
10000
12000
14000
01
0
0
0
0
2
0
0
0
0
3
0
0
0
0
4
0
0
0
0
5
0
0
0
0
6
0
0
0
0
7
0
0
0
0
8
0
0
0
0
9
0
0
0
0
$/f
k
g
/
f

A szmtsok eredmnye, a teljes minta esetben heteroszkedasztikus, ha a mintaelemszmot
76-ra cskkentjk, teht csak az els 76 adattal dolgozunk, akkor homoszkedasztikus lesz a
modell. Ez jelzi, hogy a lineris regresszi helyett ms tpus regresszival kell becslni,
vagy a mintaelemszmot cskkenteni kell.

c minimum 1/6 c maximum 1/3 legalbb
n 128,00
c 21,00 21,33 42,67 2,00
o
1
2
360855,82
o
2
2
5759193,68
F 15,96
p 0,00
Fkrit 1,59
0,05
Heteroszkedasztikus modell


c minimum 1/6 c maximum 1/3 legalbb
n 76,00
c 13,00 12,67 25,33 2,00
o
1
2
230282,54
o
2
2
427074,77
F 1,85
p 0,05
Fkrit 1,86
0,05
Homoszkedasztikusmodell


137
4.5 A regresszis egytthatk sszefggsei (Az telemzs)

A parcilis regresszis egytthat a lineris regresszis modellben szerepl tbbi tnyezvl-
toz hatst kiszri. Ezzel szemben az egyszer ktvltozs regresszis egytthat rtkben
ms tnyezvltozk hatsa is kifejezdsre juthat. A parcilis s a ktvltozs regresszis
egytthatk sszefggsei alapjn tovbbi elemzseket vgezhetnk. Ebben hasznljuk fel a
kvetkez kpleteket:
y1 y1.2 21 y2.1
y2 y2.1 12 y1.2
b b b b
b b b b
= +
= +

Fenti sszefggs szzalkosan is kifejezhet, ha
y1
b -val illetve
y2
b -val vgigosztjuk az
egyenlet mindkt oldalt s szorzunk szzzal.
Ahol :
yi
b = az y s
i
x (i = 1, i = 2) vltozkra vonatkoz egyszer ktvltozs totlis regresszis
egytthat; meghatrozsa az albbi kt fggvnybl trtnik:
01 y1 1
02 y2 2
y = b b x e
y=b b x e
+ +
+ +

A
y1.2
b s a
y2.1
b parcilis regresszis egytthatk, meghatrozsa az:
y0 y1.2 1 y2.1 2
y=b b x b x e + + +
fggvnybl trtnik.
A
12
b = x
1
s x
2
vltozk egyszer ktvltozs regresszis egytthatja (x
1
=eredmnyvltoz
s x
2
a tnyezvltoz)
A b
21
= x
2
s x
1
vltozk egyszer ktvltozs regresszis egytthatja (x
2
= eredmnyvlto-
z, x
1
= tnyezvltoz) teht:
1 10 12 2
2 20 21 1
x = b b x e
x = b b x e
+ +
+ +

A fenti kt sszefggsbl lthat, hogy az egyszer ktvltozs totlis regresszis egytthat
(
yi
b i = 1, 2) kt rszbl tevdik ssze: az adott vltoz kzvetlen hatsbl (
y1.2
b s
y2.1
b ) s
a kzvetett, ms vltozn keresztl rvnyesl hatsbl. Az sszefggsbl kitnik, hogy az
egyszer ktvltozs totlis, s a parcilis regresszis egytthatk csak akkor egyeznek meg,
ha a b
21
(illetve b
12
) s a
y2.1
b (illetve
y1.2
b ) rtkek valamelyike nullval egyenl. Ha b
21
(il-
letve b
12
) nulla, akkor a tnyezvltozk kztti kapcsolat elhanyagolhat. Ha az els ssze-
fggsben
y2.1
b nulla, akkor az x
2
tnyezvltoz bevonsa a modellbe felesleges. Ugyangy a
msodik sszefggsben az x
1
tnyezvltoz bevonsa a modellbe felesleges, ha
y1.2
b 0 = .
A kt sszefggsbl az is kiderl, hogy a legkisebb ngyzetek mdszervel levezetett becs-
lfggvny csak akkor ad a regresszis paramterekre torztatlan becslst, ha a modell speci-
fikcija sorn nem kvetnk el n. specifikcis hibt, vagyis minden lnyeges tnyezvl-
tozt szerepeltetnk a modellben. A felsorolt regresszis modelleket le kell futtatni s a meg-
felel regresszis egytthatk felhasznlsval igazolhatk a fenti sszefggsek.
x
1
x
2
21
b
12
b
y
y1.2
b
y2.1
b

4-7. bra: Az telemzs smja
138
4.6 Ksleltetett regresszis modellek. (Ksleltetettmtrix.xls parancsfjl mkdse)*

A gazdasgi letben gyakran tapasztaljuk, hogy egy esemny (folyamat) vagy dnts hatsa
csak nmi ksssel, idben elhzdva szlelhet. Tipikus plda erre a beruhzs s a termels,
illetve az rtkests kapcsolata, az import s az export (vagy belfldi) r kztti sszefgg-
sek stb. A gazdasgi jelensgek elemzsre, lersra szolgl modellek egyik csoportja adott
idpontban vagy idszakban fennll bonyolult klcsnkapcsolatok lersra, elemzsre
szolgl, teht egy adott (vagy felttelezett) llapotot kvn lerni. (pl. az optimalizlsi feladat,
egy adott idszak rgztett kltsg- s rviszonyai mellett keres optimlis termelsi progra-
mot, rgztett erforrs s kereslet korltok mellett). Ezeket a modelleket statikus modellek-
nek szoktk nevezni. A modellek msik csoportja a gazdasgi folyamatok mozgstrvnyeit
vizsglja (pl. a gazdasgi nvekeds tnyezit) s arra ad vlaszt, hogy hogyan befolysoljk
az egyes jelensgek pillanatnyi llapott sajt vagy ms jelensgek korbbi llapotai. Az ilyen
krdseket vizsgl modelleket dinamikus modelleknek hvjuk. Dinamikus sszefggs alatt
azt rtjk, hogy klnbz idponthoz, vagy idszakhoz tartoz vltozk kztti sszefgg-
seket vizsglunk. Statikus modellel csak stabil vgllapotot lehet modellezni. Stabil viszo-
nyok csak rvid ideig lteznek a gazdasgi letben. A klasszikus newtoni fizika szerint a
mozgs folytonos s gy folytonos fggvnnyel lerhat. A newtoni fizika szerint a mozgst
meghatroz erk hatsukat ksleltets nlkl fejtik ki. Pl. a rezgmozgs esetn a nyugalmi
irnyba hat er minden idpontban arnyos a nyugalmi helyzettl val eltrs (a kitrs) t-
volsgval. Gazdasgi mozgsok lersval ez az eszkz nem hatkony, mert:
a megfigyels diszkrt s rgztett idpontokhoz kapcsoldik. A mrs eredmnye gy
eltr lehet, ha napi, ha heti, ha havi, ha negyedvi vagy ha vi adatokkal dolgozunk.
nem vgtelen kicsi, hanem vges, st gyakran igen hossz reakciidvel kell szmol-
ni.
A modern fizika (Plank, Einstein, Heisenberg stb.) az id s mozgs fogalmt trtkelte s
nem tekinti folyamatosnak sem a mozgst, sem az idt.

A ksleltets okai (akci s reakci idben sztvlik):

1. A felismersi kss. A megfigyels, regisztrls, sszegzs, feldolgozs idt ignyel.
(pl. tarts fogyasztsi cikkeket ritkbban vsrolunk)
2. Dntsi kss. Idre van szksg a dntsek meghozatalra s vgrehajtsra.
3. A technolgiai kss (oka a gyrtsi id).
4. A folyamatok tehetetlensgbl add kss.
5. Spekulcis kss, amikor pl. az eladok remelkedsre szmtanak, s ezrt kszletez-
nek.
6. Egyb okok, pl. szervezeti ksleltets, a brokrcia tehetetlensge s lasssga stb.

4.6.1 A ksleltets modelljeinek rvid trtnete
A folyamatok kztti kapcsolatok vizsglatban korn, mr az 1930-as vekben felmerlt az a
krds, hogy egy hatsnak milyen idbeli lefutsa van, illetve az, hogy adott okok rvid s
hossz tv hatst milyen mdon lehet sztvlasztani. A korszak jeles kpviseli pldul F. L.
Alt s I. Fisher, akik megalapoztk elmleteikkel a ksbbi kutatsokat. Fisher dolgozta
217
ki
1937-ben az n. naiv osztott ksleltets modellt, ami a cskken slyszmok (short-cut) elvn
alapul, ahol a cskkens szmtani sor szerint trtnik. A megosztott ksleltets modellek, az
n. DL
218
modellek alaposabb kutatsa az 50-es vekben kezddtt, elssorban L. M. Koyck,
P. D.
219
Cagan, M. Nerlove,
220
S. Almon
221
s R. Solow
222
kutatsi eredmnyeit lehet kiemel-

217
Fisher I. [1937]
218
Distributed Lag
219
Koyck, L. M. [1954]
220
Nerlove, Marc, [1972]: 221-251
139
ni. Eltrbe kerlt a vgtelen oszts ksleltets alkalmazsa, mgpedig gy, hogy a slyok
cskkense exponencilis mdon trtnik. Az elmlet fejldsvel klnbz modellek jttek
ltre: pl. fordtott V-ksleltets, Almon-fle polinom eloszls osztott ksleltets modellek.

Az irodalom alapveten kt fajta modellt klnbztet meg a ksleltets szempontjbl:
1. egyszer ksleltets modellek: adott jelensg egy msik jelensg meghatrozott idej
ksleltetstl fgg csak, azaz
t i t t
X Y c + | + o =

;
2. sszetett (vagy elosztott) ksleltets modellek
223
: a vizsglt jelensg a msik jelensg
tbb (akr vgtelen darabszm) mltbeli rtktl is fgg, vagyis a hatsok eloszlanak
az idben, azaz:
t 0 t 1 t 1 2 t 2 k t k t
Y X X X X

= o+| +| +| + +| + c
Az elz kt modell-egyenletben szerepl jellsek
224
:

t
Y eredmnyvltoz, vagy magyarzott vltoz a t. idpontban,

t
X magyarz vltoz a t. idpontban,
i a ksleltets mrtke egyszer ksleltets esetn,
k a ksleltets maximlis mrtke k (1, ) e ,

t
c hibatnyez,

t
, | o regresszis egytthatk, paramterek.
A
0
regresszis egytthat az X
t
-hez tartoz sly s egyben parcilis lineris regresszis
egytthat megmutatja, hogyha X
t
egy egysggel n, akkor Y
0
rtkkel n, a tbbi kslelte-
tett magyarzvltoz hatsnak kiszrse mellett. A
0
-t egyidej multipliktornak is nevezik
a nemzetkzi szakirodalomban, ugyanis ez nem ms, mint X marginlis hatsa Y-ra ugyanab-
ban t. idpontban. A
i
regresszis egytthatt i-ed rend ksleltetett multipliktornak nevezik,
mivel azt mutatja meg, hogy az X
t-i
vltoz egy t eltti i idpontban bekvetkezett egysgnyi
nvekedsnek hatsra mennyivel vltozott az Y
t
rtke, vagyis a foly idszaki eredmny-
vltoz nagysga. Ha a gazdasg nyugalmi llapotban van, teht ms megfogalmazsban hosz-
sz tv egyenslyi llapot felttelezhet, akkor a regresszis paramterek sszegt hossz t-
v multipliktornak hvjk, mivel megmutatja azt, hogy X vltoz egysgnyi nvekedse ese-
tn, az Y mennyivel vltozik, a ksleltets idszaka alatt. Az gy megbecslt kumullt hats te-
ht
225
:
k
i 0 1 2 t 2 k
i 0
dY/dX X

=
= | = | +| +| +| = |

A standardizlt ksleltetett multipliktor
( )
*
i
| megmutatja egy
i
regresszis egytthat rsze-
sedst a hossz tv multipliktor kumullt hatsbl:
* i i
i k
i
i 0 =
| |
| = =
|
|

Mivel a paramterek nehezen becslhetk, illetve gyakori a multikollinearits s az
autokorrelci jelensge, ezrt rjuk vonatkozan megszortsokat (ilyen lehet pl. a slyok
( )
t
| geometriai sor szerinti cskkentse) kell tennnk. Ebbl az tletbl, felismersbl szlet-
tek meg a fent emltett osztott ksleltets modellek.
A naiv osztott ksleltets modellek.

221
Almon, S. [1965]: 178-197.
222
Solow R. M.[1960]: 393-406.
223
Ramanathan Ramu [2003]: 452-456.
224
A klsleltetett regresszis modelleknl a nagy x s y betket hasznljuk a vltozk megnevezs-
hez.
225
Gujarati Damodar N. [2003]: 658.
140
A Fisher-fle megolds.
226


Fisher szmtani haladvny szerint cskken slyokat alkalmazott. Az alapjn, hogy hny id-
szakra visszamenleg szmszerstette a hatst, beszlhetnk az ltala megalkotott egyenletek-
rl. A Fisher 1 egyenlet teht a magyarz vltoz jelenlegi, s eggyel ksleltetett rtkt veszi
figyelembe, a Fisher 2 s Fisher 3 modellek pedig egyre hosszabb ksleltetst tteleznek fel.
Ennek alapjn Fisher 1. modellje:
( )
t 1 t t 1 t
Y 2X X

= o+| + + c ,
ahol ( )
1 t t 1
F 2X X

= +
helyettestst alkalmazva kapjuk a kvetkez egyenletet:
t 1 1 1 t
Y F = o +| + c
Hasonl mdon kpezhet a Fisher 2. s Fisher 3. egyenlet is:
t 2 2 2 t
Y F = o +| + c
valamint
t 3 3 3 t
Y F = o +| + c
ahol
( )
2 t t 1 t 2
F 3X 2X X

= + + s ( )
3 t t 1 t 2 t 3
F 4X 3X 2X X

= + + +
A Fisher egyenletek megoldsa utn az eredeti egyenletben a magyarz vltozk paramterei
knnyen szmszersthetk.
Alt mdszere.
227

228

229

Alt szintn tbb egyenletet llaptott meg, melyek sorszma az elzekhez hasonlan a kslel-
tets mrtkt mutatjk. A klnbsg Alt s Fisher mdszere kztt abban rejlik, hogy Alt nem
alkalmazott megktst a magyarz vltozk rtkeire vonatkozan. Alt elszr az Y
t
rtket
csak X
t
rtkvel magyarzza, majd a msodik becslsnl az X
t-1
-t is bevezeti, s gy tovbb,
mindaddig, amg az eredmnyl kapott regresszis egytthatnak rtelme van. Szmszerst-
sk a kvetkez Alt modellt:
t 0 t t
t 0 t 1 t 1 t
t 0 t 1 t 1 2 t 2 t
t 0 t 1 t 1 2 t 2 3 t 3 t
Y X
Y X X
Y X X X
Y X X X X
.......

= o+| + c
= o+| +| + c
= o+| +| +| + c
= o+| +| +| +| + c

Alt azt javasolta, hogy folytatni kell a ksleltetst mindaddig, amg a regresszis modell az el-
mleti feltteleknek eleget tesz. A tovbbi ksleltetett tag bevonsa feleslegess vlik pldul,
ha a bevont regresszis paramter nem klnbzik szignifiknsan a 0-tl.
4.6.2 A fordtott V-ksleltets modellek.
A fordtott V-ksleltets modellek esetn ltalban kezdetben emelked, majd cskken
slyokat tapasztalunk, innen szrmazik elnevezsk is. Az n. Pascal (negatv binomilis) el-
oszts ksleltetett modellek kidolgozsa R. M. Solow
230
nevhez fzdik. Az ilyen eloszls
specilis eseteknt rtelmezhet a szles krben elterjedt Koyck mdszer, ami a paramterek
megfelel megvlasztsval llthat el.
Az osztott ksleltets modell alapegyenlete a kvetkez:
( )
t 0 t 1 t 1 2 t 2 i t i t
Y X X X X

= o+| e + e + e + + e + + c

226
Fisher I. [1937]. 323-328.
227
Alt F. F. [1942]: 113-128.
228
Vet Istvnn [1980]: 28-29.
229
Gujarati Damodar N. [2003]: 663-664.
230
Solow R. M.[1960].
141
ahol 1 0
i
s e s s 1
0 i
i
= e |

=
.
A slyok Pascal eloszls esetn az albbiak:
( ) ( )
i i
i
r r
(r i 1)! r 1 i
1 1
i!(r 1)!
i
| |
+ +
= =
|
|

\ .
e

ahol:

i
e a ksleltets relatv slyrendszere,
r az eloszls rendje ( )
+
eZ r pozitv egsz szm: 1,2,3.
i a ksleltets mrtke, 0, 1, 2,.k..
a becslend paramter, 0 1 < <
Figyelembe vve, hogy n elem k-ad osztly kombincija:
n! n
k!(n k)! k
| |
=
|
|

\ .

Pl. i=2 esetn:
( ) ( )
( )
2 2
2
2
r r
(r 2 1)! r 2 1
1 1
2!(r 1)!
2
r
(r 1) r
1
2!
| |
+ +
= = =
|
|

\ .
+

e

Az eredeti egyenlet az albbi formban irhat fel:
2
k
t t k
t 2 t t t 1
i
t
t i
k 0
r r(r 1)(r 2)...(r k 1) r(r 1)
{ ... ...} (1 )
k! 2!
r
r 1 i
(1 )
i
X X r
Y X X
X

=
+ + + +
=o+ + + + + + + =
| |
+
o+| + |
|
\ .
c |
c


A slyok alakulst mutatja az albbi kt bra
231
, ha =0,4 s =0,6, az eloszls rendje mind-
kt esetben r = 1,2,3,4,5,6.
A nvelse =0,4-rl =0,6-ra a kvetkez vltozsokat eredmnyezi: r=1 esetben n a ks-
leltets hossza, az r= 2,3,4,5,6 eseteiben pedig a fordulpont amikor a nveked szakasz
cskkenbe megy t ksbb kvetkezik be. Az r nvekedsvel a fordulpont ksbb k-
vetkezik be, teht n az emelked szakasz idtartama.
Slyok a fordtott V-ksleltets modellek esetn, ha lamda=0,4.
0,00
0,05
0,10
0,15
0,20
0,25
0,30
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
i =a ksl el tets mrtke
S

l
y
r=1 r=2 r=3 r=4 r=5 r=6

4.8. bra: Slyok alakulsa, ha ha = 0,4

231
A fordtottW.xls felhasznlsval.
142
Slyok a fordtott V-ksleltets modellek esetn, ha lamda=0,6.
0,00
0,05
0,10
0,15
0,20
0,25
0,30
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
i=a ksleltets mrtke
S

l
y
r=1 r=2 r=3 r=4 r=5 r=6

4.9. bra: Slyok alakulsa, ha = 0,6

Ha az eloszls rendje 1, akkor knnyen belthat, hogy
( )
( )
( ) ( ) ( )
r
i i i
i
r i 1 !
i!
1 1 1
i! r 1 ! i!
+
e = = =

Teht geometriai ksleltets lesz a Pascal-ksleltets eloszls. Ha r rtke n akkor az emel-
ked szakasz fordul pontja nagyobb ksleltetsnl kvetkezik be.

4.6.3 Koyck mdszerei
232

233

Ha 1 r = , akkor teht a Pascal-eloszls geometriai ksleltets eloszlsra redukldik. A s-
lyok (
i
) alakulst =0,1 s =0,9 a kvetkez kt brn mutatjuk be. A kt brn jl ltha-
t, hogy rtke tulajdonkppen azt mutatja meg, hogy mennyire rgi adatoknak van mg
hatsa a jelenre, azaz milyen gyors a felejts. Az els brn, ahol 0,1 = a slyok 6 kslelte-
ts utn tnnek el, ekkor lesz a sly= 0,00000, mg ugyanez a helyzet a 9 , 0 = esetben a
94 idszakkal ksleltetett adatok esetben kvetkezik be. ltalnossgban elmondhatjuk,
hogy minl nagyobb egy modellben rtke (de 1 0 < < ), annl lassabb a rendszer felejt-
se. Ha 0, akkor nincs ksleltets, 1, ha viszont 1 akkor vgtelenl nagy a kslelte-
ts, teht 0.
Koyck javasl ata: r=1 s : 0,1
0,00
0,01
0,02
0,03
0,04
0,05
0,06
0,07
0,08
0,09
0,10
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20


232
Koyck, L. M. [1954]
233
Gujarati Damodar N. [2003]: 665-667.
143
0,00
0,01
0,02
0,03
0,04
0,05
0,06
0,07
0,08
0,09
0,10
1 5 9 13 17 21 25 29 33 37 41 45 49 53 57 61 65 69 73 77 81 85 89 93
Koyck javaslata: r=1 s : 0,9

4.10. bra. Koyck javaslatai

Ha az eloszls rendje 1, akkor, ahogy mr bemutattuk:
( )
i
i
1 e = i=1,2,3.k.
Ezt az osztott ksleltets modell alapegyenletbe visszahelyettestve az albbi sszefggs
addik:
( )
( )( )
t 0 0 t 1 t 1 2 t 2 k t k t
0 1 2 k
0 t t 1 t 2 t k t
2 k
0 t 0 t 1 0 t 2 0 t k t
Y X X X X
1 X X X X
X X X X



= o+| e + e + e + + e + + c =
= o+| + + + + + + c =
= o+| +| +| + +| + + c




Ezt az sszefggst
1 t
Y -re felrva, -val beszorozva s a kt egyenletet egymsbl kivonva, az
albbi modellt kapjuk, ami Koyck els mdszereknt ismert a szakirodalomban:
( ) ( )
t t 1 0 t t t 1
Y Y 1 X

= o +| + c c .
Az egyenlet rendezse utn a becslsre alkalmas fggvnyt kapjuk, ahol az eredmnyvltoz
Y
t
, a magyarz vltozk X
t
s Y
t-1
:
( ) ( )
t 0 t t 1 t t 1
t 0 t t 1 t
Y 1 X Y
Y X Y v

= o +| + + c c
' = o +| + +

Az eredeti konstans paramter az albbi sszefggsbl nyerhet:
( )
( )
1
1
' o = o
' o
o =

Az o
0
| ismeretben az eredeti Koyck ksleltetett regresszis fggvny felrhat:

2 k
t 0 t 0 t 1 0 t 2 0 t k t
t 0 t 1 t 1 2 t 2 k t k t
Y X X X X v

Y X X X X v


= o+| +| +| + +| + +
= o+| +| +| + +| + +

A paramterek kztti sszefggs:
0 0
1 0
2
2 0
3
3 0
k
k 0

| = |
| = |
| = |
| = |
| = |

Lthat, hogy kt egymst kvet paramter hnyadosa lland s -val egyenl.
144
i
i 1

|
=
|

A | paramterek sszegt felhasznlva meghatrozhatjuk a hossz tv multipliktort, teht a
kumullt hatst is, vagyis, ha pl. a magyarz vltoz az zembe helyezett beruhzsok sz-
szege, akkor a kumullt hats 1, mivel a beruhzsok sszege egy id utn zembe helyezsre
kerl. Az albbi kpletben a regresszis paramterek sszegt (kumullt hats) gy rtelmez-
hetjk, hogy az X magyarz vltoz egysgnyi vltozsa hossz tvon mennyivel nveli t-
lagosan az Y eredmnyvltoz rtkt.
234

235

2 3
i
0 0
i 0
1
(1 ....)
1

=
| |
| =| ++ + + =|

\ .

Ugyanis:
A mrtani sorozat sszege legyen s, q
0
a kezdrtk (esetnkben q
0
= |
0
), s q a kt szomsz-
dos tag hnyadosa (esetnkben q= ), ami lland:

n n
0 0 0 0
0
q 1 1 1 1
s q 1
q 1 1 1 1
1
| |
= = | = | = | =
|

\ .
| =

Mivel:
n
n
lim 0

=
A hossz tv (kumullt) ksleltetett hats teht:
0
1
|

A kumullt ksleltets tlagos hosszt i az albbi kplettel hatrozhatjuk meg, ahol az tlago-
land rtk a ksleltets hossza (i=1,2,.) a sly pedig a regresszis paramterek becslt r-
tke
( )

|
i
236
:
i
i 0
i
i 0

i
i

=
|
=
|

A fenti kpletben az elzek alapjn a nevezben lv szmnak, a paramterek sszeg-
nek a kzgazdasgi jelentse az, hogy X tnyezvltoz egysgnyi nvelse k idszakon t
mennyivel nveli tlagosan az Y eredmnyvltoz rtkt.
A Koyck modell esetben a kumullt ksleltets tlagos hossza
237
:
i
1

tlagos ksleltets annak az idnek az tlagos hosszt jelenti, amg az X magyarz vltoz
(egysgnyi) vltozst tvisszk az Y fgg vltozra.

234
Mundrucz Gyrgy [1981]: 176-177.
235
Greene, William H. [2003]: 560-561.
236
Gujarati Damodar N. [2003]: 668.
237
Gujarati Damodar N. [2003]: 668.
145

A Koyck modell esetben a kumullt ksleltets medinjt ( )
i
Me az albbi kplettel lehet
meghatrozni
238
:
i
log 2
Me
log
=

A medin ksleltets az az id, ami az Y vltoz teljes vltozsa els felnek vagy 50%-nak
X egysgnyi tarts vltozsnak kvetshez szksges.
Az tlagos ksleltets (medin s szmtani tlag) a Koyck modell esetben klnbz rtki
fggvnyben vltozik, a nvekedsvel az tlagos ksleltets idtartama is n, amit az
albbi tblzat szemlltet. A medin s az tlag =0,5 rtknl egyezik meg, nagysga 1.
Mei i tlag
0,1 0,3010 0,1111
0,2 0,4307 0,2500
0,3 0,5757 0,4286
0,4 0,7565 0,6667
0,5 1,0000 1,0000
0,6 1,3569 1,5000
0,7 1,9434 2,3333
0,8 3,1063 4,0000
0,9 6,5788 9,0000


Koyck msodik modellje
239 240
abban klnbzik az elstl, hogy az X
t
s az X
t-1
vltozknak
tetszleges slya van
241
a cskken geometriai sorozat tulajdonsg slyrendszer csak ezt k-
veten kezddik el. A knnyebb rthetsg rdekben a Koyck 1. mdszernek lersnl al-
kalmazott jellstechnikt clszer hasznlni. Koyck 2. mdszernek geometriai ksleltets
alapkoncepcija miatt
( )
2 k 1
t 0 t 1 t 1 t 2 t 3 t k t
Y X X X X X

= o+| +| + + + + + c
alakban keressk a kzeltst. Feladatunk az ,
0
,
1
, s a paramterek meghatrozsa. V-
gezzk el a kijellt szorzsi mveletet, majd kpezzk az Y
t
- Y
t-1
kifejezst!
2 k 1
t 0 t 1 t 1 1 t 2 1 t 3 1 t k t
Y X X X X X

= o+| +| +| +| + +| + c
2 k 1
t 1 0 t 1 1 t 2 1 t 3 1 t 4 1 t k 1 t 1
Y X X X X X

= o+| +| +| +| + +| + c
2 3 k
t 1 0 t 1 1 t 2 1 t 3 1 t 4 1 t k 1 t 1
Y X X X X X

= o+ | + | +| +| + +| + c
( ) ( )
t t 1 0 t 1 0 t 1 t t 1
Y Y 1 X X ( )

= o +| + | | + c c
Rendezs utn a becslsre alkalmas fggvny:
( ) ( )
( )
t 0 t 1 0 t 1 t 1 t t 1
'
t 0 t 1 t 1 t 1 t
Y 1 X X Y ( )
Y X X Y v
1


= o +| + | | + + c c
' = o +| +| + +
' o = o


238
Gujarati Damodar N. [2003]: 668.
239
Griliches Z. : Distributed Lags: A survey. Econometrica. 1967. vi 1. sz. 16-49. p.
240
Sipos Bla [1982]: 40-45.
241
Kiss Tibor [1985]: 1001-1011.
146
( )
'
1 1 0
'
1 1 0
1
' o
o =

| = | |
| = | +|

Az egyenlet rendezse utn teht a becslsre alkalmas fggvnyt kapjuk, ahol az eredmny-
vltoz Y
t
, a magyarz vltozk X
t
, X
t-1
s Y
t-1
Pascal eloszls esetn a becsls,
242

243
ha r=2
2 2
t t 1 t 2 t t
Y 2 Y Y (1 ) X e

= +| +
Pascal eloszls esetn a becsls,
244

245
ha r=3
2 3 3
t t 1 t 2 t 3 t t
Y 3 Y 3 Y Y (1 ) X e

= + +| +
4.6.4 Almon-fle polinom eloszls osztott ksleltets modellek
246

247

Tekintsk a kvetkez vges szm ksleltetst figyelembe vev egyenlet becslst:

t 0 t 1 t 1 2 t 2 k t k t
Y X X X X

= o+| +| +| + +| + c
sszevont formban:
k
t i t i t
i 0
Y X

=
= o+ | + c

A nyilvnval multikollinearits miatt nem kapunk megbzhat becslst a paramterekre, ezrt
ismtelten szksgnk van feltevsekre. Almon azt felttelezte, hogy a ksleltetett modell
slyknt szerepl paramterei elre adott fokszm polinom szerint alakulnak. Az Almon-fle
ksleltets jele PDL(k,r)
248
, ahol k (i=1,2,,3.k) a ksleltetsek hossza, mg r (r=2,3,m) a
polinom felttelezett fokszma.
ltalnos formban:
2 m
i 0 1 2 m
i i ... i | = o + o + o + + o
gy 2 = r esetn:
2
2 1 0 i
i i o + o + o = |
Ekkor eredeti egyenletnk a kvetkez alakra mdosul:
( )
k k
2
t i t i t 0 1 2 t i t
i 0 i 0
Y X i i X

= =
= o+ | + c = o+ o + o + o + c


A zrjel felbontsa utn, valamint az
t
X sszegszer tagjainak megfelel helyettestsvel a
kvetkez egyenletet kapjuk:
( )
k
2
t 0 1 2 t i t
i 0
k k k
2
0 t i 1 t i 2 t i t
i 0 i 0 i 0
0 0t 1 1t 2 2t t
Y i i X
X iX i X
Z Z Z

=

= = =
= o+ o + o + o + c =
= o+ o + o + o +c =
= o+ o + o + o + c

Ugyanis:

242
Solow R. M.[1960]:397.
243
Kiss Tibor [1985]: 1004.
244
Solow R. M.[1960]:397.
245
Kiss Tibor [1985]: 1004.
246
G. S. Maddala [2004]: 465-472.
247
Gujarati Damodar N. [2003]: 687-693.
248
Polynomial Distributed Lag
147
k
0t t i
i 0
Z X

=
=

k
1t t i
i 0
Z iX

=
=

k
2
2t t i
i 0
Z i X

=
=

Legyen r=2, s k=5 akkor:
( )
5
0t t-i t t -1 t-2 t -3 t -4 t -5
i 0
Z X X X X X X X
=
= = + + + + +

( )
5
1t t i t -1 t -2 t -3 t -4 t -5
i 0
Z iX X 2X 3X 4X 5X

=
= = + + + +

( )
5
2
2t t i t -1 t -2 t -3 t -4 t-5
i 0
Z i X X 4X 9X 16X 25X

=
= = + + + +

A msodfok polinomlis ksleltets smjt az albbi bra mutatja, ahol lthat, a ksleltets
nvekedsvel (i=1,2,3,k) a regresszis paramterek egy ideig nnek, majd a cscspont
elrse utn cskkennek.
Gyakran alkalmazott mdszer az n. vgpontfelttelek alkalmazsa, amelyek azt ktik ki, hogy
a ksleltetsnl figyelembe vett rtkek eltti s utni slyok 0 rtket vegyenek fel, ekkor a
becsls tovbb egyszersdik.
A paramterek eloszlsa msodfok parabola esetben
i

4.11. bra. A msodfok polinomlis ksleltets smja

A ksleltetettmtrix.xls parancsfjl kri: a megfigyelt idpontokat, az eredmnyvltoz (Y
t
)
s magyarzvltoz (X
t
) adatsorokat melyek kztt ksleltetett hats felttelezhet. Ennek
alapjn elkszti a grafikus brt, ahol mr ellenrizhet, hogy a magyarzvltoz s az ered-
mnyvltoz kztt van-e ksleltetett kapcsolat, ugyanis pl. ebben az esetben, az X nveked
szakaszt az Y nveked szakasza ksbb kveti s fordtva, az X cskken szakaszt az Y
ksve kveti. Ezt kveten kzli a program az adatsorok ksleltetett rtkeit, a ksleltetett
munkalapon, s elkszti kln-kln munkalapokon a 12, az elzekben bemutatott kslelte-
tett modell adatmtrixt (ezek: Fisher1, Fisher2, Fisher3, Alt1, Alt2, Alt3, Alt4, Koyck1,
Koyck2, Almon, Pascal2, Pascal3) kszti el, tovbb kzli a regresszis egytthatkat s a
visszatranszformlt egytthatkat. Az adattranszformci utn a regresszio.xls parancsfjl fel-
hasznlsval lehet ellenrizni a ksleltetett regresszis modelleket.
4.7 A hatvnykitevs (Cobb-Douglas
249

250
) termelsi fggvny (A termelsi fggvny t-
lag s hatrmutati.xls parancsfjl mkdse)*


249
Cobb, C.W. Douglas, P.H. [1928] volt az els publikci a termelsi fggvnyek tmakrben, a
szerzk feltteleztk, hogy a kt magyarzvltozs, hatvnykitevs regresszis fggvnyben a kite-
vk sszege 1.
250
Kdas Klmn [1944] publikcija volt Magyarorszgon az els, amelyik a Cobb-Douglas termel-
si fggvny gazati alkalmazsval foglalkozott.
148
Az egy egyenletbe srtett regresszis modelleknek az gazati s a vllalati gyakorlatban egy-
arnt hasznlt formi a termelsi fggvnyek, melyek nagy szerepet jtszanak a termelsi fo-
lyamatok lersban. A termelsi folyamat eredmnye (volumene) nagyszm mszaki, gaz-
dasgi, termszeti s trsadalmi tnyeztl fgg. Kzgazdasgi s mszaki elemzs tjn ha-
trozhatk meg azok a termelsi tnyezk, melyek az adott gazdasgi egysgnl a legnagyobb
hatssal vannak a kibocstsra. A matematikai, statisztikai elemzs e hatsok modellezsvel
s mrtknek szmszerstsvel foglalkozik. A termelsi rfordtsokat termelsi tnyezk-
nek hvjuk. A termelsi tnyezkhz tartozik pldul a fld, a tke, a nyersanyag, az energia
s a munkaer. A munkaer szemlyi termelsi tnyez, mg a tbbi termelsi tnyez trgyi
tnyez. A tkejavakhoz tartoznak a termel- s szllt berendezsek, pletek, szmtg-
pek s egyb gpek. A tke fogalmt gyakran egy zleti vllalkozs beindtshoz vagy fenn-
tartshoz szksges pnzsszeg meghatrozsra hasznljk, amit mi pnztknek hvunk,
mg a termelsben ellltott tnyezket fizikai tknek nevezzk. A fizikai tkt holt mun-
knak is hvjuk megklnbztetve a munkaertl, az lmunktl. A termelsi fggvnyek
teht, valamely gazdasgi egysg termelsnek volument fejezik ki a vizsglt idszakban az
lmunka rfordtsok, a fizikai tkerfordtsok s egyb termelsi tnyezk fggvnyben.
A termels eredmnye s a termelsi tnyezk kztti sszefggst sztochasztikus formban,
technikai (technolgiai) egyenletekkel rjk le. Az alapvet kt termelsi tnyez, az lmun-
ka s holtmunka rfordtsok mellett, a termelsi fggvnyek tartalmazhatjk az anyag-, s
energiarfordtsokat s egyb tnyezket is. A termelsi fggvnyek segtsgvel a vllalat
(ltalban a gazdasg) viselkedsnek technolgiai korltait rhatjuk le. A technolgiai korl-
tok azt jelentik, hogy egy adott mennyisg kibocsts csak bizonyos rfordts (input) kom-
bincik rvn valsthat meg, a vllalat a technolgiailag megvalsthat termelsi tervekre
knytelen korltozni a tevkenysgt, vagyis mr dnttt az optimlis termksszettel s
technolgia krdsben.
A termelsi fggvnyek felrsnl felttelezik, hogy:
a vizsglt trvnyszersg idben lland, vagy csak lassan vltozik, vagy ismert a
vltozsa;
az elemzs trgya, a termelsi eredmny kzvetlenl vagy kzvetve mrhet;
az elemzs trgyra lnyeges hatst gyakorl tnyezk elhatrolhatk azoktl a tnye-
zktl, amelyeknek szerepe elhanyagolhat;
az adatok hozzfrhetk s sszehasonlthatk.

A termels, a kibocsts (output) mrse
A termels eredmnye esetben a legmegfelelbb megolds az lenne, ha azt termszetes mr-
tkegysgben figyelnnk meg. A termszetes mrtkegysgben trtn szmbavtel sorn
olyan mennyisgi egysgeket alkalmazunk, amelyek a termk fizikai tulajdonsgaival, a
hasznlati rtkkel vannak kapcsolatban. A termszetes mrtkegysgben val szmbavtel
jelentsgt az hzza al, hogy ez kifejezi az adott idszakban ellltott hasznlati rtkek
tmegt s ez kpezi az sszes tbbi szmbavteli md; az rtki szmbavtel, a munkamr-
tkegysg, a termksoros volumenindex stb. alapjt. Pldul, a cementzem esetben a terme-
ls viszonylag homogn, s gy az zem kibocstsa, amit az adott idszak folyamn termel-
tek, tonnban mrhet. ltalban a gazdasgi egysgeknl ellltott termkek szma igen
nagy, gy a termels eredmnyt legtbbszr valamilyen rtki mutatszmmal mrjk.
A termels rtki mutatszmai tbbek kztt az albbiak lehetnek:
Brutt termelsi rtk, egyenl az rtkestett termkek s szolgltatsok alapjn ke-
letkezett rbevtelnek, a sajt elllts eszkzk aktivlt (llomnyba vett) rtk-
nek
251
s a sajt termels kszletek llomny vltozsnak az sszegvel.

251
A sajt elllts eszkzk aktivlt rtkt mindig az elllts tnyleges kltsgeinek sszegvel
kell szmtsba venni.

149
Anyagmentes termelsi rtk, vagyis a hozzadott rtk, (GDP vllalkozs szint
megfelelje) a brutt termelsi rtkbl kivonjuk az anyagkltsget s az ignybe vett
anyagjelleg szolgltats kltsgt.
Nett termelsi rtk, az anyagmentes termelsi rtkbl kivonjuk az lleszkzk r-
tkcskkensnek a kltsgt.

A brutt jelleg mutatszmok kzs jellemzje, hogy ha az egymst kvet termel folya-
matok rtkeit sszegezzk, akkor az sszegzett termelsi rtk tbbszrs szmbavtelt tar-
talmaz, ezt halmozdsnak nevezzk. A nett jelleg termelsi mutatszmok a ltrehozott
termkeknek csak azon rtkrszt tartalmazzk, melyet a vizsglt idszakban a megfigyelt
termelegysg hozott ltre. gy a nett termelsi rtk az tvitt munka egyetlen elemt sem
tartalmazza. A nett termelsi rtk megbzhatan jellemzi a termelegysgnl ellltott j
rtket, nagysga nem fgg sem az ipar szervezeti felptstl, sem az egyes iparvllalatok
bels tagozdstl. A nett termelsi rtk kiszmtsnl sok esetben problmt okoz a
vizsglt idszak termelst terhel amortizci megllaptsa, melyhez a fizikai kops mellett,
az erklcsi kops figyelembevtele is szksges lenne. Ezrt kerl sor a gyakorlatban az
anyagmentes termelsi rtk meghatrozsra, mely a teljes termels, valamint az sszes
anyagkltsg s egyb anyag jelleg kltsg klnbsge. Az anyagmentes termelsi rtk al-
kalmazsa leegyszersti a termelsi fggvnyt, mivel a nyersanyag vltozkat nem szksges
explicit mdon belefoglalni. Vllalati szinten vgzett elemzseknl ltalban megfelel a
brutt termelsi mutatszmmal trtn mrs. Az gazati szint termelsi fggvnyszmt-
soknl viszont a jelents halmozds kikszblse rdekben clszerbb a nett termels
mutatjt alkalmazni. A termels volumennek rtkbeli mrsekor, mivel a termelsi rtk
idsorai kpezik a vizsglat adatbzist nagyon fontos az sszehasonlthatsg biztostsa. Ez
trtnhet rindexek felhasznlsval. Az gy nyert idsorok, a termels volumennek vltoz-
st mutatjk. gazati szinten alkalmazzk a termksorok alapjn szmtott indexeket, amely a
termels mennyisgi vltozst jelzi. A termksoros volumenindex valamely gazat termelsi
volumennek vltozst, az adott gazat termel tevkenysgt leginkbb jellemz termkek
mennyisgi adataibl szmtott egyedi indexek slyozott tlagval mri. Slyknt ltalban a
br s amortizci egyttes sszegt alkalmazzk. A termksoros volumenindexszel kzelt-
hetjk a brutt termels alakulst, ha a brutt rtkkel slyozunk. Ha a munksok teljestett
rival slyozunk, akkor a nett termelst, ha a br plusz amortizcival slyozzuk, akkor az
anyagmentes termelst kzeltjk. A termksorok alapjn szmtott kzelt volumenindex el-
trhet a termelsi mdszer alapjn szmtott nett termelsi indextl. Ennek okaknt a kvet-
kezk emlthetk meg: a kzelt index nem tkrzi a fajlagos anyagfelhasznls vltozst; a
szmts sorn alkalmazott slyok arnya eltr a nett rtkek arnytl; eltekint bizonyos
minsgi jellemzktl; reprezentatv jellege miatt nem vesz minden termket figyelembe; s
az j termkek ksve kerlhetnek be a mintba; eltekint a szolgltatsoktl, a flksz s befe-
jezetlen termels llomnyvltozstl, stb.

A rfordtsok (inputok) mrse

Az lmunka rfordts az albbi mutatszmokkal mrhet:

Ltszmadatokkal (az sszes foglalkoztatottak, fizikai foglalkoztatottak, szakmun-
ksok stb. ltszmval).
Teljestett munkanapok vagy teljestett munkark szmval.
Munkabr s kzterhei adatokkal.

Az lmunka-rfordtst az sszes foglalkoztatottak ltszmval mrve az lmunkt egyne-
mnek tekintjk, br ez nyilvnvalan egyszerstst jelent. Ezt a megkzeltst az indokolja,
hogy a termels volument nemcsak a fizikai foglalkozsak szma befolysolja, hanem kz-
vetetten a nem fizikai (alkalmazotti) appartus is pl. a mszaki fejleszts, az irnyts sznvo-
nala ltal. A fizikai foglalkozsak ltszmt tekintve, a termels s a kzvetlenl termel
munkt vgz dolgozk kztti kapcsolat ltalban szorosabb, mint a termels s a kzvetve
150
termel munkt vgz dolgozk kztt. A kzvetve termel munkt vgzk tevkenysge a
kzvetlen termel munkhoz kapcsoldik, azt irnytja, ellenrzi, kiszolglja, elltja, pl. kz-
vetlen termelsirnytk, anyagmozgatk, karbantartk. Clszer ezrt kln adatsorral kze-
lteni a fizikaiak emltett kategriit. A foglalkoztatottak adatsorai s a munkanapokra vonat-
koz megfigyelsek htrnya, hogy nem tkrzik az egy munkanapra jut tlagos munkara
szmot illetve annak vltozst. Az lmunka-rfordts legjobb kzeltsnek a teljestett
munkark szma tekinthet, mivel ez tkrzi a leginkbb a munkarfordtsok nagysgt.
Problmt az jelent, hogy a teljestett munkark szma a munkahelyen eltlttt idt jelenti,
mely nem minden esetben azonos a munkban eltlttt tnyleges idvel. Teljestett raknt
jelentkezik ugyanis az llsid, amikor a fizikai dolgoz pl. anyag, energiahiny, gphiba mi-
att nem vgez termel munkt. Teht, amennyiben az adatok rendelkezsre llnak, clszer a
teljestett, a blyegzett munkarkbl az llsidt levonni.
A fizikai tkerfordts, azaz az lleszkz-felhasznls kzeltsre a kvetkez megoldsok
lehetsgesek:

Az sszes termel lleszkz nyit, zr vagy tlagos llomnya.
A termel lleszkzkn bell a gpek, berendezsek, felszerelsek nyit, zr vagy
tlagos llomnya.
Ha az v folyamn jelents beruhzst helyeztek zembe, akkor clszer a zr vagy tlagos
llomnyt megfigyelni. Idsoros vizsglat esetn az sszehasonlthatsg biztostsa cljbl,
lehetleg sszehasonlt rakon kell az lleszkzket rtkelni. Az lleszkzk szmbav-
telekor problmt jelent, hogy nett vagy brutt rtkben trtnjen a mrs. Elvileg a nett r-
tk tkrzi az lleszkz-llomny mszaki-gazdasgi llapott, de figyelembe kell venni,
hogy a lineris lersi kulcsok ltalban nem tkrzik az lleszkz-llomny tnyleges el-
hasznldsi fokt, azaz torztanak. a magyar iparvllalatoknl magas a nullra lert, de a ter-
melsben tovbbra is rsztvev gpek arnya, melyek csak "eszmei" rtkkel szerepelnek a
vllalati nyilvntartsban, hatkonysguk azonban megkrdjelezhet. Figyelembe kell venni
a kapacits kihasznlst is, tovbb azt, hogy az lleszkzk klnbz vjratak, s gy
teljestkpessgk, mszaki jellemzik is msok.
Az anyag s energiarfordtst a mszaki sajtossgoknak megfelelen rtkben s naturlis
mutatkkal lehet kzelteni.

A termelsi fggvny rtelmezse
A termelsi fggvny azt mutatja meg, hogy a klnbzfajta termelsi tnyezk kombin-
ciinak felhasznlsval, milyen maximlis kibocstsi szint rhet el.
252


Az egyetlen kibocstst ltrehoz termeltevkenysg az albbi explicit fggvnnyel rhat
le:
( )
1 2 k
y=f x , x , , x
ahol:
y = a termels, a kibocsts, az output, mint eredmnyvltoz,
1 2 k
x , x , , x = a termelsi tnyezk (szemlyi s trgyi)
253
, a rfordtsok, az inputok, mint
magyarz vltozk.

Ttelezzk fel, hogy a termels becslt volumene [ y] kt tnyeztl; az lmunka (x
1
) s a
holtmunka (x
2
) tnyezktl fgg.
( )
1 2
y=f x , x

252
Barancsuk Jnos [2008]: 135.
253
FP=Termelsi tnyezk (Factors of Production). A termelsi folyamatban rsztvev, illetve abban
felhasznlt szemlyi s trgyi tnyezk, krnyezeti adottsgok, a termelshez szksges emberi, szel-
lemi, fizikai, termszeti, anyagi, technolgiai s pnzgyi felttelek. Neoklasszikus rtelemben a ter-
melsi folyamatban kzremkd termszeti tnyez (fld) valamint a munka s a tke.
151
Ttelezzk fel tovbb, hogy a fggvny (f) hatvnykitevs
254
, vagyis az eredeti vltozk lo-
garitmusai kztt lineris kapcsolat van:
1 2
b b
0 1 2
0 1 1 2 2
y b x x
ln y ln b b ln x b ln x
=
= + +

A modellspecifikci gy mg hinyos, mert a regresszis modell sztochasztikus, vagyis v-
letlen hatsok is jelentkeznek, (olyan hatsok, amelyeket a modellbe bevont vltozkkal, x
1
s
x
2
nem tudunk magyarzni). A vletlen hatst a rezidulis vltoz [u] testesti meg.
A modell ekkor
255
:
2 1
b b
0 1 2
0 1 1 2 2
y b x x u
ln y ln b b ln x b ln x ln u
=
= + + +

A termelsi fggvny jellemzi, tlag- s hatrmutatk kt tnyezvltozs s hatvnyki-
tevs fggvny esetn
256

257


A termelsi fggvny rtelmezsi tartomnya s rtkkszlete

A termelsi fggvny rtelmezsi tartomnynak s rtkkszletnek meghatrozsakor fi-
gyelembe kell venni, hogy mind a termelsi tnyezk, mind a kibocsts csak pozitv rtke-
ket vehetnek fel. Mivel a kibocsts ltrehozshoz az x
1
s x
2
tnyezkre egyarnt szksg
van, ezek nulla rtket nem vehetnek fel. Ha valamelyik tnyez rtke nulla lenne, akkor az
eredeti fggvnyben nem szerepelne, s az egy tnyezs termelsi fggvnny alakulna t, ami
rendszerint csak rszleges vizsglatokat tesz lehetv. A termelsi tnyezk pozitv interval-
lumnak fels hatrt elmletileg a rendelkezsre ll tnyezk mennyisge, gyakorlatilag
termszetesen a rendelkezsre ll termelsi tnyezknek az a mennyisge szabja meg, amed-
dig a termels mg hatkony. Felttelezzk, hogy a termelsi fggvny folytonos. Ez azt je-
lenti, hogy az x
1
s x
2
termelsi tnyezk kismrtk megvltoztatsra az y kibocsts is csak
kismrtkben vltozik.
Hatrtermelkenysg
Felttelezzk tovbb, hogy a termelsi fggvny x
1
s x
2
szerinti elsrend parcilis derivlt-
jai lteznek s a hatrtermelkenysgek
258
pozitvak, azaz
1
2
x
1
x
2
dy
MP 0
dx
dy
MP 0
dx
= >
= >

Az elsrend parcilis derivlt pozitv volta azt fejezi ki, hogy a termelsi tnyezk nveke-
dsvel a kibocsts is n. Ez azt jelenti, hogy a munkatnyez vagy az lleszkz-tnyez
rgztsvel mindig tallunk olyan befektetsi lehetsget vagy foglalkoztatsi lehetsget,
amellyel az lleszkz-felhasznls vagy a munkarfordts utols nvekmnye is elsegti a
kibocsts nvekedst. Valamely termelsi tnyez hatrtermelkenysge teht megmutatja,
hogy mennyi tbbletkibocstst hoz ltre a felhasznlt termelsi tnyez tbbletkltsge, mi-
kzben a termelsi fggvnyben szerepl msik termelsi tnyez mennyisge vltozatlan

254
A hatvnykitevs fggvnyeket, mivel az eredmnyvltoz s a tnyezvltozk logaritmusai k-
ztt van lineris kapcsolat log-log modelleknek is hvjk az konometriai szakirodalomban. Ld. Ramu
Ramanathan [2003]: 519-520.
255
A regresszio.xls Excel parancsfjllal elszr ellenrizni kell, hogy a modell eleget tesz-e a matema-
tikai-statisztikai elmleti feltteleknek.
256
Ld.: Krist Zoltn [1979]: 13-23.
257
Ld.: Sipos Bla [1982]: 30-43.
258
MP=Hatrtermelkenysg (Marginal Productivity). Hasznlatos fogalom mg: hatrtermk: MP:
Marginal Product.


152
marad. Termszetesen ezekkel a tulajdonsgokkal tbb termelsi tnyez esetn is rendelke-
zik a termelsi fggvny, itt csak az egyszersg s a knnyebb rtelmezhetsg miatt rtuk
fel a kt tnyezvltozs fggvnyt. A termelsi fggvnyek kzgazdasgi-matematikai vizs-
glata lehetv teszi szmos, a termels fggvny tartalmval s formjval sszefgg muta-
t felrst. Ezekbl a mutatkbl fontos kvetkeztetseket lehet levonni a tnyezk kztti
sszefggs jellegrl.

A termelsi fggvny alapjn meghatrozhat tlagmutatk
259
:

tlagtermelkenysgek (y/x
1
s y/x
2
)
260
:

Valamely termelsi tnyez tlagtermelkenysgn a megfelel termelsi tnyez egysgre
vonatkoz kibocstst rtjk. ltalban az tlaghatkonysgok amelyek a t idpontbeli vagy i
trbeli tlaghatkonysgokat jellik, a termelsi tnyezk fggvnyei. Az x
1
s x
2
termelsi
tnyezk tlagtermelkenysgei a munka termelkenysge s az eszkzhatkonysg:
1
1
2
2
y
y
x
y
y
x
=
=

Technolgiai koefficiensek (x
1
/y s x
2
/y):

Az tlagtermelkenysg reciprokt technolgiai koefficiensnek nevezzk. Valamely tnyez
technolgiai koefficiense az egysgnyi kibocstshoz szksges termelsi tnyez tlagos
mennyisgt adja meg:
1
1
2
2
x 1
y y
x 1
y y
=
=

Technikai felszereltsg (F=x
2
/x
1
):
Az albbi (F) hnyadost technikai felszereltsgnek nevezzk.
2
1
x
F
x
=
Az elzekbl kvetkezik ugyanis, hogy a technikai felszereltsg s az eszkzhatkonysg
szorzata a munka termelkenysgvel egyenl.
2
1
1 2 1
x y y
y
x x x
= =
Az tlagmutatkon kvl a hatrmutatk is lnyeges szerepet jtszanak a termelsi fggv-
nyek elemzsben.
Hatrtermelkenysg (dy/dx
1
s dy/dx
2
):

Hatvnykitevs kt tnyezvltozs termelsi fggvny esetben a hatrtermelkenysgek:

259
A zrjelben feltntettk azt, hogy az adott mutatt hogyan jelltk: a C-Dtermelsifggvnytlag
s hatrmutati.xls Excel parancsfjlban.
260
tlagtermelkenysg (Average Productivity) vagy tlagtermk: Average Product, jele AP.
153
2 1
1
1 2
2
b b 1
x 0 2 1 1 1 1 1
1 1
b b 1
x 0 1 2 2 2 2 2
2 2
dy y
MP b x b x b b y
dx x
dy y
MP b x b x b b y
x dx

= = = =
= = = =

Ugyanis:
1 2
1 1 1
b b
0 1 2
b 1 b b 1
1 1 1 1
1
y b x x
1
x x x x
x

=
= =

Az lmunka hatrtermelkenysge az lmunka vltoz (x
1
) kitevje (b
1
) s az tlagtermel-
kenysg (
1
y ) szorzatval egyenl. Hasonl mdon a holtmunka hatrtermelkenysge a holt-
munka vltoz (x
2
) kitevje (b
2
) s az eszkzhatkonysg (
2
y ) szorzatval egyenl.
Az x
1
s x
2
termelsi tnyez parcilis rugalmassga (elaszticitsa)
261
:
1
1
2
1
1 x 1 1
1 1
1
2
1 2 x 2
2 2 2 2
y y y y d dx d d
e : : : y MP : y
x x x x d y d
y y y y
d d dx d
e : : : y MP : y
x x x y d x d
= = = =
= = = =

Lthat, hogy a parcilis elaszticits a termelsi tnyezk hatr- s tlagtermelkenysge h-
nyadosval is kifejezhet. Az e
1
az lmunka parcilis elaszticitsa azt mutatja meg, hogy
hny szzalkkal n a kibocsts az lmunka-rfordts egy szzalkos nvekedse mellett,
mikzben a holtmunka-rfordts vltozatlan marad. Hasonl mdon rtelmezzk az e
2
-t,
amely a holtmunka parcilis elaszticitst jelli. A parcilis elaszticits reciprokt parcilis
flexibilitsnak (rszleges rzkenysgnek) hvjuk. Megmutatja, hogy hny szzalkkal n pl.
a munkaer-felhasznls, ha a termelst egy szzalkkal nveljk, mikzben a holtmunka-
rfordts vltozatlan marad. A gazdlkod egysg szmra hasznos lehet megtudni, hogyan
n a termels, ha minden termelsi tnyez felhasznlst nveli. A parcilis elaszticits csak
egy termelsi tnyez vltozsa esetn adja meg a termels relatv vltozst. Hosszabb tvon
azonban az sszes termelsi tnyez vltozik.
A hatvnykitevs regresszis fggvny esetben a parcilis rugalmassgi egytthat a b
1
s b
2

paramterekkel egyenl:
1 1 1
2 2 2
e (b y) /(y) b
e (b y) /(y) b
= =
= =

A volumenhozadk (e
v
)
262

A volumenhozadk (volumenelaszticits) megmutatja, hogy hny szzalkkal n a termels a
termelsi tnyezk egy szzalkos nvekedse mellett. Ez a mutat teht az sszes termelsi
tnyez egyidej arnyos relatv nvekedsnek hatst mri. A volumenhozadk az egyes
termelsi tnyezk parcilis elaszticitsainak sszegvel egyenl:
v 1 2
e e e = +
A volumen hozadk e
v
azt fejezi ki, hogy a termels relatv nvekedse nagyobb ( )
v
e 1 > ,
vagy kisebb ( )
v
e 1 < , mint a rfordtsok relatv nvekedse, illetve azzal egyenl-e
v
e 1 = . A
gazdasgi fejlds szempontjbl az elnys, ha
v
e 1 > .
Ha a termelsi fggvny k-ad fok homogn, akkor
( ) ( )
k
a 1 2 1 2
y f ax , ax a f x , x = =

261
ME=Marginal Elasticity (marginlis rugalmassg).
262
Hasznlatos kifejezsek: volumenhozadk, volumenrugalmassg (volumenelaszticits), sklahoza-
dk, nvhozadk, mrethozadk, Return to Scale.
154
vagyis a termelsi tnyezk a-szoros nvekedse a kibocsts a
k
-szoros nvekedst idzi
el. A k-t a homogenits foknak nevezik. A termelsi fggvny segtsgvel vizsglhatjuk a
termelsi tnyezk arnyainak, helyettestsnek s klcsnhatsnak alakulst is. Ha k=1,
akkor a termelsi tnyezk k-szoros nvekedse a kibocsts szintjn szintn k-szoros nve-
kedshez vezet. (
a
y ay = ). Ha k>1, akkor a termelsi tnyezk k-szoros nvekedse a kibo-
csts szintjn tbb mint k-szoros nvekedshez vezet. (
a
y ay > ). Ha 0<k<1, akkor a termel-
si tnyezk k-szoros nvekedse a kibocsts szintjn kevesebb, mint k-szoros nvekedshez
vezet. (
a
y ay < ).
A k-ad fok, vagyis a homogenits foka azonos a volumen hozadkval.
Euler-ttel alapjn: a termelsi tnyezk hozadkt hatrtermelkenysgk s mennyisgk
szorzata hatrozza meg:
1 2
1 2
x 1 x 2
1 2
x x
y MP x MP x / y
* *
x x
1 MP MP
* *
y y
= +
= +

Az Euler ttelbl kvetkezik, hogy elsfok homogn termelsi fggvny esetn a tnyezk
parcilis rugalmassgainak sszege 1, ugyanis az tlagtermelkenysgek s a hatrtermel-
kenysgek szorzata egyenl eggyel.

A helyettestsi hatrarny
263
(s
1
s s
2
)
A termelsi fggvnyben szerepl tnyezk bizonyos hatrokon bell helyettesthetik egy-
mst. A helyettestsi hatrarny azt fejezi ki, hogy az egyik termelsi tnyez egysgnyi
cskkentse esetn mennyivel kell megnvelni a msik tnyezt ahhoz, hogy a kibocsts
vltozatlan szinten maradjon.
( )
( )
2
1 1 2 1 2
1 2 1
1 2
1
2 2 1
1 2 2
x dy dy y y
s : b b b b
dx dx x
x x
x dy dy
s : b b
dx dx x
= = =
= =

A helyettestsi hatrarny a termelsi tnyezk hatrtermelkenysgnek a hnyadosval ha-
trozhat meg. Az s
1
-gyel jelltk annak a szksges beruhzsnak a nagysgt, amely egy-
sgnyi munkaer lleszkzkkel trtn helyettestshez szksges a kibocsts vltozat-
lansga mellett. Az lmunka helyettestsnek gy kifejezett nagysga egyenesen arnyos az
lmunka hatrtermelkenysgvel, s fordtottan arnyos a holtmunka hatrtermelkenys-
gvel. Az s
1
vltozsa a vizsglt fggvny esetben a technikai felszereltsg vltozstl fgg.
Az s
2
-vel jelltk a kibocsts vltozatlansga esetn az egysgnyi lleszkz munkaervel
val kivltsnak nagysgt. Ez egyenesen arnyos a holtmunka hatrtermelkenysgvel, s
fordtottan arnyos az lmunka hatrtermelkenysgvel.

Helyettestsi rugalmassg
264

A helyettestsi rugalmassg a technikai felszereltsg relatv vltozsnak s a helyettestsi
hatrarny relatv vltozsnak hnyadosval egyenl. Kzgazdasgi szempontbl fontos ez a
mutat, mert rtktl fgg pldul az, hogy a beruhzsok milyen mrtkben terjeszthetk ki
gazdasgosan valamely termelsi egysgnl.
A helyettestsi rugalmassg kplete:

263
A helyettestsi hatrarny jele MRS=Marginal rate of Substitution.
264
A helyettestsi rugalmassg angolul: ES=Elasticity of substitution. A fogalmat John Hicks (1932)
s Joan Robinson (1933) hasznlta elszr.


155
2 1 1
2 1 1
d(x / x ) ds
:
x / x s
o =

Kedvez az, ha 1 o > , ugyanis ebben az esetben a helyettestsi hatrarny 1%-os nvekedse
esetn a technikai felszereltsg 1%-nl nagyobb temben n. A helyettestsi rugalmassgra
rvnyes, hogy:

s s o 0
.
Hatvnykitevs regresszis fggvny esetben a =1.

Akcelertorok.

Kzvetlen akcelertor (akc
1
s akc
2
)
Valamely termelsi tnyez hatrtermelkenysgnek vltozst, valamint a termelsi tnye-
zk vltozsnak a kapcsolatt jellemz mutatkat akcelertoroknak nevezzk. A termels
akcelertora az egyik termelsi tnyez hatrtermelkenysgnek a vltozsa, ha ennek a ter-
melsi tnyeznek felhasznlt mennyisgt egysggel nvelik (kzvetlen akcelertor), vagy a
msik termelsi tnyez felhasznlt mennyisgt egy egysggel nvelik (keresztakcelertor).
Valamely termelsi tnyez kzvetlen akcelertort a termelsnek a megfelel termelsi t-
nyez szerinti msodrend parcilis derivltja adja meg. A vizsglt termelsi fggvnyhez a
kvetkez kzvetlen akcelertorok tartoznak:
( )
1 2 1 2
2
b 2 b b 1 b
1 1
0 2 1 1 0 2 1 1 1 2 2
1 1
,
d y
) b (b 1
b x b x b x b (b 1)x y
x dx


= = =
( )
1 2 2 1
2
b b 2 b 1 b
2 2
0 1 2 2 0 1 2 2 2 2 2
2 2
,
d y -
) b (b 1
b x b x b x b (b 1)x y
dx x

= = =
A kzvetlen akcelertorok eljeltl fggen a hatrtermelkenysgek viselkedsnek hrom
esete klnbztethet meg:
1. A termelsi tnyez hatrtermelkenysge n a termelsi tnyez nvekedsvel, ha a
kzvetlen akcelertor pozitv. Felttele: b
1
>1 illetve b
2
>1
2. A termelsi tnyez hatrtermelkenysge vltozatlan marad a termelsi tnyez n-
vekedsvel, ha a kzvetlen akcelertor nulla. Felttele: b
1
=1 illetve b
2
=1
3. A termelsi tnyez hatrtermelkenysge cskken a termelsi tnyez nvekeds-
vel, ha a kzvetlen akcelertor negatv. Felttele: 0< b
1
<1 illetve 0< b
2
<1

Keresztakcelertor (keresztakc)
A kzvetett akcelertor, a keresztakcelertor, amely megadja az egyik termelsi tnyez ha-
trtermelkenysgnek vltozst a msik termelsi tnyez egysgnyi vltozsa esetn. A
differencils szablyai szerint, elszr az x
1
, majd az x
2
szerint vgezzk el a derivlst:
2 1 2
b b 1 b 1
1 2
0 2 1 1 2 2
1
2 1 2
dy dy
b b
b x b x b x y
dx dx
x x

= =
ami azt jelenti, hogy az egyik termelsi tnyez vltozsa ugyangy befolysolja a msik ter-
melsi tnyez hatrtermelkenysgt, mint ez utbbi termelsi tnyez vltozsa az elbbi-
nek a hatrtermelkenysgt. A fenti sszefggs azt mutatja, hogy a kt keresztakcelertor
mindig egyenl egymssal, mivel a derivls szablyai szerint mindegy, hogy a parcilis deri-
vlsokat milyen sorrendben vgezzk el. Mindegy teht, hogy a termelsi fggvnyt elszr
az lmunka s azutn a holtmunka szerint, vagy elszr a holtmunka s utna az lmunka
szerint derivljuk.
A keresztakcelertorok felhasznlsval eldnthetjk, hogy kt termelsi tnyez helyettesti,
vagy kiegszti egymst a termelsben. Ha kt termelsi tnyez keresztakcelertora pozitv,
vagyis az egyik termelsi tnyez nvelse nveli a msik hatrtermelkenysgt, akkor a kt
tnyez kiegszti egymst. Ha kt termelsi tnyez keresztakcelertora negatv, vagyis az
egyik mennyisgnek nvelse cskkenti a msik hatrtermelkenysgt, akkor a kt tnyez
egymst helyettesti. Ha kt termelsi tnyez keresztakcelertora nulla, akkor fggetlenek
egymstl. A helyettestsi viszonyban lev tnyezk jellegzetessge, hogy ezekbl tbbfle
156
mennyisgi kombinci hasznlhat fel ugyanazon termkmennyisg ellltshoz, azaz bi-
zonyos keretek kztt az egyik a msikat helyettestheti a termelsben. Az egyik tnyez n-
velse, a msik cskkentst vonja maga utn. Feltteleztk, hogy a termelsi fggvny par-
cilis derivltjai pozitvak, gy a b
1
s b
2
egytthatk is pozitvak, teht a keresztakcelertorok
is pozitvak.

Hozadkok, az tlagtermelkenysgek derivltjai (hozadkx
1
s hozadkx
2
)
Kpezzk az
1
(y/x )
1
x szerinti derivltjt, felhasznlva a trtfggvnyekre vonatkoz deriv-
lsi szablyt:
1
1
1 1
1 2
1 1 1 1 1 1 1 1
dy y
x y d
x dy dx 1 dy 1 dy y
y
x dx dx x x dx x dx
| |

|
( (
\ .
= = = =
( (



A holtmunka hozadka hasonl mdon vezethet le:
2
2
2 2
2 2
2 2 2 2 2 2 2 2
dy y
x y d
x dy dx 1 dy 1 dy y
y
x dx dx x x dx x dx
| |

|
( (
\ .
= = = =
( (


Lthat, hogy a hozadk nagysga a hatrtermelkenysg s az tlagtermelkenysg viszo-
nytl fgg:
A termelsi tnyez hozadka n, ha a hatrtermelkenysg nagyobb, mint az tlagtermel-
kenysg, nem vltozik, ha a hatrtermelkenysg s az tlagtermelkenysg egyenl s csk-
ken, ha a hatrtermelkenysg kisebb, mint az tlagtermelkenysg.
A vizsglt hatvnykitevs regresszis fggvny esetben az lmunka s a holtmunka hoza-
dka:
| |
1
1
1 1
1 1 1 1 1
1 1 1 1 1
y
d
x
dy 1 dy 1 y 1 y y y
b b 1
x x x x x
x dx dx x dx
| |
|
( (
\ .
= = = =
( (


| |
2
2
2 2
2 2 2 2 2
2 2 2 2 2
y
d
x
dy 1 dy 1 y 1 y y y
b b 1
x x x x x
x dx dx x dx
| |
|
( (
\ .
= = = =
( (



A termelsi tnyez hozadka n, ha b
1
>1 illetve b
2
>1, nem vltozik, b
1
=1 illetve b
2
=1 s
cskken, ha 0<b
1
<1 illetve 0<b
2
<1.
A termelsi fggvnyek becslhetk kettnl tbb magyarz vltoz esetben is, az elz-
ekben bemutatott parcilis tlag s hatrmutatk hasonl mdn rtelmezhetk:
3 1 2
b b b b
0 1 2 3 k
0 1 1 2 2 3 3 k k
y b x x x ....x
u
ln y ln b b ln x b ln x b ln x ....b ln x lnu
=
= + + + +





A nem lineris regresszis fggvnyek jellemzi

A trendszmtsnl bemutatott mdon (ebben az esetben t=x) linearizlhatk az albbi nem
lineris regresszis fggvnyek is, a fggvnyek jellemzit a 4-3. tblban foglaljuk
265
ssze.




265
Ld. Ramu Ramanathan (2003): 258. s Pintr Jzsef Rappai Gbor (2007): 464.
157
4-3. tbla: Linerisra visszavezethet nem lineris regresszi fggvnyek jellemzi
Fggvnytpus A fggvny
A fggvny
meredeksge
A fggvny
elaszticitsa
Lineris
(lin-lin)
0 1
y b b x = +
1
b
1
x
b
y

Hatvnykitevs
(log-log)
1
b
0
y = b x
0 1
ln y lnb b lnx = +
1
y
b
x

1
b
Exponencilis
(log-lin)
x
0 1
y = b b
= +
0 1
ln y lnb xlnb
1
y lnb
1
xlnb
Fllogaritmikus
(lin-log)
0 1
y b b lnx = +
1
1
b
x

1
1
b
y

Hiperbolikus
(reciprok)
0 1
1
y b b
x
= +
1 2
1
b
x

1
1
b
xy

Log- reciprok
0 1
1
ln y b b
x
= +
1 2
y
b
x

1
1
b
x

Msodfok para-
bolikus
(kvadratikus)
2
0 1 2
y =b + b x +b x
1 2
b + 2b x
1 2
(b + 2b x)x
y
Log- kvadratikus
2
0 1 2
lny =b + b x + b x
1 2
y(b + 2b x)
1 2
x(b + 2b x)

C-Dtermelsifggvnytlagshatrmutati.xls parancsfjl mkdse
266

A program kiszmtja elszr a hatvnykitevs (Cobb-Douglas) termelsi (regresszis) fgg-
vny paramtereit a logaritmizlt fggvny alapjn, majd kzli a transzformlt b
0
s e
v
volu-
menhozadk rtkeket, tovbb a becslt y vektort logaritmizlt (lny_becslt: ln y) s term-
szetes formban (y_becslt: y) Ezt kveten kiszmtja az tlag- s a hatrmutatkat, a meg-
figyelseknek s a magyarzvltzknak (x
1
s x
2
) megfelelen a kvetkez sorrendben: t-
lagtermelkenysgek, technolgiai koefficiensek, technikai felszereltsg, hatrtermelkenys-
gek, parcilis rugalmassgok, helyettestsi hatrarnyok, kzvetlen akcelertorok,
keresztakcelertor, hozadkok. Az brk munkalapon pedig brzolja is a kiszmtott tlag- s
hatrmutatkat. mutatkat.
A jellsek:
y/x
1
y/x
2
x
1
/y x
2
/y F=x
2
/x
1
dy/dx
1
dy/dx
2
s
1
s
2
akc
1
akc
2
keresztakc hozadkx
1
hozadkx
2

A mintaplda a kvetkez adatllomny (cipgyr adatai) alapjn kszlt:



266
A regresszio.xls Excel parancsfjllal elszr ellenrizni kell, hogy a modell eleget tesz-e az elmle-
ti statisztikai feltteleknek. Regressziocipohatvanykitevos.xls parancsfjl tartalmazza a tesztels ered-
mnyeit. A modell eleget tesz az elmleti feltteleknek, csak a multikollinearits zavar, viszont a b
1

s b
2
paramterek szignifiknsan klnbznek a nulltl. Az empirikus szignifikancia szint a p rtke:
0,0000231. A b
1
s b
2
paramter pozitv, teht a hatrtermelkenysg is pozitv, gy a modell a kz-
gazdasgi felttelnek is eleget tesz, elemzsre s elrejelzsre felhasznlhat.
158
vek (t) y x
1
x
2

1 1009 1787 1008
2 1099 2178 1111
3 1476 2627 1253
4 1488 2611 1218
5 1522 2740 1219
6 1568 2723 1208
7 1570 2746 1300
8 1701 2882 1647
9 1699 2506 1499
10 1667 2792 1741
11 1681 2681 2126
12 1594 2559 2544
13 1557 2483 2766
14 1560 2403 2654
15 1562 2146 2695
16 1589 2098 3702
17 1601 2032 4042
18 1588 2010 3930
19 1592 1949 4074
20 1538 2032 5278
21 1330 1844 4976
22 1208 1651 5314
23 1000 1568 5346
Ahol:
y = a termels volumene [ezer pr]
x
1
= a fizikai foglalkozsak teljestett munkari [ezer ra]
x
2
= a gpek berendezsek amortizcija [milli Ft]
A szmtsok eredmnyei:
lnb
0
=
-2,3616
b
0
=
0,0943
b
1
=
1,0416
b
2
=
0,2071
e
v
=b
1
+b
2
1,2487

159
y/x
1
y/x
2
x
1
/y x
2
/y F=x
2
/x
1
0,564633 1,000992 1,77106 0,999009 0,564074
0,504591 0,989199 1,981802 1,010919 0,510101
0,561858 1,177973 1,77981 0,848916 0,47697
0,569897 1,221675 1,754704 0,818548 0,466488
0,555474 1,248564 1,800263 0,80092 0,444891
0,575835 1,298013 1,736607 0,770408 0,443628
0,571741 1,207692 1,749045 0,828025 0,473416
0,590215 1,032787 1,694297 0,968254 0,571478
0,677973 1,133422 1,474985 0,882284 0,598164
0,597063 0,957496 1,674865 1,044391 0,623567
0,627005 0,790687 1,594884 1,264723 0,792988
0,6229 0,626572 1,605395 1,595985 0,994138
0,627064 0,562907 1,594733 1,776493 1,113975
0,649189 0,587792 1,540385 1,701282 1,104453
0,727866 0,579592 1,37388 1,725352 1,255825
0,757388 0,429227 1,320327 2,329767 1,764538
0,787894 0,396091 1,269207 2,524672 1,989173
0,79005 0,404071 1,265743 2,474811 1,955224
0,816829 0,390771 1,224246 2,559045 2,090303
0,75689 0,291398 1,321196 3,43173 2,597441
0,721258 0,267283 1,386466 3,741353 2,698482
0,731678 0,227324 1,366722 4,399007 3,218655
0,637755 0,187056 1,568 5,346 3,409439

dy/dx
1
dy/dx
2
s
1
s
2
akc
1
akc
2
keresztakc hozadkx
1
hozadkx
2
0,588115 0,207296 2,837077 0,352475 1,37E-05 -0,000163 0,000120826 1,314E-05 -0,000787397
0,525576 0,204854 2,565614 0,38977 1E-05 -0,000146 9,79674E-05 9,63465E-06 -0,000705981
0,585223 0,243947 2,398978 0,416844 9,26E-06 -0,000154 9,67232E-05 8,89448E-06 -0,000745432
0,593597 0,252997 2,346257 0,426211 9,45E-06 -0,000165 0,000100926 9,07702E-06 -0,000795302
0,578575 0,258566 2,23763 0,446901 8,78E-06 -0,000168 9,82915E-05 8,43078E-06 -0,00081214
0,599783 0,268806 2,231282 0,448173 9,16E-06 -0,000176 0,000102822 8,79437E-06 -0,000851993
0,595518 0,250102 2,381102 0,419974 9,02E-06 -0,000153 9,48662E-05 8,6587E-06 -0,000736608
0,61476 0,21388 2,874318 0,347909 8,87E-06 -0,000103 7,72987E-05 8,51668E-06 -0,000497211
0,706167 0,234721 3,00854 0,332387 1,17E-05 -0,000124 9,75588E-05 1,12509E-05 -0,000599534
0,621893 0,198288 3,136307 0,318846 9,26E-06 -9,03E-05 7,39737E-05 8,89322E-06 -0,000436075
0,65308 0,163744 3,988427 0,250725 1,01E-05 -6,11E-05 6,36155E-05 9,72586E-06 -0,000294893
0,648804 0,129757 5,000138 0,199994 1,05E-05 -4,04E-05 5,28149E-05 1,01228E-05 -0,000195289
0,653142 0,116573 5,602871 0,17848 1,09E-05 -3,34E-05 4,89007E-05 1,05024E-05 -0,000161364
0,676186 0,121726 5,554978 0,180019 1,17E-05 -3,64E-05 5,27625E-05 1,1235E-05 -0,000175609
0,758135 0,120028 6,316322 0,15832 1,47E-05 -3,53E-05 5,8257E-05 1,41051E-05 -0,000170525
0,788885 0,088889 8,874954 0,112677 1,56E-05 -1,9E-05 4,41304E-05 1,5013E-05 -9,19337E-05
0,82066 0,082027 10,00479 0,099952 1,68E-05 -1,61E-05 4,20462E-05 1,61249E-05 -7,77002E-05
0,822905 0,083679 9,834033 0,101688 1,7E-05 -1,69E-05 4,33628E-05 1,6346E-05 -8,15247E-05
0,850798 0,080925 10,51343 0,095116 1,82E-05 -1,58E-05 4,3248E-05 1,7429E-05 -7,60544E-05
0,788366 0,060346 13,06414 0,076545 1,61E-05 -9,07E-06 3,09328E-05 1,54904E-05 -4,37765E-05
0,751253 0,055352 13,57234 0,073679 1,69E-05 -8,82E-06 3,12655E-05 1,62661E-05 -4,25907E-05
0,762106 0,047077 16,18861 0,061772 1,92E-05 -7,02E-06 2,96998E-05 1,84301E-05 -3,39193E-05
0,664277 0,038737 17,14818 0,058315 1,76E-05 -5,75E-06 2,57324E-05 1,69146E-05 -2,77438E-05


Gyakorl feladatok: C-D-termelsi fggvny tlag s hatrmutati Excel parancsfjl.xls
alkalmazsa. Nem lineris, de linearizlhat regresszis fggvnyek becslse
regresszio.xls Excel parancsfjllal*

A knyv adatai: termelsi fggvny alknyvtrban tallhatk az adatok.
160
1. A cipgyr adatainak felhasznlsval (cipogyar.xls) vgezzen Backward regresszi szm-
tst, a regresszio.xls Excel parancsfjllal gy, hogy egy lmunka s egy holtmunka vltoz
maradjon a modellben. Az idsor els 17 adatval dolgozzon. rtkelje matematikai-
statiszikai szempontok alapjn a modellt, majd hatrozza meg az tlag s hatrmutatkat a C-
D termelsi fggvny tlag s hatrmutati Excel parancsfjl felhasznlsval.
2. Bvtse az 1. feladatban definilt termelsi fggvny magyarz vltozit az anyagfelhasz-
nls (d= felsbr felhasznls) vltozval. A szmtsok elvgzse utn rtelmezze az tlag
s hatrmutatkat.
3. Vgezze el a szmtsokat a Cobb s Douglas ltal elvgzett szmtsok eredeti adatllo-
mnyval. (Cobb-Douglaseredetiadatok1899-1922.xls)
4. A knyv adatai: Egy fre jut GDP s kapcsold mutatk orszgonknt alknyvtrban ta-
llhat: sszes mutat feldolgozva Excel fjl. A feladat felhasznlva a lineris s linerisra
visszavezethet, de nem lineris regresszi-analzis mdszereit az, hogy az orszgonknti egy
fre jut GDP $-ban mrt nagysga s az egyes kivlasztott gazdasgi-demogrfiai s trsa-
dalmi mutatk kztt milyen kapcsolatot modellezzk. Vizsglja meg, hogy hogyan vltozik
a gazdasg nvekedsvel a szletskor vrhat lettartam, az letminsg, a jlt, a fiatalok
kiltsait jellemz humn fejlettsg mutatja (HDI), a munkanlklisg arnya, illetve bizo-
nyos termkek esetben a fogyaszts, gy az egy fre jut gpkocsik szma, a fajlagos ener-
gia, illetve a villamos energia felhasznls. A regresszio.xls parancsfjl hasznlata eltt az
adatok transzformciit el kell vgezni. A grafikus bra alapjn kell eldnteni, hogy a fgg-
vnytpus vlts krlbell mekkora GDP/f rtknl kvetkezik be.
4.8 A CES-fggvny becslse. (CES1.xls, CES2.xls CES3.xls)*

A hatvnykitevs regresszis (Cobb - Douglas tpus) termelsi fggvnyek szleskr el-
terjedse, npszersge a fggvny egyszer s knnyen kezelhet matematikai alakjnak tu-
lajdonthat. Problma viszont az, hogy a helyettestsi rugalmassg (o) rtke elre rgztett,
eggyel egyenl rtk lehet csak. Ezt a korltot oldottk fel a CES (lland helyettestsi ru-
galmassg) termelsi fggvny kidolgozi. A CES fggvnynl a helyettestsi rugalmassg
rtkt a konkrt termelsi fggvny eredmnyeknt hatrozzk meg. Ebben az esetben a he-
lyettestsi rugalmassg lland, de nem felttlenl egyenl eggyel, viszont rtke nem lehet
negatv. A CES fggvny t becslt paramtervel sokoldalbban rja le a fejldst, mint a
hrom paramteres Cobb-Douglas termelsi fggvny. Ugyanakkor a CES fggvny becslse
bizonyos problmkat vet fel. Szksg van a munkaer s az lleszkz "ra" becslsre s ez
sok bizonytalansgot visz a modellbe. Itercis eljrssal viszont a munkaer s az lleszkz
"ra" ismerete nlkl is meghatrozhat az a fggvny, ami mellett a tbbszrs determinci-
s egytthat (R
2
) rtke a legnagyobb.

A CES
267
-fggvny becslse.
268

269

270


A CES-fggvny kplete eredeti s logaritmizlt formban:
v
e
P P u
P
2 2 2 1
y h A x (1 A )x e

( = +


-P -P
v 2 2 2 1
1
ln y ln h e [ ]ln A x (1 A )x u
p

( = + + +
`

)



268
Arrow, K. J. - Chenery, H. B. - Minhas, B. S. Solow, R. M.[ 1961]: 225-250. A szerzk vezetk-
nevnek kezdbeti alapjn a CES - fggvnyt ACMS vagy SMAC fggvnynek is hvjk. Az l-
land helyettestsi rugalmassg fggvny angol rvidtse CES. (Constant Elasticity of
Substitution).
269
Pintr Jzsef: [1987]: 187-206.
270
Mtys Antal [1973]: 305-310.
161
1
p 1
1
p 1
=
o
o =
+

2 1 1
2 1 1
d(x / x ) ds
:
x / x s
o =

1
1 2
dy dy
s :
dx dx
=
Ahol:
h>0; 0<
2
A <1; p 1 > ; o > 0 ,
y = a termels (kibocsts, output),
x
1
=
a munkatnyez (az lmunka-rfordts, input)
271
,
x
2

= az lleszkz-tnyez (a holtmunka-rfordts, input),

v
e
=
a volumenhozadk, azt fejezi ki, hogy hny szzalkkal n a termels (a kibocs-
ts) a termelsi tnyezk (x
1
s

x
2
) egy szzalkos nvekedse mellett.

2
A = az elosztsi paramter, a kt termelsi tnyez rszesedst fejezi ki a termels
[ y] ltrehozsban, ahol az
2
A a holtmunka, mg )
2
(1- A az lmunka rszesedse.
o = a helyettests rugalmassga (a technikai felszereltsg relatv vltozsnak s a
helyettestsi hatrarny relatv vltozsnak a hnyadosa)
s
1
= a helyettestsi hatrarny (hatrrta) a vizsglt termelsi fggvny esetben az
lmunka parcilis derivltjnak s a holtmunka parcilis derivltjnak a hnyadosa.
p = a helyettestsi paramter, amely a helyettestsi rugalmassg (o) transzformci-
ja, ha p=0, akkor o=1, ez a Cobb-Douglas fggvny esete, ha: -1<p<0, akkor o>1, v-
gl ha 0<p< , akkor o<1.
h = a semleges hatkonysgi paramter, amelynek vltozsa meghatrozott rfordt-
sok esetn azonos arnyban vltoztatja a termelst.

Ha ismernnk az
2
A s a p rtkt, akkor egy hromvltozs lineris modellre vezetnnk visz-
sza a CES-fggvnyt s akkor a becsls megoldhat lenne. A CES-fggvny paramterei
ugyanis csak a p s
2
A ismeretben becslhetk meg:
-P -P
v 2 2 2 1
1
ln y ln h e [ ]ln A x (1- A )x u
p

( = + + +
`

)

Legyen:
-P -P
2 2 2 1
1
W [- ]ln A x (1-A )x
p
( = +


A
2
s p ismeretben a kt hinyz (lnh illetve h s e
v
) paramter becslhet:
W u +
v
lny = lnh +e

A CES becslsnek hrom mdszere ismert.

1. Mdszer CES1.xls

Keress gombra kattintva az Opt W vektorban megkeresi azt a helyettests rugalmassg, il-
letve az ebbl szmtott helyettestsi paramter rtket s az elosztsi paramtereket, A
2
il-
letve az ebbl szmtott A
1
rtket, amelyek esetben az illeszts a legjobb, teht a tbbszrs

271
A munkatnyezt a nemzetkzi irodalomban ltalban L-vel, (Labor, munkaer) a holtmunka t-
nyezt K-val (Capital assets, lltke) jellik. A feladatot regresszis modellknt rtelmezzk, ezrt a
megfigyelt magyarzvltozkat x
i
-vel jelljk, az lmunka indexe 1, a holtmunk 2.
162
determincis egytthat (R
2
) a legnagyobb. Ha A
2
s p ismert, amit az Excel parancsfjl
kiszmt az elzekben lert mdon a hinyz lnh s e
v
paramterek az albbi regresszis
fggvnnyel becslhetk:
W u
v
lny = lnh +e +
Az optimlis regresszit, teht ahol az adott
2
A s p rtkek mellett az
2
R a legnagyobb, el-
fogadva a CES-fggvny paramtereit a logaritmizlt egyenletbl (lny
becs
) megkapjuk.
-P -P
v 2 2 2 1
1
ln y ln h e [ ]ln A x (1- A )x u
p

( = + + +
`

)

lnh
h e = transzformcival az eredeti fggvny (y
becs
) felrhat, mert p,
2
A s
v
e paramterek
ismertek.
Az bra munkalapon az eredeti s a becslt (CES) adatok brjt is meg lehet tekinteni.
A feldolgozhat legnagyobb adatllomny esetben a megfigyelsek szma 500.

2 Mdszer CES2.xls

A CES fggvny kidolgozi, abbl indultak ki, hogy a munka tlagos termelkenysge s a
munkabr kztti empirikus sszefggs magban foglal egy hatvnykitevs regresszis
fggvnyt. Az albbi sszefggsbl kiindulva, mindkt oldalt logaritmizlva, a munkabr
(v) kitevjt c-vel jellve, a kvetkez segd fggvnyhez jutottak.
u c
1
1
1
1
y
e b v
x
y
ln lnb cln v u
x
=
= + +

Ahol:
v = az egysgnyi munkaer-tnyez ra (pl. az sszes munkabr [vagy brkltsg, vagy rel-
br stb.] osztva a figyelembe vett munkatnyez [x
1
] mennyisgvel)
A fenti sszefggsekben a b
1
s c paramterek, a legkisebb ngyzetek mdszervel, az
ln[y/x
1
] s lnv idsorbl meghatrozhatk. Bizonytottk, hogy c lland volumenhozadk
(e
v
) esetn a helyettestsi rugalmassggal o egyenl. A fenti sszefggsekben lthat, hogy
a munkabr kitevje (c) azt fejezi ki, hogy a munkabr (v) 1 szzalkos nvekedsvel a ter-
melkenysg c %-kal vltozik. A c=o sszefggst felhasznlva a helyettestsi paramter (p)
is meghatrozhat. Az egyenlet becslst gy vgezhetjk el, hogy az A
2
rtkt vltoztatjuk,
s azt a vltozatot fogadjuk el, ahol az R
2
a legnagyobb s a regresszis modell, az elmleti fel-
tteleknek eleget tesz. A p teht ismert, gy az
2
A rtkt kell vltoztatni a 0 s 1 interval-
lumban, s mindegyik A
2
rtk esetben meg kell hatrozni a tbbszrs determincis
egytthat (R
2
) rtkt, felhasznlva az albbi, korbban mr megismert determincis
egytthat (R
2
) rtkt, felhasznlva az albbi, korbban mr megismert sszefggseket.
Amelyik A
2
rtknl a legnagyobb a tbbszrs determincis egytthat rtke (R
2
), azt a
fggvnyt fogadjuk el. A szmts teht hasonlt az 1. mdszerhez, a klnbsg az, hogy csak
az
2
A rtkt vltoztatjuk, a p viszont mr ismert. Az adatllomny viszont bonyolultabb,
szksg van a munkaer rra is, hogy a p rtkt megbecsljk.
u
e (

v
e
-
-P -P
P
2 2 2 1
y = h A x +(1- A )x
-P -P
v 2 2 2 1
1
lny lnh e [ ]ln A x (1- A )x u
p

( = + + +
`

)

A p ismeretben a hinyz az A
2
vltoztatsval paramterek megbecslhetk. A ces2.xls fjl
kzli az A
2
= 0,1: A
2
= 0,2: A
2
= 0,3: A
2
= 0,4: A
2
= 0,5: A
2
= 0,6: A
2
= 0,7: A
2
= 0,8: A
2

=0,9: s az optimlis A
2
(az A
2
brmilyen rtket felvehet 0 s 1 kztt, s ahol az R
2
a leg-
nagyobb) esetben a kvetkez mutatkat: R
2
, lnh, h, e
v
.
A W a megadott A
2
(A
2
= 0,1: A
2
= 0,2: A
2
= 0,3:. =0,9: s az optimlis) rtkek szerint
vltozik:
163
-P -P
2 2 2 1
1
W [ ]ln A x (1-A )x
p
( = +


A megadott A
2
felhasznlsval a hinyz paramterek a mr ismert regresszis fggvnnyel
becslhetk.
v
lny lnh e W u = + +
A program kzli az A
2
megadott rtkei (A
2
= 0,1: A
2
=0,9:) kzl a legjobb becslst (ahol
az R
2
a legnagyobb) ad CES fggvny logaritmizlt (lny_becs) s transzformlt, eredeti
(y_becs) rtkeit, az eredeti adatok s a CES-fggvny alapjn szmtott reziduum ngyzet
rtkeket. A K oszlopban elszr a CES paramtereket sorolja fel.
A program kzli az A
2
optimlis rtkt is, (ahol az R
2
a legnagyobb) s ezt *-gal jelli, CES
fggvny logaritmizlt (lny_becs*) s transzformlt, eredeti (y_becs*) rtkeit, az eredeti
adatok s a CES-fggvny alapjn szmtott REZIDUUM NGYZET* rtkeket. A K osz-
lopban a CES paramtereket * megjellssel msodikknt sorolja fel.
A feldolgozhat legnagyobb adatllomny esetben a megfigyelsek szma 500, ezrt a sz-
mtott paramterek egy rsze az 501. sorban tallhat.
Az bra munkalapon az eredeti, s a becslt (CES) adatok brjt is meg lehet tekinteni.

3 Mdszer CES3.xls

A mdszer alkalmazshoz szksg van a munkaer (v) s az lleszkz (r) rra is. Feltte-
lezzk, hogy a CES fggvny folytonos s ltezik az elsrend s msodrend parcilis deri-
vltja. Az elsrend parcilis derivlt [a hatrtermelkenysg] pozitv, ami azt jelenti, hogy a
megfelel termelsi tnyez nvelsvel a termels is n. Ez a felttel a termelsi fggvny
nvekv jellegre utal. A parcilis derivltakat meghatrozva, bizonythat, hogy a CES ter-
melsi fggvnynl, az lmunka s a holtmunka hatrtermelkenysgnek hnyadosa, a he-
lyettestsi hatrarny s
1
:
p 1
2 2
1
2 1
1 A x v
s
r A x
+
| |
= =
|
\ .

A helyettestsi hatrarny nyeresg maximum esetn a tnyezvltozk rnak arnyval
v/r egyenl.
Ahol a mg nem ismert jells:
r = az egysgnyi lleszkz-tnyez ra, ami pl. az lleszkz llomny megtrlsi rtja,
annak a kamatlbnak a meghatrozsra szolgl, amely egyszeri megtrlst biztost az let-
tartamon bell, ez a bels kamatlb. A bels kamatlb megmutatja, hogy mekkora az a
kalkulatv kamatlb, amely mellett a beruhzs egyszeri s a mkds folyamatos kltsgei a
bevtelekbl ppen egyszer trlnek meg az lettartam alatt. Helyettesthetjk a bels kamat-
lbat az eszkzhatkonysg vagy a kibocsts (termels) nvekedsi temvel, vagy az ll-
eszkzk nett rtkre jut amortizcival, vagy az lleszkzk nett rtkre jut amorti-
zcinak az egyb tiszta jvedelmi elemekkel nvelt tmegvel.
E felttelek mellett a CES termelsi fggvnyre a kvetkez segd fggvnyt rhatjuk fel. A
fenti egyenletet logaritmizlva:

( )
2 2
2 1
1 A x v
ln ln p 1 ln
r A x
| |
= + +
|
\ .

az A
2
s a p meghatrozhat.

Legyen:
2
0
2
1 A
e ln
A

=
1
e p 1 = +
Ekkor:
164
0
2 e
1
A
1
=
+ e

1
p e 1 =

Az A
2
s p ismeretben a CES fggvny becslhet.
Lthat, hogy a becslshez szksg van a munkaer s az lleszkz r adatokra is.
-P -P
v 2 2 2 1
1
lny lnh e [ ]ln A x (1- A )x u
p

( = + + +
`

)

-P -P
2 2 2 1
1
W [ ]ln A x (1-A )x
p
( = +


W u +
v
lny = lnh +e
lnh
h e = transzformcival az eredeti fggvny felrhat, mert p s
2
A az els segdfgg-
vnybl, mg
v
e a fenti, logaritmizlt CES regresszis fggvny becslsbl meghatrozha-
tk:
(

v
e
-
-P -P
P
2 2 2 1
y = h A x +(1- A )x
A program automatikusan minden paramtert kiszmt a fenti egyenletek felhasznlsval.
A feldolgozhat legnagyobb adatllomny esetben a megfigyelsek szma 500.
Az bra munkalapon az eredeti s a becslt (CES) adatok brjt is meg lehet tekinteni.
Gyakorl feladatok CES1.xls, CES2.xls s CES3.xls*

A cipgyr adatai felhasznlsval vgezze el a CES fggvny becslst a 3 mdszerrel. Az
lleszkz ra sort az eszkzhatkonysggal becslje. Vgezze el a CES fggvnyek, mint
regresszis fggvnyek tesztelst, felhasznlva az Excel Adatelemzs-Regresszi program-
jt. (elsrend autokorrelci, homoszkedaszticits Gleiser prba)
4.9 Logisztikus regresszis fggvnyek*

A logisztikus regresszis fggvnyek kezdetben konvex, ksbb konkv fggvnygrbt r-
nak le. A kvetkezkben a logisztikus, s az ltalnostott Richards-fle regresszis-
fggvnyeket mutatjuk be. A becsls hasonl a trendfggvnyeknl bemutatott eljrssal,
csak itt a magyarz vltoz (x) tetszleges rtket vehet fel, mg a trendbecslsnl az
x=t=1,2,n. A fggvnyek tulajdonsgai is azonosak, csak a t vltoz helyett az x kereszt-
metszeti adatokbl ll magyarz vltoz nvekv sorrendbe rendezett rtkeit hasznljuk a
becslseknl. Ezrt a tulajdonsgok ismertetstl itt eltekintnk, azok azonosak a trendfgg-
vnyeknl lertakkal. A fjlban a cellk sznezse jelentsggel br: a halvnysrga cellk sza-
badon vltoztathatk, a zld cellk az egyes paramterek javasolt kezdeti rtkeit adjk meg,
mg a fehr cellk szmtsi (rsz)eredmnyeket tartalmaznak. A sznezs alapjn lthat,
hogy a fjl maximlisan 1000 hosszsg idsor feldolgozsra kpes. Az indul paramterek
termszetesen nem minden esetben adnak tkletes javaslatot, gy lehetsg van a paramte-
rek kzi vezrlsre is. Valamennyi munkalap tartalmaz olyan parancsgombokat, melyek a
paramterek finomhangolst vgzik el (Opt. mind). A parancsgombok az Excel beptett
Solver funkcijt hvjk meg, a clfggvny pedig az
2
R maximalizlsa az egyes paramte-
rek iteratv vltoztatsval. Lehetsg van arra is, hogy a Solver a (kzzel, szakrti becsls
alapjn belltott) teltdsi paramter rtkn ne vltoztasson, ekkor csupn a tbbi param-
ter nagysgt fogja a program meghatrozni (Opt. K nlkl). Az Excel beptett Solver csomag-
ja nem kpes minden esetben globlis optimumot tallni, gy rdemes az illesztst tbb k-
lnbz, kzzel belltott indulrtkkel elvgezni. A Solver ebben az esetben a tlsgosan
nagy paramtert nem mozdtja el kezdeti rtkrl. A megolds az eredeti adatsor dimenzi-
jnak vltoztatsa (pl. 1000-rel val oszts). A fjl
165
( )
( )
2
t t
2 t
2
t t
t
y y
SSE
R 1 1
SST
y y

= =

mdon szmt, ahol SSE (Sum of Squared Errors) a reziduumok ngyzetsszege; SST (Sum
of Squares Total) a teljes eltrs ngyzetsszeg.

A PearlReed-fle logisztikus regresszis fggvny

A fggvnyt ler formula:
-cx
K
y
1 be
=
+
,
ahol:
y az eredmnyvltoz becslt rtke
x magyarz vltoz
rezidulis vltoz
K a teltettsgi szint, ha K 0 > ;
b a helyzetparamter, ha b 0 > ;
c nvekedsi sebessget jellemz paramter, ha c 0 > logisztikus nvekedsrl, ha
c 0 < , akkor logisztikus cskkensrl van sz.
w
lnb
=
t
c
K
2
K
K
1+b
x
y
-cx
K
y
1 be
=
+

4-8. bra: A Pearl-Reed-fle logisztikus regresszis fggvny

Az ltalnostott Richards-fle logisztikus regresszis fggvny

( )
( )
( )
1/ v
c x m
K A
y A
1 ve

= +
+

Ahol
y az eredmnyvltoz becslt rtke
x magyarz vltoz
rezidulis vltoz
v szablyozza az inflexis pontban felvett fggvnyrtket, v 0 > ;
c nvekedsi sebessget jellemz paramter, c>0;
m az inflexis pont, m>0.
166
w
t m =
A
K
( )
( )
1/

1

= +
+
w
t
v
K A
y A
v
( )
( )
0 1/

= +
+
v
cm
K A
y A
ve
x
y
( )
( )
( )
1/ v
c x m
K A
y A
1 ve

= +
+

4-9. bra: Az ltalnostott Richards-fle regresszis fggvny

A tbbszrs determincis egytthat segtsgvel ellenrizhetjk a modell egszt 5 %-os
szignifikancia szinten a 4.1 pontban bemutatott mdon, gy ennek ismertetstl itt eltekin-
tnk. A p rtk zld rtke jelzi, hogy a modell ltezik, a piros szm pedig a nullhipotzis el-
fogadst vagyis a modell elvetst jelenti.
A homoszkedaszticits tesztelst a Glejser-prba alkalmazsval vgzi el a program, a ko-
rbban bemutatott mdon. A p-rtk zld rtke jelzi, hogy homoszkedasztikus a modell, a
piros szm pedig a heteroszkedaszticits jelenltre utal.
4.10 A sztochasztikus kapcsolat elemzse, az asszocicis egytthatk Excel parancsfjl
mkdse

A sztochasztikus kapcsolatok tpusai (az ismrvek tpusa szerint):
- Asszocici: a minsgi (vagy terleti) ismrvek kztti kapcsolat
- Vegyes kapcsolat: az ok szerept minsgi (terleti) az okozat szerept mennyisgi is-
mrv tlti be
- Korrelci: a mennyisgi ismrvek kztti sztochasztikus kapcsolat

A sztochasztikus kapcsolatok tpusai (a vltozk szma szerint):
- ktvltozs kapcsolat
- tbbvltozs (hrom-, ngy-, stb.) kapcsolat

A minsgi (terleti) ismrvek kztti sztochasztikus kapcsolatot asszocicinak nevezzk.
Ilyen pldul a nemhez val tartozs s a beoszts, az iskolai vgzettsg, vagy a szakkpzett-
sg s az alkalmazs minsge kztt lv sszefggs.
Az asszocici statisztikai elemzsnek mdszerei:
- a kombincis (kontingencia) tbla elemzse viszonyszmokkal,
- kapcsolat-szorossgi mrszmok szmtsa.

A ktvltozs asszocici vizsglatakor a sokasg egysgeit egyidejleg, a kt ismrv szerint
kombinlt mdon csoportostjuk. A kombinlt csoportosts eredmnye egy ktdimenzis
kontingencia tblba foglalhat. Nevezzk a vizsglatban szerepl kt ismrvet A-nak s
B-nek. Rendelkezzen az A ismrv s , a B ismrv o ismrvvltozattal. Brmely egyed
egyidejleg mindkt ismrv egy-egy konkrt vltozatval jellemezhet, vagyis valamely meg-
figyelsnk ltalnossgban az ( ) a, b ismrvvltozat-prral rhat le
( ) a=1,2, ,s ; b=1,2, ,o .
167


4-4. tbla: A ktdimenzis kontingencia tbla ltalnos smja
B ismrv vltozatai A ismrv
vltozatai:
f
ab
1
B

b
B

0
B
sszesen
1
A
11
f

1b
f

1o
f
1
S
2
A
21
f

2b
f

2o
f
2
S

a
A
a1
f

ab
f

ao
f
a
S

s
A
s1
f

sb
f

so
f
s
S
sszesen
1
O

b
O

o
O
n
Ahol:
n az sszes elemszm,

ab
f az A ismrv a-dik s a B ismrv b-edik vltozathoz rendelt gyakorisga,

a
S az a-dik sor (az A ismrv els vltozathoz tartoz) gyakorisgnak sszege,

b
O az b-dik oszlop (a B ismrv els vltozathoz tartoz) gyakorisgnak sszege.
Belthat az albbi sszefggs:
s o
ab 1 2 s 1 2 o
a 1 b 1
f S S S O O O n
= =
= + + + = + + + =

A sorok s oszlopok sszegeit peremgyakorisgoknak is hvjk. A tbla belsejben a ktsze-
res csoportosts eredmnyeknt keletkezett gyakorisgok, a tbla szlein kln-kln, az
egyik, illetve a msik ismrv szerinti csoportostssal nyert gyakorisgok tallhatk, mg a
tbla utols rovatban a gyakorisgok sszege szerepel, mely a sokasg elemszmt mutatja.
Az adatokat az f
ab
srga mezbe lehet berni, a maximlis mret s=15 s o=15, teht 15x15
mtrix, amelyik lehet nem szimmetrikus is. Az sszesen rtkeket (S
a
s O
b
s n) a program
kiszmtja.
A kvetkez kt tbla amit a program kiszmt, a fggetlensg esetre felttelezett gyakoris-
gok (
ab
f
-
) tblja, majd a
2
_ -rtkek szmtsi tblja. Ehhez a kvetkez lpsekben jutunk
el.

A fenti kontingencia tbla belsejben lv gyakorisgok elhelyezkedse mr szolgltat bizo-
nyos informcikat a sztochasztikus kapcsolat megltrl. Megllapthat ugyanis, hogy a kt
ismrv mely vltozatai jrnak gyakrabban egytt (vonzzk egymst), s melyek fordulnak
el ritkbban (tasztjk egymst).

Ugyanez mg jobban ltszik, ha a tbla gyakorisgaibl megoszlsi viszonyszmokat szm-
tunk.
168


4-5. tbla: Megoszlsi viszonyszmokat tartalmaz ktdimenzis kontingencia tbla s-
mja
B ismrv vltozatai A is-
mrv
vltozatai
1
B

b
B

0
B
sszesen
1
A
11
p

1b
p

1o
p
1
/ S n
2
A
21
p

2b
p

2o
p
2
/ S n

a
A
1 a
p

ab
p

ao
p /
a
S n

s
A
1 s
p

sb
p

so
p /
s
S n
sszesen
1
/ O n

/
b
O n

/
o
O n 1

Egy ktdimenzis kombincis tbla gyakorisgaibl msmilyen, n. feltteles megoszlsi vi-
szonyszmokat is szmolhatunk.
169

4-6. tbla: Feltteles megoszlsi viszonyszmok (oszlop szerint)
B ismrv vltozatai A is-
mrv
vltozatai
1
B

b
B

0
B
sszesen
1
A
11 1
/ f O

1
/
b b
f O

1
/
o o
f O
1
/ S n
2
A
21 1
/ f O

2
/
b b
f O

2
/
o o
f O
2
/ S n

a
A
1 1
/
a
f O

/
ab b
f O

/
ao o
f O /
a
S n

s
A
1 1
/
s
f O

/
sb b
f O

/
so o
f O /
s
S n
sszesen 1 1 1 1
Feltteles megoszlsi viszonyszmok (sor szerint)
B ismrv vltozatai A is-
mrv
vltozatai 1
B

b
B

0
B
sszesen
1
A
11 1
/ f S

1 1
/
b
f S

1 1
/
o
f S 1
2
A
21 2
/ f S

2 2
/
b
f S

2 2
/
o
f S 1

a
A
1
/
a a
f S

/
ab a
f S

/
ao a
f S 1

s
A
1
/
s s
f S

/
sb s
f S

/
so s
f S 1
sszesen
1
/ O n

/
b
O n

/
o
O n 1

A fenti viszonyszmok segtsgvel mr jellemezhetek az ismrvek kztt kapcsolatok.
Amennyiben a megoszlsi viszonyszmok homognek, egyenletes eloszlsak, vagy a feltte-
les megoszlsi viszonyszmok soronknt, illetve oszloponknt azonosak, akkor nincs szmot-
tev kapcsolat az ismrvek kztt. A sztochasztikus kapcsolat vizsglathoz a legclraveze-
tbb az, ha a felttelezsnk szerint ok szerept jtsz ismrv szerinti csoportokban az
okozat szerinti megoszlst vizsgljuk. Ha az oknak tekinthet ismrv vltozatait a tbla oldal-
rovatban, az okozatnak tekinthett a fejrovatban helyezzk el, akkor a tbla sorai fogjk
mutatni az ok szerinti csoportokban, az okozat szerinti megoszlst.
A sztochasztikus kapcsolatot a tbla utols, sszesen sorban, illetve a felette lv sorokban
szerepl megoszlsok sszehasonltsval mutathatjuk ki. Ha az ok szerinti csoportokban (a
tbla soraiban) szmtott megoszlsok klnbznek egymstl, s ilyenkor termszetesen az
egsz sokasgra jellemz (az sszesen sorban szerepl) megoszlstl, akkor megllapthat a
sztochasztikus kapcsolat meglte. Ha a tbla minden sorban (s gy az sszesen sorban is)
170
ugyanolyan lenne a megoszls, az a kt ismrv fggetlensgt jelezn. Ha a tblnak csak
egyik tljban tallnnk nulltl klnbz gyakorisgot, s gy minden sorban csak egy, 1
rtk, illetve 100% -os megoszlsi viszonyszmot, akkor a kt ismrv fggvnyszer kapcso-
latban lenne. Termszetesen ez csak olyan tblval reprezentlt sszefggsek esetn lehets-
ges, amikor a kt ismrv vltozatainak a szma megegyezik, azaz kvadratikus a tbla (pldul
22-es, 33-as).
Termszetesen az elsknt bemutatott tbla logikjnak megfelelve is elemezhetjk a szto-
chasztikus kapcsolat megltt. A megoszlsi viszonyszmok segtsgvel tulajdonkppen az
albbi azonossgokat vizsgljuk:
ab a
b
f S
O n
=
Illetve
ab b
a
f O
S n
=
Amennyiben a fenti sszefggsek teljeslnek, a kt ismrv fggetlennek tekinthet. Ezzel el-
jutottunk tulajdonkppen az asszocicis kapcsolat mrsnek alapgondolathoz. A valsz-
nsg-elmletbl ismeretes az a megfogalmazs, amely szerint a fggetlensg felttele, hogy
a feltteles valsznsg legyen egyenl a felttel nlkli valsznsggel. Mindezt reprezen-
tljk a fenti azonossgok. Az ismrvek fggetlensgt megkzelthetjk abbl a kzismert
valsznsgelmleti sszefggsbl is, amely szerint kt esemny fggetlen, ha egyttes be-
kvetkezsi valsznsgk megegyezik a kt esemny valsznsgnek szorzatval:
( ) ( ) ( ) P A B P A P B =
Mindez empirikus statisztikai jellsekkel is lerhat:
ab b a
f O S
n n n
=
A tovbbiakban azt a gyakorisgot keressk, amely a fenti feltteleknek megfelel. Jelljk
*
ab
f -gal a fggetlensg esetn felttelezett gyakorisgot. A fenti sszefggsbl kiindulva az
ismrvek fggetlensgnek esetre felttelezett gyakorisgokat szmthatjuk ki az albbi m-
don:
* (o) (s) b a b a
ab b a
O S O S
f n n P P
n n n
= = =
ahol:
(o) (s) b a
b a
O S
P s P
n n
= =
a kt ismrv szerint kln-kln szmtott (a tbla peremn szerepl) megoszlsi viszony-
szmok. A felttelezett gyakorisgok szmtsa teht azt jelenti, hogy a sokasgot a peremel-
oszlsok alapjn osztjuk szt. Ha a tblt a felttelezett gyakorisgokkal tltjk ki, minden sor
megoszlsa ugyanolyan lesz, ami megfelel a kt ismrv fggetlensgnek. A sztochasztikus
kapcsolat ltezst jelzi teht az, ha a tnylegesen megfigyelt s a fggetlensg esetre feltte-
lezett gyakorisgok nem egyeznek meg. sszehasonltsukat a ngyzetes kontingencia muta-
tjval az n.
2
_ -rtkkel vgezhetjk el.
Kplete:
( )
2
*
s o
ab ab
2
*
a 1 b 1
ab
f f
f
= =

_ =

Ha a tnyleges s a felttelezett gyakorisgok megegyeznek, azaz az ismrvek fggetlensge
esetn,
2
0 _ = .
A
2
_ -rtket felhasznlva a kapcsolat szorossga a Cramer-fle asszocicis egytthatval
mrhet. Kplete:
| |
2
C
n min s 1, o 1
_
=


171

A Cramer-egytthat rtke 0, ha a kt ismrv fggetlen egymstl, s 1 rtket vesz fel, ha
fggvnyszer a kapcsolat. Az egytthat 0 s 1 kztti rtkeit hagyomnyosan hrom rszre
osztjuk: gyenge, kzepes s szoros kapcsolatot mutat tartomnyra. (ltalban a 0,3 s 0,7
kztti rtket tekintjk kzepes rtknek, m meg kell jegyeznnk, hogy a feloszts inkbb
csak tjkoztat jelleg, a mrszm megtlse fgg pl. a sokasg nagysgtl, vagy a tbla
mrettl is.) Az egytthat eljele (hiszen gykvonssal keletkezett) mindig pozitv, trgyi
rtelme nincs.
A msik hasonl asszocicis mutatszm a Csuprovegytthat:
( )( )
2
Csuprov-egytthat=
n s 1 o 1
_


rtelmezse azonos a Cramer-egytthatval.

A bemutat plda:
A szakmunkskpzt s szakiskolt, illetve kzpiskolt vgzett magyarorszgi foglalkozta-
tottak megoszlsa nemek szerint:

4-7. tbla: A foglalkoztatottak megoszlsa iskolatpus s nemek szerint (ezer f)
Nem
f
ab

Szakmunkskpz
s szakiskola
Kzpiskola sszesen
Frfi 876 561 1 437
N 362 704 1 066
sszesen 1 238 1 265 2 503
Forrs: Magyar Statisztikai vknyv 2000
A tbla adatai alapjn lthat, hogy az iskolatpus s a nemhez val tartozs kztt van
sszefggs, mivel a frfi nemhez val tartozs s a szakmunkskpz s szakiskola
ismrvvltozat, illetve a ni nemhez val tartozs s a kzpiskola ismrvvltozat jr-
nak gyakrabban egytt. Ha kiszmtjuk a nemhez val tartozs (az ok) szerinti csopor-
tokon bell az iskolatpus (az okozat) szerinti megoszlst, akkor a kvetkez tblban
szerepl megoszlsi viszonyszmok megerstik az elz megllaptst.
4-8. tbla: A foglalkoztatottak megoszlsa iskolatpus s nemek szerint (%)
Nem
Szakmunkskpz
s szakiskola
Kzpiskola sszesen
Frfi 61,0 39,0 100,0
N 34,0 66,0 100,0
sszesen 49,5 50,5 100,0
A frfiak s nk csoportjban az iskolatpus szerinti megoszlsi viszonyszmok jelent-
sen klnbznek egymstl s az sszes foglalkoztatottra jellemz megoszlsi viszony-
szmtl. Mg a frfiak 39%-a vgzett kzpiskolt, a nknl ez az arny 66%, az sszes
foglalkoztatottnl pedig, az elbbiek valamilyen kztes rtke, 50,5%. A kapcsolat szo-
rossgnak mrsre a Cramer-egytthatt hasznljuk, ezrt a kvetkez tblban az
ismrvek fggetlensge esetre felttelezett gyakorisgokat szmtjuk ki.

172
4-9. tbla: A fggetlensg esetre felttelezett gyakorisgok,
*
ab
f (ezer f)
Nem
Szakmunkskp-
z s szakiskola
Kzpiskola sszesen
Frfi 711 726 1 437
N 527 539 1 066
ssze-
sen
1 238 1 265 2 503
Pldaknt a szakmunkskpzt s szakiskolt vgzett frfiak felttelezett gyakorisga:
* 1 1
11
O S 1238 1437
f n 2503 711
n n 2503 2503
= = =
Vegyk szre, hogy korbbi megllaptsainkbl kvetkez mdon a peremgyakori-
sgok rtke a tnyleges, illetve fggetlensg esetre felttelezett kontingencia tblban
azonos.
A kvetkez tblban a
2
_ -rtk szmtst kzljk:
4-10. tbla: A
2
_ rtk szmtsa
Megnevezs
ab
f
*
ab
f
( )
*
ab ab
f f
( )
2
*
ab ab
*
ab
f f
f

Frfi-szakm.isk. 876 711 165 38,29
Frfi-kzpisk. 561 726 -165 37,5
N-szakm.isk. 362 527 -165 52,19
N-kzpisk. 704 539 165 51,22
sszesen 2 503 2503 - 179,2
A Cramer-egytthat rtke:
( ) ( )
2
179, 20
C 0, 267 0, 3 ahol: s o 2
n s 1 2503 2 1
_
= = = ~ = =


A szakmunkskpzt s szakiskolt, illetve kzpiskolt vgzett magyarorszgi foglalkoztatot-
tak nemhez val tartozsa s a vgzettsgnek megfelel iskola tpusa kztt kzepesnl gyen-
gbb sztochasztikus kapcsolatot szmszerstettnk.
A Yule-mutat.

Az els ksrletek az asszocicis kapcsolat szorossgnak meghatrozsra abbl az
egyszerstsbl indultak ki, hogy a vizsgland mindkt ismrv alternatv, azaz csak
kt ismrvvltozattal rendelkezik. A vltozk minden esetben alternatvv transzfor-
mlhatk az ltalunk legfontosabbnak tartott ismrvvltozat kivlasztsval s a tbbi
vltozat sszevonsval; m ez lnyeges informcik elvesztshez vezet. (Plda le-
het erre a tantrgyak minstse: az t fokozat skla (jeles, j, kzepes, elgsges,
elgtelen - alternatvv alakthat - megfelelt, nem felelt meg.)
173

4-11. tbla: Alternatv ismrveket tartalmaz kombincis tbla smja
A/B B
1
B
2

A
1
f
11
f
12
S
1.

A
2
f
21
f
22
S
2.

O
.1
O
.2
n
A ktllapot (binris) vltozk kztti kapcsolat elemzse sorn hasznlhat els
mutatszm kidolgozsa G. U. Yule nevhez fzdik. Mivel fggetlensg esetn:
Ha nincs kapcsolat, akkor
,
f
f
f
f
22
21
12
11
=
azaz
f
11
f
22
f
12
f
21
= 0,
ha van kapcsolat, akkor f
11
f
22
f
12
f
21
= 0
A Yule-fle asszocicis egytthat:
11 22 12 21
11 22 12 21
f f f f
Y
f f f f

=
+

Y rtke minl kzelebb van a 0-hoz, a kapcsolat annl lazbb, gyengbb s minl
kzelebb van az 1-hez, annl szorosabb, ersebb. Ha a kapcsolat olyan, hogy az A
1
tu-
lajdonsggal inkbb B
1
tulajdonsg s az A
2
-vel inkbb B
2
jr egytt, az Y rtke "+"
lesz, ellenkez esetben "" lesz.

Fggelk
F.1 Internetes adatbzisok
Az Excel parancsfjlok s a kziknyv letlthet:
http://www.gmi.ktk.pte.hu/index.php?mid=33#SiposB
A Statisztikai Szemlben megjelent tanulmnyok 1923-tl letlthetk:
http://www.ksh.hu/statszemle_archive/
Adatok keresse az interneten:
Nv filetype:xls (vagy doc, ppt, pdf stb.)
Plda: gold production statistics filetype:xls
A ROPStat prbaverzija letlthet: http://www.ropstat.com/
A statisztikai tevkenysg sszefogst s irnytst a legtbb modern llamban egy kln e
clra szervezett hivatal ltja el. Ez Magyarorszgon az 1867 ta mkd Statisztikai Hivatal.
A fontosabb KSH adatok letlthetk a Kzponti Statisztikai Hivatalnak honlapjrl:
http://portal.ksh.hu/
Startlap: http://statisztika.lap.hu/
ECOSTAT Kormnyzati Gazdasg- s Trsadalom-stratgiai Kutat Intzet adat szolgl -
tatsa:
http://www.ecostat.hu/
Magyar Nemzeti Bank (MNB):
http://www.mnb.hu/
- Statisztika:
BUX (A BUDAPESTI RTKTZSDE HIVATALOS INDEXE) (1991. janur 2.=1000)
Magyar tzsdeindexek, Bux s ms indexek:
A jegybanki alapkamat s a monetris politikai eszkzkhz kapcsold kamatlbak idsora
(2002. janur 1-jtl, szzalkpontban)
- Statisztika-statisztikai adatok-idsorok
Fogyaszti rindex
Klkereskedelem
174
Hztartsoknak nyjtott fogyasztsi hitelek
A lakscl hitelek llomnya szektor, lejrat s deviza szerinti bontsban
http://www.bet.hu/
Magyar tzsdeindexek, Bux s ms indexek:
Kereskedsi adatok-statisztikk
Historikus adatok letltse indexek historikus rtkei (visszafel lehet menni az idben, a
napra r kel klikkelni.) stb.
MTA KTI (MTA Kzgazdasgtudomnyi Intzet) adatbankja:
http://adatbank.mtakti.hu
Gazdasgi versenyhivatal:
http://www.gvh.hu:80/gvh/alpha?do=2&st=1&pg=54&m5_doc=5635&m251_act=4
Hazai szakirodalom, keressi lehetsg, ltalban pdf fjlban letlthet
http://www.matarka.hu/

Egyeslt Nemzetek Szervezete Statisztikai Hivatala:
http://unstats.un.org/
Nemzetkzi Valutaalap (The International Monetary Fund; IMF):
http://www.imf.org/
Vilgbank (The World Bank):
http://web.worldbank.org/
Eurpai Uni statisztikai szervezete az EUROSTAT:
http://epp.eurostat.ec. europa.eu/
Demogrfiai adatok, startlap:
http://demografia.lap.hu/
USA Cenzus Hivatal:
http://www.census.gov/
A vilg orszgainak korfa adatai (nemek s kor szerinti, valamint venknti [ltalban 1990-
2050] bontsban) valamint a npessgi mutatk letlthetk:
http://www.census.gov/ipc/www/idb/summaries.html
Az adatok forrsa s letltse.
Az interneten szmos fontos adat megtallhat a korfk elksztsvel kapcsolatban. A vilg
orszgainak (224 orszg s a vilg) korfinak az adatai (korvek, nemek: frfi - n s ssze-
sen bontsban s az vek ltalban 1990-2050 kztt, 2005 utn extrapolci) s adatok for-
rsa:
A vilg npessgre vonatkoz adatok forrsa:
http://www.census.gov/cgi-bin/ipc/idbagg
http://www.census.gov/ipc/www/idb/summaries.html
Country Summary-Vlasszuk ki a vizsglni kvnt orszgot s klikkeljnk a krdv elkld-
sre (go-ra). Dinamikus brzols (Dynamic) mutatja a vltozsokat grafikusan 2050-ig. Az
eredmny tpusa: (Type of output) mutatja a korft, 2000-ben, 2025-ben s 2050-ben, vlasz-
szuk a tbb npessg korfn (More population pyramids) bell az sszegzst (Summary). Az
adatsorok letltshez: vlasszuk a legrdl menben a 094 a npessg szma az v kzepn
kor s nem szerint adatsort (094 Midyear Population by age and sex) s az sszes vet (All
years), utna kvetkezik, krdv elkldse (go) s megkapjuk szvegfjlban az adatokat lta-
lban 1990-tl 2050-ig venknti bontsban korfa s nemek szerint, korfnknt sszestve s
venknt sszestve is. (Egyes esetekben 1990 eltti adatokat is letlthetnk, pl. az USA-nl
1950-tl, Brazlinl 1970-tl, Pakisztnnl 1981-tl, Afganisztnnl 1979-tl, Nigritl
1953-tl tallhatk meg pldul az adatok.) A vilg sszesen adatai az albbi mdn rhetk
el: World population - World population by age and sex-select year (a lehetsgek: 1996-
2050) - submit query. Ahhoz, hogy az USA eredet DOS-os adatfjlokat (a szmoknl min-
den ezer utn vessz van) az Excel kezelni tudja a kvetkez lpseket kell megtenni. Ment-
sk le a fjlt txt szvegfjlknt, gy, hogy jelljk ki az sszes adatot (CTRL A) s utna:
Szerkeszts - Az sszes kijellse - Msol) s msoljuk be a jegyzettmbbe (notepad-ba)
mentsk le text fjknt, a kiterjeszts txt. A Vezrlpult-Dtum-id-nyelvi s terleti bellt-
sok-on bell a szmok, dtumok s az id formtumnak mdostsnl a magyart vltoztas-
175
suk angolra (egyeslt llamokbelire). Ezt kveten a lementett fjlt nyissuk meg az Excelben:
az Excel felismeri a Fjl tpust: Fix szles s a Fjl eredett: Kzp-eurpai (DOS), vlasszuk
a Tovbb-t s ahol szksges a Trsvonal thelyezsvel jelljk ki a szmoszlopokat, el-
lenrizzk a legrdl sv oldalirny s lefel val mozgatsval azt, hogy a szmoszlopok
kijellse pontos volt-e, ha szksges mosstsunk, majd tovbb. Az oszlop adattpusnl a
korfa beosztsnl vlasszuk a szveget, a tbbinl maradjon az ltalnos adattpus s vlasz-
szuk a befejezst. Ezt kveten a regionlis belltst (angol) vltoztassuk vissza magyarra.
Az adatllomnnyal most mr lehet Excelben dolgozni, le lehet menteni a Microsoft Office
Excel munkafzet formtumban. Angol windows esetn a lpsek: A Control Panelben a
nyelv s regionlis (Regional and Language Options) belltsokat Hungary-rl vltoztassuk
meg English (United States) - re, majd, az excel fjl megnyitsa utn lltsuk vissza Hungary-
ra.
2009 10 24 utn az adatszolgltats egyszerbb vlt: Country ki kell vlasztani az orszgot,
Ctrl lenyomsval az sszes v kivlaszthat, utna Population Pyramids-t vlasztva, mind-
egyik orszgra elkszti a korft s az utols korfa utn az adatok letlthetk Excel/CSV for-
mtumban.
A korfk elmleti krdsei:
http://termtud.akg.hu/okt/10/2/103.htm

A vilg orszgainak klnbz statisztikai adatai:
http://www.nationmaster.com/graph/peo_pop-people-population
Napi s az idei v statisztikinak alakulsa pl.: npessgi adatok folyamatosan: szlets, ha-
llozs, npessg abszolt nvekedse, megtermelt s elfogyasztott energia mennyisg vlto-
zsa folyamatosan, a jelenlegi v adatai: kltsg adatok: oktatsi s fegyverkezsi- kiadsok
milli dollrban, termelsi adatok: aut- s kerkpr- termelse darabban, eladott szmtg-
pek darabszma, megsznt erdterlet nagysga hektrban, egszsggyi statisztikk, stb.
nyomon kvetse:
http://www.worldometers.info/
http://www.peterrussell.com/Odds/WorldClock.php
Regionlis adatok (Regional and Country Links:):
http://www.internetworldstats.com/
Az USA kormnynak hivatalos energiastatisztika szolgltat honlapja: Energy Information
Administration (EIA) a vilg orszgainak energiagazdlkodssal kapcsolatos adatai, idsorok,
stb.:
http://www.eia.doe.gov/
USA hossz idsorok: (Excel fjlok letltsekor a regionlis belltst meg kell vltoztatni:
angol USA utna, ha megnyitottuk az Excel fjlt visszalltani Magyarra):
http://stats.bls.gov/data/home.htm
http://minerals.usgs.gov/minerals/pubs/
http://www.measuringworth.com/
http://www.economagic.com/
Economic Report of the President.
272
Az amerikai elnk rszre ksztett gazdasgi jelents,
vente kszl el, 1959-tl tallhatk meg az idsorok. A gazdasgi jelentsek (az Excel fjlok
s szveges jelentsek pdf formtumban) megtallhatk 1997-tl 2008-ig vente, a gazdasg
minden terletrl:
http://www.gpoaccess.gov/eop/download.html
Az amerikai elnk rszre ksztett gazdasgi jelentsek az 1947-1996 vekben megtallhat:
http://fraser.stlouisfed.org/publications/ERP/
A Dow-Jones index elrhet az albbi internet cmen 1896-tl.
http://djindexes.com/mdsidx/index.cfm?event=showavgIndexData

272
The Economic Report of the President is an annual report written by the Chairman of the Council
of Economic Advisers.
176
A rel GDP 2000-es $-ban, az egy fre jut rel GDP, a npessg, a fogyaszti rindex, (CPI-
index) stb. alakulsrl orszgonknt: 1969-tl 2008-ig s prognzis 2009-tl 2030-ig:
http://www.ers.usda.gov/Data/Macroeconomics/
http://globaledge.msu.edu/resourceDesk/_statisticalDataSources.asp
Az egyes statisztikai fogalmak felfedezirl, az els publikcikrl az albbi internetcmrl
szerezhetnk adatokat:
http://jeff560.tripod.com/mathword.html
HDI-index. Az emberi fejlds indexe (angolul: Human Development Index, rvidtse:
HDI) egy mutatszm, amely a vilg orszgainak sszehasonltst teszi lehetv a vrhat
lettartam, az rstuds, az oktats s az letsznvonal alapjn. ltalnosan elfogadott eszkze
a jlt mrsnek, klnsen a gyermekjltnek. A Human Development Report orszgon-
knti adatai megtallhat az interneten:
http://hdrstats.undp.org/indicators/
http://hdr.undp.org/en/statistics/data/
Nemzetkzi adatbzis, idsorok Excelben
http://www.economicswebinstitute.org
Nemzetkzi szakirodalom, keressi lehetsg, ltalban pdf fjlban letlthet
http://www.oxfordjournals.org/
Gujarati Damodar N. [2003]: Basic econometrics. McGraw-Hill Higher Education.
http://highered.mcgraw-hill.com/sites/0072335424/
USA elnknek a blogja: Economic statistics briefing room
http://www.whitehouse.gov/fsbr/esbr.htm
Federal Reserve System
http://www.federalreserve.gov/
The Institute For International Economics. A private research institution devoted to the study
of international economic issues .
http://www.iie.com/
Penn World Table 6.2 (188 countries, 1950-2004, 2000 as base year)
http://datacentre.chass.utoronto.ca/pwt/
World Development Indicators.
http://www.helsinki.fi/WebEc/WebEc.html
BEA. Bureau of Economic Analysis. International Economic Accounts. International
Accounts Data, Comprehensive international accounts data from the Survey of Current Busi-
ness.
http://www.bea.gov/international/index.htm#bop
Szmos adatszolgltat elrhet:
http://personal.ashland.edu/jgarcia/links.htm
F.2 A matrix.xls parancsfjl mkdse

A szmtsok cljra felhasznlt mtrix (nxn) minimum 2x2 maximum 15x15 kvadratikus
(ngyzetes) mtrix. A mtrix jellse esetnkben: X=[x
ij
]. A kvadratikus (ngyzetes) mtrix
esetben a mtrix n sorbl s n oszlopbl ll, ahol az n a mtrix rendje. A mtrix.xls fjl a
kvetkez szmtsokat vgzi el a mtrix munkalapon:
Inverz mtrix (X
-1
)
Transzponlt mtrix (X) s az Inverz mtrix (X
-1
) szorzata egyenl az egysg mtrixszal
(E), X X
-1
=E, ami a szmtsok ellenrzsre szolgl.
A mtrix megfelel sorainak s oszlopainak felcserlsvel keletkezett mtrixot nevezzk
egy mtrix transzponltjnak, jellse ltalban: X, X
T
, X*.
Kt mtrix szorzata akkor rtelmezhet, ha az els tnyeznek annyi oszlopa van ahny sora
a msodiknak. Ekkor a szorzat mtrix i-dik sor j-edik elemt gy kapjuk meg, hogy az els
tnyez i sornak s a msodik tnyez j oszlopnak megfelel elemeit sszeszorozzuk s az
rtkeket sszeadjuk.
Az inverz mtrix (X
-1
): egy X=[x
ij
]. ngyzetes mtrix inverze az a X
-1
= [x
-1
ij
] mtrix amelyre
XX
-1
= X
-1
X = E.
177
Egysgmtrix (E): egy ngyzetes mtrix egysgmtrix ha a ftljban csak 1, ms helyeken
a 0 szm tallhat.
A kvadratikus mtrix rangjt definilhatjuk gy, mint az X mtrix linerisan fggetlen oszlo-
painak maximlis szmt. Igazolhat, hogy ez egy jl definilt termszetes szm s meg-
egyezik a mtrix linerisan fggetlen sorainak maximlis szmval (a sorrang teht egyenl
az oszlopranggal). A lineris algebrban vektorok egy halmazt linerisan fggetlennek ne-
vezzk, ha egyikk sem fejezhet ki a tbbi vektor lineris kombincijaknt. Ellenkez
esetben linerisan sszefgg vektorokrl beszlnk. Ha egy kvadratikus mtrix rendje s
rangja azonos, a mtrix nem szingulris, ebben az esetben van inverze. Ha egy kvadratikus
mtrix rangja kisebb a rendjnl a mtrix szingulris, s nincs inverze.
A kvadratikus mtrixokhoz egy olyan skalrt (szmot) rendelnk, amelynek az rtke fgg a
mtrix elemeinek nagysgtl. Ezt a skalrt az adott mtrix determinnsnak nevezzk s az
X mtrix esetben a |X| szimblummal jelljk. Ha egy kvadratikus mtrix oszlopai (sorai)
linerisan fggetlenek, a mtrix nem szingulris (rang=rend) s ebben az esetben a mtrix de-
terminnsa klnbzik nulltl. Ha egy kvadratikus mtrix oszlopai (sorai) linerisan nem
fggetlenek, a mtrix szingulris (rang <rend), akkor a mtrix determinnsa nulla.
A program kzli a mtrix sajtrtkeit (a sajtrtkek szorzata a determinnssal egyenl) s a
sajt vektorokat.
Az ltalnos sajtrtk problma:
Legyen az A s B kt kvadratikus (n,n) tpus mtrix. A feladat, a szmok s az x 0 = hoz-
ztartoz vektorok meghatrozsa.
Ax Bx =
Fejezi ki, az ltalnos sajtrtk problmt. A szmot sajtrtknek, az x vektort sajt vek-
tornak nevezzk.
A B=E specilis eset, ahol E egy n-ed rend egysgmtrix, azaz:
Ax x
(A E)x 0
=
=

Legyen A=XX
Az albbi sajtrtk feladat Excelben megoldhat:
(X' X)x x
[(X' X) E]x 0
=
=

A magyarz vltozk korrelcis mtrixnak a determinnsa egyenl a sajtrtkek szorza-
tval.
k 1 2 k
.... = R
Az Xmtrix munkalapon a mtrix 2000x15 (n=2000, x=15) tpus lehet. Az adatok trlse
utn bemsolhat az X mtrix. Az Xmtrix standardizls munkalapon a kvetkez transz-
formcit vgzi el a program:
A magyarz vltozkat (i=1,22000: j=1,215) standardizljuk az albbi mdn:
ji j
ji
j
x x
x
n

=
o

Az Xmtrix mveletek munkalapon kzljk az XX mtrixot s annak inverzt (XX)
-1
. Az
XX mtrix a tnyezvltozk korrelcis mtrixt adja. Az inverz mtrix diagonlis elemei
pedig a VIF
j
mutatkat adjk.
Ebben az esetben:
' XX = R
A standardizlt magyarzvltozk esetn
-1 -1
jj jj j
VIF ' (XX) = R =

Teht az ismertetett mdn standardizlt magyarz vltozk XX mtrixa egyenl a magya-
rz vltozk korrelcis mtrixval, ugyanis az x
i
s x
j
vltozk kztti korrelcis egytt-
hat:
178
( )( )
i j
ij
j i
x x x x
r
n

=
o o

F3 Tudomnytrtneti sszefoglal
273

274

275


A matematikai statisztika (mathematical statistics) fogalma elsszr a kvetkez publikci-
kban jelent meg:
Nmet nyelven 1867-ben tallhat meg elszr a matematikai statisztika (mathematische
statistik) kifejezs: T. Wittstein [1867]: Mathematische Statistik und deren Anwendung auf
National-Oekonomie und Versicherungs-Wissenschaft Forrs: (David, H. A. [1995]:"First
(?) Occurrence of Common Terms in Mathematical Statistics," The American Statistician
49:2, May.) Angol nyelven a matematikai statisztika (mathematical statistics) fogalma elszr
1918-ban fordult el: a kvetkez knyvben: C. J. West [1918]: Introduction to Mathemati-
cal Statistics Forrs: (David, H. A. [1998]: "First (?) Occurrence of Common Terms in Prob-
ability and Statistics -- A Second List, with Corrections," The American Statistician 52:1,
February).
Statisztikai sokasg (population) s minta (sample) elszr Francis Galton and W. F. R.
Weldon munkjban 1877-ben jelent meg. Francis Galton and W. F. R. Weldon [1877]:
"Typical laws of heredity," Nature, 15,, April 19th, p. 532.
Galton (1822-1911)
276


Maximum s minimum kifejezsek, mint rtkek sszehasonltsa elszr 1743-ban tall-
hatk meg: W. Emerson, [1743]: Doctrine of Fluxions c. munkjban.

Mdusz (mode) fogalmt Karl Pearson (1857-1936) angol kutat vezette be 1895-ben. Karl
Pearson [1895]: "Contributions to the Mathematical Theory of Evolution. II. Skew Variation
in Homogeneous Material," Philosophical Transactions of the Royal Society of London, Ser.
A, 186, 343-414.
Grbe illesztse (curve fitting) Karl Pearson emlti elszr [1902]: On the Mathematical
Theory of Errors of Judgment, with Special Reference to the Personal Equation.
Philosophical Transactions of the Royal Society of London. Series A, 198, 235-299.
Karl Pearson [1902]: On the Systematic Fitting of Curves to Observations and Measurements.
Biometrika, 1, 265-303.

Karl Pearson fiatalkori kpe
277


273
Forrs: http://members.aol.com/jeff570/mathword.html (2008. februr 7.) Earliest Known Uses of
Some of the Words of Mathematics. Azokban az esetekben amikor ms internetes forrsokat hasznl-
tunk azt kln jelljk.
274
A szoftverek (mg a magyar nyelv Excel is sok esetben) ltalban az angol nyelv kifejezseket
hasznljk.
275
http://www.maths.tcd.ie/pub/HistMath/People/RBallHist.html ttekintst ad a XVII.-ik s XVIII.-ik
szzad neves matematikusainak a munkssgrl. (2008. februr 7.)
276
Forrs: http://galton.org/ (2008. februr 7.)
179


Karl Pearson idskori kpe
278



Medin (median) fogalmt elszr Cournot (Antoine Augustin Cournot (1801 1877) fran-
cia kzgazdsz, filozfus s matematikus) emlti 1843-ban. Antoine A. Cournot [1843]:
Exposition de la thorie des chances et des probabilits (pp. 119-20). David, H. A. [1998]:
"First (?) Occurrence of Common Terms in Probability and Statistics -- A Second List, with
Corrections," The American Statistician 52:1, February).

A. Augustin Cournot
279



tlag (mean) Thomas Little Heath (1861 -1940) angol matematikus 1921-ben A History of
Greek Mathematics (Oxford: Clarendon Press, 1921, p. 85) c. mvben azt rta, hogy
Pythagoras grg matematikus (i. e. 580-572 500-490) fedezte fel szmtani, a mrtani s a
harmonikus tlagokat. Az tlagok kztt a geometriai tlag (geometric mean) angol nyelven
elszr megtallhat egy 1450 krl kszlt kziratban, Mark Dunn [1450]: The Art of
Numbering. A szmtani tlag (arithmetical mean) megtallhat 1697-ben a kvetkez pub-
likciban: E. Halley "A Most Compendious and Facile Method for Constructing the
Logarithms, Exemplified and Demonstrated from the Nature of Numbers, without any Regard
to the Hyperbola, with a Speedy Method for Finding the Number from the Logarithm Given,"
Philosophical Transactions of the Royal Society of London, Vol. 19. (1695 - 1697), pp. 58-67.
Pythagoras
280


277
Forrs: http://en.wikipedia.org/wiki/Karl_Pearson Kzli letrajzt s publikcis jegyzkt. (2008.
februr 7.)
278
Forrs: http://www-groups.dcs.st-and.ac.uk/~history/PictDisplay/Pearson.html (2008. februr 7.)
279
Forrs: http://www.spock.com/Antoine-Augustin-Cournot (2008. februr 7.)
280
Forrs: http://www.google.hu/search?q=Pythagoras++picture&ie=utf-8&oe=utf-8&aq=t&rls=org.
mozilla: hu: official&client=firefox-a (2008. februr 7.)
180

Az tlag hibja. (mean error) a XIX.-ik szzadban elfogadott kifejezs volt a hiba elmlet-
ben. Johann Carl Friedrich Gauss (1777 - 1855) vezette be az tlag hibja fogalmat 1821-ben
Theoria combinationis observationum erroribus minimis obnoxiae (Theory of the combina-
tion of observations least subject to error) (1821, p. 7), c. munkjban.
Gauss fiatal korban.
281



Gauss ids korban.


Ngyzetes hiba (mean square) megtallhat 1838 ban a Augustus De Morgan An Essay on
Probabilities, and Their Application to Life Contingencies and Insurance Offices cm kny-
vben.
Asszocicis kapcsolat vizsglata. (association relationship) W. R. Hamilton
282
[1848]:
Researches respecting Quaternions: First Series. (Transactions of the Royal Irish Academy,
21. 199-296). Dolgozatt felolvasta a Felolvasta az r Kirlyi Akadmin 1843. nov. 13-n,
de csak 1848-ban publiklta.
William Rowan Hamilton
283
(1805-1865)


281
Forrs: http://www-groups.dcs.st-and.ac.uk/~history/PictDisplay/Gauss.html (2008. februr 7.)
282
http://www.maths.tcd.ie/pub/HistMath/People/Hamilton/ (2008. februr 7.)
283
W. R. Hamilton publikcis jegyzke: ld.: http://www.maths.tcd.ie/pub/HistMath/People/ Hamil-
ton/Papers.html (2008. februr 7.)
181
Variancia (variance, mean square deviation) Ronald Aylmer Fisher (1890 - 1962)
284
1922
ben megjelent munkjban fordul el elszr. Ronald Aylmer Fisher [1922]: "On the mathe-
matical foundations of theoretical statistics" Philosophical Transactions of the Royal Society,
A, 222: 309-368. Fontos knyve, ami befolysolta a XX.-ik szzadi statisztikai irodalmat:
Ronald Aylmer Fisher [1925]: Statistical Methods for Research Workers
285
Kiad: Edin-
burgh, Oliver s Boyd.

R. Aylmer Fisher
286


Leontine Tintner festmnye
287


R. Aylmer Fisher
288



Kvantilis. (quantile) mint ltalnos fogalom, ami magban foglalja a kvartilist (negyedelt),
percentilist (szzadolt) stb. 1940-ben jelent meg elszr.
David, H. A. [2001]: First (?) Occurrence of Common Terms in Statistics and Probability,
Appendix B pp. 219-228. hivatkozott M. G. Kendall munkjra [1940 - 1941] "Note on the
Distribution of Quantiles for Large Samples," Supplement to the Journal of the Royal Statisti-
cal Society, 7, 83-85.
Kvartilis (quartile). Als s fels kvartilis elszr 1879-ben fordul el. Donald McAlister,
The Law of the Geometric Mean, Proc. R. Soc. XXIX, p. 374.
Als s fels kvartilis megjelenik ksbb 1881-ban F. Galton, [1881] "Report of the Anthro-
pometric Committee," Report of the 51st Meeting of the British Association for the Ad-
vancement of Science, p. 245-260 .
Maurice George Kendall (1907 - 1983) angol statisztikus.
M. G. Kendall
289



284
letrajzt ld.: J. C. Gower, Ronald Aylmer Fisher 1890-1962, Mathematical Spectrum 23 (1990-
91), 76-86.
285
R. Aylmer Fisher knyve az interneten elrhet: http://psychclassics.yorku.ca/ Fisher/ Methods/
(2008. februr 7.)
286
http://www-groups.dcs.st-and.ac.uk/~history/Mathematicians/Fisher.html (2008. februr 7.)
287
http://www-groups.dcs.st-and.ac.uk/~history/PictDisplay/Fisher.html (2008. februr 7.)
288
http://www-groups.dcs.st-and.ac.uk/~history/Mathematicians/Fisher.html (2008. februr 7.)
289
http://www-gap.dcs.st-and.ac.uk/~history/Mathematicians/Kendall_Maurice.html (2008. februr 7.)

182
Momentum (moment) a mechanikban Newton hasznlta elszr 1704-ben. Isaac Newton
[1704]: De Quadratura Curvarum: "Momenta id est incrementa momentanea synchrona".
Momentum (moment) fogalmat a statisztikban a Karl Pearson vezette be, tvve a
mechanikbl 1893-ban, Karl Pearson [1893]: "Asymmetrical Frequency Curves," Nature Oc-
tober 26
th

Cscsssg (kurtosis) fogalmt elszr Karl Pearson hasznlta 1905-ben: Karl Pearson [1905]:
"Das Fehlergesetz und seine Verallgemeinerungen durch Fechner und Pearson. A Rejoinder,
Biometrika, 4, 169-212.
Ferdesg (skew curve) 1895-ben Karl Pearson munkjban jelenik meg elszr: Karl Pearson
[1895]: Contributions to the Mathematical Theory of Evolution. II. Skew Variation in Homo-
geneous Material, Philosophical Transactions of the Royal Society A, 186, 343-414.
Kumulls (cumulation) R. A. Fisher hasznlta elszr 1929-ben s 1931-ben Wisharttal: R.
A. Fisher [1929]: Moments and Product Moments of Sampling Distributions," Proceedings of
the London Mathematical Society, Series 2, 30, 199-238. s R. A. Fisher s J. Wishart,
[1931]: "The Derivation of the Pattern Formulae of Two-Way Partitions From Those of Sim-
pler Patterns," Proceedings of the London Mathematical Society, Ser. 2, 33, p.195. Harold
Hotelling (J. Amer. Stat Assoc., 28, 1933, 374).
Koncentrci (concentration) mrsre Lorentz dolgozta ki a Rla elnevezett grbt. Lorenz,
M. O. [1905]: Methods of measuring the concentration of wealth Publications of the
American Statistical Association. 9: 209-219.
Max Otto Lorenz (1880 1962) amerikai kzgazdsz. A Lorentz grbt elszr a kvetkez
knyvben publikltk: King, W. I. [1912]:. The Elements of Statistical Method. New York:
Macmillan.

Lorenz, M. O.
290


Durbin - Watson teszt (Durbin - Watson test) kidolgozi: Durbin, J., and Watson, G. S.,
[1950]: Testing for Serial Correlation in Least Squares Regression, I. Biometrika 37.

Benjamin Gompertz
291
(1779-1865)

A Gompertz logisztikus trend felfedezje.
292
Benjamin Gompertz
293
biztostsi matematikus
1825-ben flfedezte azt a halandsgi trvnyt, amit az llatokon vgzett vizsglatok is meg-
erstenek. Az emberi halandsgi rta a nemi rettsg elrse idejn a legkisebb, utna expo-
nencilisan emelkedik. Gompertz ttele szerint az ember elhallozsi eslye harminc s
nyolcvanves kora kztt ht vente megduplzdik, nyolcvanves kora fltt viszont jra
cskkenni kezd. Az jabb vizsglatok alapjn a halandsg erejnek alakulst ler grbe
csak a szletstl a korai kamaszkori mlypontjig s felnttkori monoton jelleg emelked-

290
http://www.spock.com/Max-O.-Lorenz (2008. februr 7.)
291
http://en.wikipedia.org/wiki/Benjamin_Gompertz
292
Gompertz, B., [1825].
293
http://en.wikipedia.org/wiki/Benjamin_gompertz
183
snek a legfiatalabb letkortl kezdden alakul gy, ahogyan azt Gompertz lerta.
294
Az egy-
re nvekv tapasztalati anyag elemzse kapcsn az is egyrtelmv vlt, hogy az orvostudo-
mny fejldse, az egszsggyi rendszablyok s a morbiditst s mortalitst befolysol
egyb tnyezk a klnbz letkorakat eltr arnyban rintik, ezrt a klnbz nem s
kor npessg halandsgnak egymshoz viszonytott nagysga llandan vltozik. A
nyolcvanvesnl idsebb korosztlyokban a nk mr tlnyom tbbsgbe kerltek, gy a
Gompertz - egyenlet
295

296
lnyegben csak a nket tmogatja.

Marion King Hubbert. (1903-1989)
297

298

299




A texasi San Saba-ban szletett.
300
Tanulmnyait Chicagoi Egyetemen folytatta, ahol geol-
git, matematikt s fizikt tanult. B. S fokozatot 1926-ban, M. S.-t 1928-ban, PhD-t pedig
1937-ben szerzett. PhD tanulmnyai alatt az Amerada olajtrsasg geolgus asszisztenseknt
dolgozott. 1943-tl 1964-ig a Shell Oil Company alkalmazottja, ezutn 1976-os nyugdjba
vonulsig a United States Geological Survey kutat fizikusa volt. A Stanford Egyetemen
geolgit s geofizikt tantott 1963-tl 1968-ig, a Berkeley Egyetemen pedig 1973-tl 1976-
ig. A technokrata mozgalom aktv tagja, a 30-as vekben alakult Technocracy Incorporated
szervezet egyik alaptja volt. Tbb fontos eredmnyt rt el a geolgia s a geofizika terle-
tn. Nevhez fzdik az olajtermels idbeli alakulst egy adott terleten modellez
haranggrbbe, az n. Hubbert-grbe, az olajhozam-cscs elmletnek egyik kzponti eleme.
















ELSZ 5

294
Ld. Valkovics Emil [2001] 121-141.
295
Gompertz, B., [1825]: 513-585.
296
Bartlett M. S. Cox F. R. S. [1975] 16.
297
http://hu.wikipedia.org/wiki/M._King_Hubbert
298
http://rsparlourtricks.blogspot.com/2005/10/m-king-hubbert.html
299
http://www.hubbertpeak.com/hubbert/
300
http://hu.wikipedia.org/wiki/M._King_Hubbert
184
BEVEZETS, AZ EXCEL BELLTSAI, AZ EXCEL PARANCSFJLOK HASZNLATA
SORN 8
OFFICE 2007 ESETN: 8
1 EGYSZER ADAT-ELEMZSEK: VISZONYSZMOK SZMTSA S GRAFIKUS
BRZOLS 8
1.1 A DINAMIKUS VISZONYSZMOK PARANCSFJL MKDSE 12
GYAKORL FELADATOK. (DINAMIKUS VISZONYSZMOK.XLS) 13
1.2 BRK KSZTSE EXCEL PARANCSFJL MKDSE 13
GYAKORL FELADATOK. (BRK KSZITSE.XLS) 14
1.3 AZ ORSZGONKNTI KORFA PROGNZIS KSZTSE 2050-IG EXCEL PARANCSFJL MKDSE
16
GYAKORL FELADATOK. (ORSZGONKNTI KORFA PROGNZIS KSZTSE 2050-IG.XLS) 17
1.4 NEMZETKZI SSZEHASONLTSOK EXCEL PARANCSFJLOK FELHASZNLSVAL 18
GYAKORL FELADATOK. (NEMZETKZI SSZEHASONLTSOK EXCEL PARANCSFJLOK) 18
2 ELEMI MVELETEK A VLTOZKKAL S EMPIRIKUS ELOSZLSOK ELEMZSE
19
2.1 SZMLLS, RANGSOROLS, SSZEGZS 19
2.2 KZPRTKEK S KVANTILISEK 20
2.3 SZRDSI MRSZMOK 21
2.4 AZ ELEMI MVELETEK PARANCSFJL MKDSE 22
2.5 EMPIRIKUS ELOSZLSOK ELEMZSE EXCEL PARANCSFJL MKDSE 23
GYAKORL FELADATOK. (ELEMIMVELETEK.XLS S EMPIRIKUSELOSZLSOKELEMZSE.XLS) 32
3 AZ IDSOROK ELEMZSI MDSZEREI 33
3.1 A DEKOMPOZCIS IDSORMODELLEK 34
3.1.1 AZ IDSOROK SSZETEVI S KAPCSOLDSI MDJAI 34
3.1.2 A TREND VAGY A HOSSZ TV ALAPIRNYZAT BECSLSI MDSZEREI 36
3.1.3 A SZABLYOS RVID TV (SZEZONLIS) INGADOZS 49
3.1.4 A CIKLIKUS (PERIODIKUS) MOZGS MODELLEZSE.* 51
3.2 AZ ELREJELZSEK HIBINAK A MRSE (A HIBAKPLETEK EXCEL PARANCSFJL
MKDSE)* 54
3.3 TRENDSZEZON-HIBASZMTS PARANCSFJL MKDSE 56
GYAKORL FELADATOK. KONJUNKTRA CIKLUSOK MODELLEZSE, A TRENDSZEZON -
HIBASZMTS EXCEL PARANCSFJL MKDSE) 59
3.4 A TELTDSI, A LOGISZTIKUS (S-ALAK)- S LETGRBE TRENDFGGVNYEK BECSLSE
EXCEL PARANCSFJLLAL* 59
3.4.1 INFLEXIS PONTTAL NEM RENDELKEZ TELTDSI GRBK 60
3.4.2 EGY INFLEXIS PONTTAL RENDELKEZ TRENDFGGVNYEK 62
3.4.3 KT INFLEXIS PONTTAL RENDELKEZ TRENDFGGVNYEK 73
3.4.4 A LOGISZTIKUS TRENDEK BECSLSE EXCEL PARANCSFJL MKDSE* 77
GYAKORL FELADATOK. DEKOMPOZCIS IDSORMODELLEK 78
3.5 NAIV ELREJELZSI TECHNIKK. (A NAIVMDSZER-PARANCSFJL MKDSE.)* 80
GYAKORL FELADATOK. (NAIVMODSZER.XLS) 84
3.6 AZ EXPONENCILIS KIEGYENLTS MDSZERE 84
GYAKORL FELADATOK. (SIMIT.XLS) 88
3.7 A SABL-MDSZER (SZOFTVER) FELHASZNLSA ADATELKSZTSRE, A TREND S A
PERIODIKUS HULLMZS SZTVLASZTSRA* 88
GYAKORL FELADATOK A SABL-SZOFTVER ALKALMAZSRA* 97
4. A KORRELCI- S REGRESSZISZMTS 97
185
4.1 A REGRESSZI.XLS PARANCSFJL MKDSE 100
4.1.1 AZ ADAT MUNKALAP 100
4.1.2 A MTRIX MUNKALAP 105
4.1.3 A MARADK MUNKALAP 107
4.1.4 A MULTIKOLLINEARITS MUNKALAP 108
4.1.5 AZ AUTOKORRELCI MUNKALAP 115
4.1.6 A HOMOSZKEDASZTICITS MUNKALAP 118
4.2 GYAKORLATI ALKALMAZSOK BEMUTATSA IDSOROS S KERESZTMETSZETI ADATOK
ALAPJN 120
4.3 COCHRANE-ORCUTT ITERCIS ELJRS, A COTRANSZFORMCI.XLS PARANCSFJL
MKDSE* 128
4.4 A SZROETER-HARRISON-KING-FLE PRBA. (SZROETERTESZ.XLS PARANCSFJ MKDSE)
S A GOLDFELD-QUANDT-PRBA (GOLDFELD-QUANDT-PRBA.XLS PARANCSFJ MKDSE)*130
4.4.1 A SZROETER-HARRISON-KING-FLE PRBA 130
4.4.2 A GOLDFELD-QUANDT-PRBA 134
4.5 A REGRESSZIS EGYTTHATK SSZEFGGSEI (AZ TELEMZS) 137
4.6 KSLELTETETT REGRESSZIS MODELLEK. (KSLELTETETTMTRIX.XLS PARANCSFJL
MKDSE)* 138
4.6.1 A KSLELTETS MODELLJEINEK RVID TRTNETE 138
4.6.2 A FORDTOTT V-KSLELTETS MODELLEK. 140
4.6.3 KOYCK MDSZEREI 142
4.6.4 ALMON-FLE POLINOM ELOSZLS OSZTOTT KSLELTETS MODELLEK 146
4.7 A HATVNYKITEVS (COBB-DOUGLAS ) TERMELSI FGGVNY (A TERMELSI FGGVNY
TLAG S HATRMUTATI.XLS PARANCSFJL MKDSE)* 147
GYAKORL FELADATOK: C-D-TERMELSI FGGVNY TLAG S HATRMUTATI EXCEL
PARANCSFJL.XLS ALKALMAZSA. NEM LINERIS, DE LINEARIZLHAT REGRESSZIS
FGGVNYEK BECSLSE REGRESSZIO.XLS EXCEL PARANCSFJLLAL* 159
4.8 A CES-FGGVNY BECSLSE. (CES1.XLS, CES2.XLS CES3.XLS)* 160
GYAKORL FELADATOK CES1.XLS, CES2.XLS S CES3.XLS* 164
4.9 LOGISZTIKUS REGRESSZIS FGGVNYEK* 164
4.10 A SZTOCHASZTIKUS KAPCSOLAT ELEMZSE, AZ ASSZOCICIS EGYTTHATK EXCEL
PARANCSFJL MKDSE 166
FGGELK 173
F.1 INTERNETES ADATBZISOK 173
F.2 A MATRIX.XLS PARANCSFJL MKDSE 176
F3 TUDOMNYTRTNETI SSZEFOGLAL 178
F.4. TBLZATOK 185
F.4. A GRG BETK 195
FELHASZNLT IRODALOM 196

F.4. Tblzatok

186
A Bta-eloszls kritikus rtkei
301
a Szroeter teszthez, 5 %-os szignifikancia szinten, ha a li-
neris regresszis egyenes konstanst is tartalmaz.
n m=k+1=2 m=k+1=3 m=k+1=4 m=k+1=5 m=k+1=6
8 0,873 0,758 0,583 0,326 0,025
9 0,962 0,873 0,758 0,583 0,326
10 1,033 0,962 0,873 0,758 0,583
11 1,091 1,033 0,962 0,873 0,758
12 1,140 1,091 1,033 0,962 0,873
13 1,181 1,140 1,091 1,033 0,962
14 1,217 1,181 1,140 1,091 1,033
15 1,248 1,217 1,181 1,140 1,091
16 1,276 1,248 1,217 1,181 1,140
17 1,301 1,276 1,248 1,217 1,181
18 1,324 1,301 1,276 1,248 1,217
19 1,345 1,324 1,301 1,276 1,248
20 1,363 1,345 1,324 1,301 1,276
21 1,381 1,363 1,345 1,324 1,301
22 1,397 1,381 1,363 1,345 1,324
23 1,411 1,397 1,381 1,363 1,345
24 1,425 1,411 1,397 1,381 1,363
25 1,438 1,425 1,411 1,397 1,381
26 1,450 1,438 1,425 1,411 1,397
27 1,461 1,450 1,438 1,425 1,411
28 1,471 1,461 1,450 1,438 1,425
29 1,481 1,471 1,461 1,450 1,438
30 1,491 1,481 1,471 1,461 1,450
31 1,500 1,491 1,481 1,471 1,461
32 1,508 1,500 1,491 1,481 1,471
33 1,516 1,508 1,500 1,491 1,481
34 1,524 1,516 1,508 1,500 1,491
35 1,531 1,524 1,516 1,508 1,500
36 1,537 1,531 1,524 1,516 1,508
37 1,542 1,538 1,531 1,524 1,516
38 1,547 1,545 1,538 1,531 1,524
39 1,551 1,551 1,545 1,538 1,531
40 1,555 1,557 1,551 1,545 1,538
45 1,575 1,585 1,580 1,574 1,569
50 1,593 1,608 1,603 1,599 1,594
55 1,608 1,627 1,623 1,620 1,616
60 1,622 1,644 1,641 1,637 1,634
65 1,635 1,659 1,656 1,653 1,650
70 1,646 1,671 1,669 1,666 1,664
75 1,656 1,682 1,681 1,679 1,676
80 1,666 1,692 1,692 1,690 1,688
85 1,675 1,699 1,701 1,699 1,698
90 1,683 1,706 1,710 1,709 1,707
95 1,690 1,712 1,718 1,716 1,715
100 1,697 1,718 1,726 1,724 1,723



301
M. J. Harrison [1982]: Table 4. 165.

187
Standard normlis eloszls srsgfggvny rtkei
302

z 0 1 2 3 4 5 6 7 8 9
0,0 0,500 0,496 0,492 0,488 0,484 0,480 0,476 0,472 0,468 0,464
0,1 0,460 0,456 0,452 0,448 0,444 0,440 0,436 0,433 0,429 0,425
0,2 0,421 0,417 0,413 0,409 0,405 0,401 0,397 0,394 0,390 0,386
0,3 0,382 0,378 0,374 0,371 0,367 0,363 0,359 0,356 0,352 0,348
0,4 0,345 0,341 0,337 0,334 0,330 0,326 0,323 0,319 0,316 0,312
0,5 0,309 0,305 0,302 0,298 0,295 0,291 0,288 0,284 0,281 0,278
0,6 0,274 0,271 0,268 0,264 0,261 0,258 0,255 0,251 0,248 0,245
0,7 0,242 0,239 0,236 0,233 0,230 0,227 0,224 0,221 0,218 0,215
0,8 0,212 0,209 0,206 0,203 0,200 0,198 0,195 0,192 0,189 0,187
0,9 0,184 0,181 0,179 0,176 0,174 0,171 0,169 0,166 0,164 0,161
1,0 0,159 0,156 0,154 0,152 0,149 0,147 0,145 0,142 0,140 0,138
1,1 0,136 0,133 0,131 0,129 0,127 0,125 0,123 0,121 0,119 0,117
1,2 0,115 0,113 0,111 0,109 0,107 0,106 0,104 0,102 0,100 0,099
1,3 0,097 0,095 0,093 0,092 0,090 0,089 0,087 0,085 0,084 0,082
1,4 0,081 0,079 0,078 0,076 0,075 0,074 0,072 0,071 0,069 0,068
1,5 0,067 0,066 0,064 0,063 0,062 0,061 0,059 0,058 0,057 0,056
1,6 0,055 0,054 0,053 0,052 0,051 0,049 0,048 0,047 0,046 0,046
1,7 0,045 0,044 0,043 0,042 0,041 0,040 0,039 0,038 0,038 0,037
1,8 0,036 0,035 0,034 0,034 0,033 0,032 0,031 0,031 0,030 0,029
1,9 0,029 0,028 0,027 0,027 0,026 0,026 0,025 0,024 0,024 0,023
2,0 0,023 0,022 0,022 0,021 0,021 0,020 0,020 0,019 0,019 0,018
2,1 0,018 0,017 0,017 0,017 0,016 0,016 0,015 0,015 0,015 0,014
2,2 0,014 0,014 0,013 0,013 0,013 0,012 0,012 0,012 0,011 0,011
2,3 0,011 0,010 0,010 0,010 0,010 0,009 0,009 0,009 0,009 0,008
2,4 0,008 0,008 0,008 0,008 0,007 0,007 0,007 0,007 0,007 0,006
2,5 0,006 0,006 0,006 0,006 0,006 0,005 0,005 0,005 0,005 0,005
2,6 0,005 0,005 0,004 0,004 0,004 0,004 0,004 0,004 0,004 0,004
2,7 0,003 0,003 0,003 0,003 0,003 0,003 0,003 0,003 0,003 0,003
2,8 0,003 0,002 0,002 0,002 0,002 0,002 0,002 0,002 0,002 0,002
2,9 0,002 0,002 0,002 0,002 0,002 0,002 0,002 0,001 0,001 0,001
3,0 0,001 0,001 0,001 0,001 0,001 0,001 0,001 0,001 0,001 0,001

Kritikus rtkek klnbz szignifikancia-szintek esetn
Szignifikancia-szint (o)
Egyoldal 0,1000 0,0500 0,0250 0,0225 0,0100 0,0050
Ktoldal 0,2000 0,1000 0,0500 0,0450 0,0200 0,0100

z 1,280 1,645 1,960 2,000 2,330 2,587

302
Pintr Jzsef Rappai Gbor (szerkeszt) [2007]: 489.
188
Student-fle t-eloszls kritikus rtkei klnfle szignifikancia-szint mellett
303

Szignifikancia-szint Szabadsg-
fok 0,1 0,05 0,025 0,01 0,005
1 3,078 6,314 12,706 31,821 63,656
2 1,886 2,920 4,303 6,965 9,925
3 1,638 2,353 3,182 4,541 5,841
4 1,533 2,132 2,776 3,747 4,604
5 1,476 2,015 2,571 3,365 4,032
6 1,440 1,943 2,447 3,143 3,707
7 1,415 1,895 2,365 2,998 3,499
8 1,397 1,860 2,306 2,896 3,355
9 1,383 1,833 2,262 2,821 3,250
10 1,372 1,812 2,228 2,764 3,169
11 1,363 1,796 2,201 2,718 3,106
12 1,356 1,782 2,179 2,681 3,055
13 1,350 1,771 2,160 2,650 3,012
14 1,345 1,761 2,145 2,624 2,977
15 1,341 1,753 2,131 2,602 2,947
16 1,337 1,746 2,120 2,583 2,921
17 1,333 1,740 2,110 2,567 2,898
18 1,330 1,734 2,101 2,552 2,878
19 1,328 1,729 2,093 2,539 2,861
20 1,325 1,725 2,086 2,528 2,845
21 1,323 1,721 2,080 2,518 2,831
22 1,321 1,717 2,074 2,508 2,819
23 1,319 1,714 2,069 2,500 2,807
24 1,318 1,711 2,064 2,492 2,797
25 1,316 1,708 2,060 2,485 2,787
26 1,315 1,706 2,056 2,479 2,779
27 1,314 1,703 2,052 2,473 2,771
28 1,313 1,701 2,048 2,467 2,763
29 1,311 1,699 2,045 2,462 2,756
30 1,310 1,697 2,042 2,457 2,750
40 1,303 1,684 2,021 2,423 2,704
50 1,299 1,676 2,009 2,403 2,678
60 1,296 1,671 2,000 2,390 2,660
70 1,294 1,667 1,994 2,381 2,648
80 1,292 1,664 1,990 2,374 2,639
90 1,291 1,662 1,987 2,368 2,632
100 1,290 1,660 1,984 2,364 2,626
150 1,287 1,655 1,976 2,351 2,609
200 1,286 1,653 1,972 2,345 2,601

303
Ramanathan Ramu [2003]: 609.
189

2
n
_
-eloszls kritikus rtkei klnfle szignifikancia-szintek mellett
304

Szinifikancia-szint
Szabadsgfok
0,9900 0,9500 0,9000 0,1000 0,0500 0,0100
1 0,000 0,004 0,016 2,706 3,841 6,635
2 0,020 0,103 0,211 4,605 5,991 9,210
3 0,115 0,352 0,584 6,251 7,815 11,345
4 0,297 0,711 1,064 7,779 9,488 13,277
5 0,554 1,145 1,610 9,236 11,070 15,086
6 0,872 1,635 2,204 10,645 12,592 16,812
7 1,239 2,167 2,833 12,017 14,067 18,475
8 1,647 2,733 3,490 13,362 15,507 20,090
9 2,088 3,325 4,168 14,684 16,919 21,666
10 2,558 3,940 4,865 15,987 18,307 23,209
11 3,053 4,575 5,578 17,275 19,675 24,725
12 3,571 5,226 6,304 18,549 21,026 26,217
13 4,107 5,892 7,041 19,812 22,362 27,688
14 4,660 6,571 7,790 21,064 23,685 29,141
15 5,229 7,261 8,547 22,307 24,996 30,578
16 5,812 7,962 9,312 23,542 26,296 32,000
17 6,408 8,672 10,085 24,769 27,587 33,409
18 7,015 9,390 10,865 25,989 28,869 34,805
19 7,633 10,117 11,651 27,204 30,144 36,191
20 8,260 10,851 12,443 28,412 31,410 37,566
21 8,897 11,591 13,240 29,615 32,671 38,932
22 9,542 12,338 14,041 30,813 33,924 40,289
23 10,196 13,091 14,848 32,007 35,172 41,638
24 10,856 13,848 15,659 33,196 36,415 42,980
25 11,524 14,611 16,473 34,382 37,652 44,314
26 12,198 15,379 17,292 35,563 38,885 45,642
27 12,878 16,151 18,114 36,741 40,113 46,963
28 13,565 16,928 18,939 37,916 41,337 48,278
29 14,256 17,708 19,768 39,087 42,557 49,588
30 14,953 18,493 20,599 40,256 43,773 50,892
31 15,655 19,281 21,434 41,422 44,985 52,191
32 16,362 20,072 22,271 42,585 46,194 53,486
33 17,073 20,867 23,110 43,745 47,400 54,775
34 17,789 21,664 23,952 44,903 48,602 56,061
35 18,509 22,465 24,797 46,059 49,802 57,342
36 19,233 23,269 25,643 47,212 50,998 58,619
37 19,960 24,075 26,492 48,363 52,192 59,893
38 20,691 24,884 27,343 49,513 53,384 61,162
39 21,426 25,695 28,196 50,660 54,572 62,428
40 22,164 26,509 29,051 51,805 55,758 63,691
50 29,707 34,764 37,689 63,167 67,505 76,154
60 37,485 43,188 46,459 74,397 79,082 88,379
70 45,442 51,739 55,329 85,527 90,531 100,425
80 53,540 60,391 64,278 96,578 101,879 112,329
90 61,754 69,126 73,291 107,565 113,145 124,116
100 70,065 77,929 82,358 118,498 124,342 135,807
150 112,668 122,692 128,275 172,581 179,581 193,207
200 156,432 168,279 174,835 226,021 233,994 249,445
250 200,939 214,392 221,806 279,050 287,882 304,939

304
Aczel A. D. [2002]: Table 4 alapjn.

190
F-eloszls kritikus rtkei 5%-os egyoldal (10%-os ktoldal) szignifikancia-szint mellett
305

Szmll szabadsgfoka Nevez
szf 1 2 3 4 5 6 7 8 9 10 15 20 25 30 50 100 200
2 18,5 19,0 19,2 19,2 19,3 19,3 19,7 19,4 19,3 19,4 19,4 19,4 19,6 19,5 19,5 19,5 18,5
3 10,1 9,55 9,28 9,12 9,01 8,94 8,89 8,85 8,81 8,79 8,70 8,66 8,63 8,62 8,58 8,55 10,1
4 7,71 6,94 6,59 6,39 6,26 6,16 6,09 6,04 6,00 5,96 5,86 5,80 5,77 5,75 5,70 5,66 7,71
5 6,61 5,79 5,41 5,19 5,05 4,95 4,88 4,82 4,77 4,74 4,62 4,56 4,52 4,50 4,44 4,41 6,61
6 5,99 5,14 4,76 4,53 4,39 4,28 4,21 4,15 4,10 4,06 3,94 3,87 3,83 3,81 3,75 3,71 5,99
7 5,59 4,74 4,35 4,12 3,97 3,87 3,79 3,73 3,68 3,64 3,51 3,44 3,40 3,38 3,32 3,27 5,59
8 5,32 4,46 4,07 3,84 3,69 3,58 3,50 3,44 3,39 3,35 3,22 3,15 3,11 3,08 3,02 2,97 5,32
9 5,12 4,26 3,86 3,63 3,48 3,37 3,29 3,23 3,18 3,14 3,01 2,94 2,89 2,86 2,80 2,76 5,12
10 4,96 4,10 3,71 3,48 3,33 3,22 3,14 3,07 3,02 2,98 2,85 2,77 2,73 2,70 2,64 2,59 4,96
11 4,84 3,98 3,59 3,36 3,20 3,09 3,01 2,95 2,90 2,85 2,72 2,65 2,60 2,57 2,51 2,46 4,84
12 4,75 3,89 3,49 3,26 3,11 3,00 2,91 2,85 2,80 2,75 2,62 2,54 2,50 2,47 2,40 2,35 4,75
13 4,67 3,81 3,41 3,18 3,03 2,92 2,83 2,77 2,71 2,67 2,53 2,46 2,41 2,38 2,31 2,26 4,67
14 4,60 3,74 3,34 3,11 2,96 2,85 2,76 2,70 2,65 2,60 2,46 2,39 2,34 2,31 2,24 2,19 4,60
15 4,54 3,68 3,29 3,06 2,90 2,79 2,71 2,64 2,59 2,54 2,40 2,33 2,28 2,25 2,18 2,12 4,54
16 4,49 3,63 3,24 3,01 2,85 2,74 2,66 2,59 2,54 2,49 2,35 2,28 2,23 2,19 2,12 2,07 4,49
17 4,45 3,59 3,20 2,96 2,81 2,70 2,61 2,55 2,49 2,45 2,31 2,23 2,18 2,15 2,08 2,02 4,45
18 4,41 3,55 3,16 2,93 2,77 2,66 2,58 2,51 2,46 2,41 2,27 2,19 2,14 2,11 2,04 1,98 4,41
19 4,38 3,52 3,13 2,90 2,74 2,63 2,54 2,48 2,42 2,38 2,23 2,16 2,11 2,07 2,00 1,94 4,38
20 4,35 3,49 3,10 2,87 2,71 2,60 2,51 2,45 2,39 2,35 2,20 2,12 2,07 2,04 1,97 1,91 4,35
21 4,32 3,47 3,07 2,84 2,68 2,57 2,49 2,42 2,37 2,32 2,18 2,10 2,05 2,01 1,94 1,88 4,32
22 4,30 3,44 3,05 2,82 2,66 2,55 2,46 2,40 2,34 2,30 2,15 2,07 2,02 1,98 1,91 1,85 4,30
23 4,28 3,42 3,03 2,80 2,64 2,53 2,44 2,37 2,32 2,27 2,13 2,05 2,00 1,96 1,88 1,82 4,28
24 4,26 3,40 3,01 2,78 2,62 2,51 2,42 2,36 2,30 2,25 2,11 2,03 1,97 1,94 1,86 1,80 4,26
25 4,24 3,39 2,99 2,76 2,60 2,49 2,40 2,34 2,28 2,24 2,09 2,01 1,96 1,92 1,84 1,78 4,24
26 4,23 3,37 2,98 2,74 2,59 2,47 2,39 2,32 2,27 2,22 2,07 1,99 1,94 1,90 1,82 1,76 4,23
27 4,21 3,35 2,96 2,73 2,57 2,46 2,37 2,31 2,25 2,20 2,06 1,97 1,92 1,88 1,81 1,74 4,21
28 4,20 3,34 2,95 2,71 2,56 2,45 2,36 2,29 2,24 2,19 2,04 1,96 1,91 1,87 1,79 1,73 4,20
29 4,18 3,33 2,93 2,70 2,55 2,43 2,35 2,28 2,22 2,18 2,03 1,94 1,89 1,85 1,77 1,71 4,18
30 4,17 3,32 2,92 2,69 2,53 2,42 2,33 2,27 2,21 2,16 2,01 1,93 1,88 1,84 1,76 1,70 4,17
35 4,12 3,27 2,87 2,64 2,49 2,37 2,29 2,22 2,16 2,11 1,96 1,88 1,82 1,79 1,70 1,63 4,12
40 4,08 3,23 2,84 2,61 2,45 2,34 2,25 2,18 2,12 2,08 1,92 1,84 1,78 1,74 1,66 1,59 4,08
50 4,03 3,18 2,79 2,56 2,40 2,29 2,20 2,13 2,07 2,03 1,87 1,78 1,73 1,69 1,60 1,52 4,03
60 4,00 3,15 2,76 2,53 2,37 2,25 2,17 2,10 2,04 1,99 1,84 1,75 1,69 1,65 1,56 1,48 4,00
75 3,97 3,12 2,73 2,49 2,34 2,22 2,13 2,06 2,01 1,96 1,80 1,71 1,65 1,61 1,52 1,44 3,97
100 3,94 3,09 2,70 2,46 2,31 2,19 2,10 2,03 1,97 1,93 1,77 1,68 1,62 1,57 1,48 1,39 3,94
200 3,89 3,04 2,65 2,42 2,26 2,14 2,06 1,98 1,93 1,88 1,72 1,62 1,56 1,52 1,41 1,32 3,89

305
Aczel A. D. [2002]: Table 5A alapjn.
191
F-eloszls kritikus rtkei 2,5%-os egyoldal (5%-os ktoldal) szignifikancia-szint mellett
Szmll szabadsgfoka Neve
z
szf
1 2 3 4 5 6 7 8 9 10 15 20 25 30 50 100 200
2 38,5 39,0 39,2 39,3 39,3 39,3 39,4 39,4 39,4 39,4 39,4 39,5 39,5 39,5 39,5 39,5 39,5
3 17,4 16,0 15,4 15,1 14,9 14,7 14,6 14,5 14,4 14,4 14,2 14,1 14,1 14,0 14,0 13,9 13,9
4 12,2 10,6 9,98 9,60 9,36 9,20 9,07 8,98 8,90 8,84 8,66 8,56 8,50 8,46 8,38 8,32 8,29
5 10,0 8,43 7,76 7,39 7,15 6,98 6,85 6,76 6,68 6,62 6,43 6,33 6,27 6,23 6,14 6,08 6,05
6 8,81 7,26 6,60 6,23 5,99 5,82 5,70 5,60 5,52 5,46 5,27 5,17 5,11 5,07 4,98 4,92 4,88
7 8,07 6,54 5,89 5,52 5,29 5,12 4,99 4,90 4,82 4,76 4,57 4,47 4,40 4,36 4,28 4,21 4,18
8 7,57 6,06 5,42 5,05 4,82 4,65 4,53 4,43 4,36 4,30 4,10 4,00 3,94 3,89 3,81 3,74 3,70
9 7,21 5,71 5,08 4,72 4,48 4,32 4,20 4,10 4,03 3,96 3,77 3,67 3,60 3,56 3,47 3,40 3,37
10 6,94 5,46 4,83 4,47 4,24 4,07 3,95 3,85 3,78 3,72 3,52 3,42 3,35 3,31 3,22 3,15 3,12
11 6,72 5,26 4,63 4,28 4,04 3,88 3,76 3,66 3,59 3,53 3,33 3,23 3,16 3,12 3,03 2,96 2,92
12 6,55 5,10 4,47 4,12 3,89 3,73 3,61 3,51 3,44 3,37 3,18 3,07 3,01 2,96 2,87 2,80 2,76
13 6,41 4,97 4,35 4,00 3,77 3,60 3,48 3,39 3,31 3,25 3,05 2,95 2,88 2,84 2,74 2,67 2,63
14 6,30 4,86 4,24 3,89 3,66 3,50 3,38 3,29 3,21 3,15 2,95 2,84 2,78 2,73 2,64 2,56 2,53
15 6,20 4,77 4,15 3,80 3,58 3,41 3,29 3,20 3,12 3,06 2,86 2,76 2,69 2,64 2,55 2,47 2,44
16 6,12 4,69 4,08 3,73 3,50 3,34 3,22 3,12 3,05 2,99 2,79 2,68 2,61 2,57 2,47 2,40 2,36
17 6,04 4,62 4,01 3,66 3,44 3,28 3,16 3,06 2,98 2,92 2,72 2,62 2,55 2,50 2,41 2,33 2,29
18 5,98 4,56 3,95 3,61 3,38 3,22 3,10 3,01 2,93 2,87 2,67 2,56 2,49 2,44 2,35 2,27 2,23
19 5,92 4,51 3,90 3,56 3,33 3,17 3,05 2,96 2,88 2,82 2,62 2,51 2,44 2,39 2,30 2,22 2,18
20 5,87 4,46 3,86 3,51 3,29 3,13 3,01 2,91 2,84 2,77 2,57 2,46 2,40 2,35 2,25 2,17 2,13
21 5,83 4,42 3,82 3,48 3,25 3,09 2,97 2,87 2,80 2,73 2,53 2,42 2,36 2,31 2,21 2,13 2,09
22 5,79 4,38 3,78 3,44 3,22 3,05 2,93 2,84 2,76 2,70 2,50 2,39 2,32 2,27 2,17 2,09 2,05
23 5,75 4,35 3,75 3,41 3,18 3,02 2,90 2,81 2,73 2,67 2,47 2,36 2,29 2,24 2,14 2,06 2,01
24 5,72 4,32 3,72 3,38 3,15 2,99 2,87 2,78 2,70 2,64 2,44 2,33 2,26 2,21 2,11 2,02 1,98
25 5,69 4,29 3,69 3,35 3,13 2,97 2,85 2,75 2,68 2,61 2,41 2,30 2,23 2,18 2,08 2,00 1,95
26 5,66 4,27 3,67 3,33 3,10 2,94 2,82 2,73 2,65 2,59 2,39 2,28 2,21 2,16 2,05 1,97 1,92
27 5,63 4,24 3,65 3,31 3,08 2,92 2,80 2,71 2,63 2,57 2,36 2,25 2,18 2,13 2,03 1,94 1,90
28 5,61 4,22 3,63 3,29 3,06 2,90 2,78 2,69 2,61 2,55 2,34 2,23 2,16 2,11 2,01 1,92 1,88
29 5,59 4,20 3,61 3,27 3,04 2,88 2,76 2,67 2,59 2,53 2,32 2,21 2,14 2,09 1,99 1,90 1,86
30 5,57 4,18 3,59 3,25 3,03 2,87 2,75 2,65 2,57 2,51 2,31 2,20 2,12 2,07 1,97 1,88 1,84
35 5,48 4,11 3,52 3,18 2,96 2,80 2,68 2,58 2,50 2,44 2,23 2,12 2,05 2,00 1,89 1,80 1,75
40 5,42 4,05 3,46 3,13 2,90 2,74 2,62 2,53 2,45 2,39 2,18 2,07 1,99 1,94 1,83 1,74 1,69
50 5,34 3,97 3,39 3,05 2,83 2,67 2,55 2,46 2,38 2,32 2,11 1,99 1,92 1,87 1,75 1,66 1,60
60 5,29 3,93 3,34 3,01 2,79 2,63 2,51 2,41 2,33 2,27 2,06 1,94 1,87 1,82 1,70 1,60 1,54
75 5,23 3,88 3,30 2,96 2,74 2,58 2,46 2,37 2,29 2,22 2,01 1,90 1,82 1,76 1,65 1,54 1,48
100 5,18 3,83 3,25 2,92 2,70 2,54 2,42 2,32 2,24 2,18 1,97 1,85 1,77 1,71 1,59 1,48 1,42
200 5,10 3,76 3,18 2,85 2,63 2,47 2,35 2,26 2,18 2,11 1,90 1,78 1,70 1,64 1,51 1,39 1,32


192
Durbin-Watson-prba, az 5 szzalkos d
L
s d
U
rtkek az egyoldali prbhoz.
306

307

308


5%
n dL dU dL dU dL dU dL dU dL dU dL dU dL dU dL dU dL dU dL dU
6 0,610 1,400 ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- -----
7 0,700 1,356 0,467 1,896 ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- -----
8 0,763 1,332 0,559 1,777 0,367 2,287 ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- -----
9 0,824 1,320 0,629 1,699 0,455 2,128 0,296 2,588 ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- -----
10 0,879 1,320 0,697 1,641 0,525 2,016 0,376 2,414 0,243 2,822 ----- ----- ----- ----- ----- ----- ----- ----- ----- -----
11 0,927 1,324 0,758 1,604 0,595 1,928 0,444 2,283 0,315 2,645 0,203 3,004 ----- ----- ----- ----- ----- ----- ----- -----
12 0,971 1,331 0,812 1,579 0,658 1,864 0,512 2,177 0,380 2,506 0,268 2,832 0,171 3,149 ----- ----- ----- ----- ----- -----
13 1,010 1,340 0,861 1,562 0,715 1,816 0,574 2,094 0,444 2,390 0,328 2,692 0,230 2,985 0,147 3,266 ----- ----- ----- -----
14 1,045 1,350 0,905 1,551 0,767 1,779 0,632 2,030 0,505 2,296 0,389 2,572 0,286 2,848 0,200 3,111 0,127 3,360 ----- -----
15 1,077 1,361 0,946 1,543 0,814 1,750 0,685 1,977 0,562 2,220 0,447 2,471 0,343 2,727 0,251 2,979 0,175 3,216 0,111 3,438
16 1,106 1,371 0,982 1,539 0,857 1,728 0,734 1,935 0,615 2,157 0,502 2,388 0,398 2,624 0,304 2,860 0,222 3,090 0,155 3,304
17 1,133 1,381 1,015 1,536 0,897 1,710 0,779 1,900 0,664 2,104 0,554 2,318 0,451 2,537 0,356 2,757 0,272 2,975 0,198 3,184
18 1,158 1,391 1,046 1,535 0,933 1,696 0,820 1,872 0,710 2,060 0,603 2,258 0,502 2,461 0,407 2,668 0,321 2,873 0,244 3,073
19 1,180 1,401 1,074 1,536 0,967 1,685 0,859 1,848 0,752 2,023 0,649 2,206 0,549 2,396 0,456 2,589 0,369 2,783 0,290 2,974
20 1,201 1,411 1,100 1,537 0,998 1,676 0,894 1,828 0,792 1,991 0,691 2,162 0,595 2,339 0,502 2,521 0,416 2,704 0,336 2,885
21 1,221 1,420 1,125 1,538 1,026 1,669 0,927 1,812 0,829 1,964 0,731 2,124 0,637 2,290 0,546 2,461 0,461 2,633 0,380 2,806
22 1,239 1,429 1,147 1,541 1,053 1,664 0,958 1,797 0,863 1,940 0,769 2,090 0,677 2,246 0,588 2,407 0,504 2,571 0,424 2,735
23 1,257 1,437 1,168 1,543 1,078 1,660 0,986 1,785 0,895 1,920 0,804 2,061 0,715 2,208 0,628 2,360 0,545 2,514 0,465 2,670
24 1,273 1,446 1,188 1,546 1,101 1,656 1,013 1,775 0,925 1,902 0,837 2,035 0,750 2,174 0,666 2,318 0,584 2,464 0,506 2,613
25 1,288 1,454 1,206 1,550 1,123 1,654 1,038 1,767 0,953 1,886 0,868 2,013 0,784 2,144 0,702 2,280 0,621 2,419 0,544 2,560
26 1,302 1,461 1,224 1,553 1,143 1,652 1,062 1,759 0,979 1,873 0,897 1,992 0,816 2,117 0,735 2,246 0,657 2,379 0,581 2,513
27 1,316 1,469 1,240 1,556 1,162 1,651 1,084 1,753 1,004 1,861 0,925 1,974 0,845 2,093 0,767 2,216 0,691 2,342 0,616 2,470
28 1,328 1,476 1,255 1,560 1,181 1,650 1,104 1,747 1,028 1,850 0,951 1,959 0,874 2,071 0,798 2,188 0,723 2,309 0,649 2,431
29 1,341 1,483 1,270 1,563 1,198 1,650 1,124 1,743 1,050 1,841 0,975 1,944 0,900 2,052 0,826 2,164 0,753 2,278 0,681 2,396
30 1,352 1,489 1,284 1,567 1,214 1,650 1,143 1,739 1,071 1,833 0,998 1,931 0,926 2,034 0,854 2,141 0,782 2,251 0,712 2,363
31 1,363 1,496 1,297 1,570 1,229 1,650 1,160 1,735 1,090 1,825 1,020 1,920 0,950 2,018 0,879 2,120 0,810 2,226 0,741 2,333
32 1,373 1,502 1,309 1,574 1,244 1,650 1,177 1,732 1,109 1,819 1,041 1,909 0,972 2,004 0,904 2,102 0,836 2,203 0,769 2,306
33 1,383 1,508 1,321 1,577 1,258 1,651 1,193 1,730 1,127 1,813 1,061 1,900 0,994 1,991 0,927 2,085 0,861 2,181 0,796 2,281
34 1,393 1,514 1,333 1,580 1,271 1,652 1,208 1,728 1,144 1,808 1,079 1,891 1,015 1,978 0,950 2,069 0,885 2,162 0,821 2,257
35 1,402 1,519 1,343 1,584 1,283 1,653 1,222 1,726 1,160 1,803 1,097 1,884 1,034 1,967 0,971 2,054 0,908 2,144 0,845 2,236
36 1,411 1,525 1,354 1,587 1,295 1,654 1,236 1,724 1,175 1,799 1,114 1,876 1,053 1,957 0,991 2,041 0,930 2,127 0,868 2,216
37 1,419 1,530 1,364 1,590 1,307 1,655 1,249 1,723 1,190 1,795 1,131 1,870 1,071 1,948 1,011 2,029 0,951 2,112 0,891 2,197
38 1,427 1,535 1,373 1,594 1,318 1,656 1,261 1,722 1,204 1,792 1,146 1,864 1,088 1,939 1,029 2,017 0,970 2,098 0,912 2,180
39 1,435 1,540 1,382 1,597 1,328 1,658 1,273 1,722 1,218 1,789 1,161 1,859 1,104 1,932 1,047 2,007 0,990 2,085 0,932 2,164
40 1,442 1,544 1,391 1,600 1,338 1,659 1,285 1,721 1,230 1,786 1,175 1,854 1,120 1,924 1,064 1,997 1,008 2,072 0,952 2,149
45 1,475 1,566 1,430 1,615 1,383 1,666 1,336 1,720 1,287 1,776 1,238 1,835 1,189 1,895 1,139 1,958 1,089 2,022 1,038 2,088
50 1,503 1,585 1,462 1,628 1,421 1,674 1,378 1,721 1,335 1,771 1,291 1,822 1,246 1,875 1,201 1,930 1,156 1,986 1,110 2,044
55 1,528 1,601 1,490 1,641 1,452 1,681 1,414 1,724 1,374 1,768 1,334 1,814 1,294 1,861 1,253 1,909 1,212 1,959 1,170 2,010
60 1,549 1,616 1,514 1,652 1,480 1,689 1,444 1,727 1,408 1,767 1,372 1,808 1,335 1,850 1,298 1,894 1,260 1,939 1,222 1,984
65 1,567 1,629 1,536 1,662 1,503 1,696 1,471 1,731 1,438 1,767 1,404 1,805 1,370 1,843 1,336 1,882 1,301 1,923 1,266 1,964
70 1,583 1,641 1,554 1,672 1,525 1,703 1,494 1,735 1,464 1,768 1,433 1,802 1,401 1,838 1,369 1,874 1,337 1,910 1,305 1,948
75 1,598 1,652 1,571 1,680 1,543 1,709 1,515 1,739 1,487 1,770 1,458 1,801 1,428 1,834 1,399 1,867 1,369 1,901 1,339 1,935
80 1,611 1,662 1,586 1,688 1,560 1,715 1,534 1,743 1,507 1,772 1,480 1,801 1,453 1,831 1,425 1,861 1,397 1,893 1,369 1,925
85 1,624 1,671 1,600 1,696 1,575 1,721 1,550 1,747 1,525 1,774 1,500 1,801 1,474 1,829 1,448 1,857 1,422 1,886 1,396 1,916
90 1,635 1,679 1,612 1,703 1,589 1,726 1,566 1,751 1,542 1,776 1,518 1,801 1,494 1,827 1,469 1,854 1,445 1,881 1,420 1,909
95 1,645 1,687 1,623 1,709 1,602 1,732 1,579 1,755 1,557 1,778 1,535 1,802 1,512 1,827 1,489 1,852 1,465 1,877 1,442 1,903
100 1,654 1,694 1,634 1,715 1,613 1,736 1,592 1,758 1,571 1,780 1,550 1,803 1,528 1,826 1,506 1,850 1,484 1,874 1,462 1,898
150 1,720 1,747 1,706 1,760 1,693 1,774 1,679 1,788 1,665 1,802 1,651 1,817 1,637 1,832 1,622 1,846 1,608 1,862 1,593 1,877
200 1,758 1,779 1,748 1,789 1,738 1,799 1,728 1,809 1,718 1,820 1,707 1,831 1,697 1,841 1,686 1,852 1,675 1,863 1,665 1,874
k = 9 k = 10 k = 5 k = 6 k = 7 k = 8 k = 1 k = 2 k = 3 k = 4



306
Savin, N. E.-White K. J. [1977]: 1989-1996.
307
Ramanathan Ramu [2003]: 614-615.
308
Az n= a megfigyelsek szma (n=1,2200), k= a magyarzvltozk szma (k=1,2..20).
193
5%
n dL dU dL dU dL dU dL dU dL dU dL dU dL dU dL dU dL dU dL dU
6 ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- -----
7 ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- -----
8 ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- -----
9 ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- -----
10 ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- -----
11 ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- -----
12 ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- -----
13 ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- -----
14 ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- -----
15 ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- -----
16 0,098 3,503 ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- -----
17 0,138 3,378 0,087 3,557 ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- -----
18 0,177 3,265 0,123 3,441 0,078 3,603 ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- -----
19 0,220 3,159 0,160 3,335 0,111 3,496 0,070 3,642 ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- -----
20 0,263 3,063 0,200 3,234 0,145 3,395 0,100 3,542 0,063 3,676 ----- ----- ----- ----- ----- ----- ----- ----- ----- -----
21 0,307 2,976 0,240 3,141 0,182 3,300 0,132 3,448 0,091 3,583 0,058 3,705 ----- ----- ----- ----- ----- ----- ----- -----
22 0,349 2,897 0,281 3,057 0,220 3,211 0,166 3,358 0,120 3,495 0,083 3,619 0,052 3,731 ----- ----- ----- ----- ----- -----
23 0,391 2,826 0,322 2,979 0,259 3,128 0,202 3,272 0,153 3,409 0,110 3,535 0,076 3,650 0,048 3,753 ----- ----- ----- -----
24 0,431 2,761 0,362 2,908 0,297 3,053 0,239 3,193 0,186 3,327 0,141 3,454 0,101 3,572 0,070 3,678 0,044 3,773 ----- -----
25 0,470 2,702 0,400 2,844 0,335 2,983 0,275 3,119 0,221 3,251 0,172 3,376 0,130 3,494 0,094 3,604 0,065 3,702 0,041 3,790
26 0,508 2,649 0,438 2,784 0,373 2,919 0,312 3,051 0,256 3,179 0,205 3,303 0,160 3,420 0,120 3,531 0,087 3,632 0,060 3,724
27 0,544 2,600 0,475 2,730 0,409 2,859 0,348 2,987 0,291 3,112 0,238 3,233 0,191 3,349 0,149 3,460 0,112 3,563 0,081 3,658
28 0,578 2,555 0,510 2,680 0,445 2,805 0,383 2,928 0,325 3,050 0,271 3,168 0,222 3,283 0,178 3,392 0,138 3,495 0,104 3,592
29 0,612 2,515 0,544 2,634 0,479 2,755 0,418 2,874 0,359 2,992 0,305 3,107 0,254 3,219 0,208 3,327 0,166 3,431 0,129 3,528
30 0,643 2,477 0,577 2,592 0,512 2,708 0,451 2,823 0,392 2,937 0,337 3,050 0,286 3,160 0,238 3,266 0,195 3,368 0,156 3,465
31 0,674 2,443 0,608 2,553 0,545 2,665 0,484 2,776 0,425 2,887 0,370 2,996 0,317 3,103 0,269 3,208 0,224 3,309 0,183 3,406
32 0,703 2,411 0,638 2,517 0,576 2,625 0,515 2,733 0,457 2,840 0,401 2,946 0,349 3,050 0,299 3,153 0,253 3,252 0,211 3,348
33 0,731 2,382 0,668 2,484 0,606 2,588 0,546 2,692 0,488 2,796 0,432 2,899 0,379 3,000 0,329 3,100 0,283 3,198 0,239 3,293
34 0,758 2,355 0,695 2,454 0,634 2,554 0,575 2,654 0,518 2,754 0,462 2,854 0,409 2,954 0,359 3,051 0,312 3,147 0,267 3,240
35 0,783 2,330 0,722 2,425 0,662 2,521 0,604 2,619 0,547 2,716 0,492 2,813 0,439 2,910 0,388 3,005 0,340 3,099 0,295 3,190
36 0,808 2,306 0,748 2,398 0,689 2,492 0,631 2,586 0,575 2,680 0,520 2,774 0,467 2,868 0,417 2,961 0,369 3,053 0,323 3,142
37 0,831 2,285 0,772 2,374 0,714 2,464 0,657 2,555 0,602 2,646 0,548 2,738 0,495 2,829 0,445 2,920 0,397 3,009 0,351 3,097
38 0,854 2,265 0,796 2,351 0,739 2,438 0,683 2,526 0,628 2,614 0,575 2,703 0,522 2,792 0,472 2,880 0,424 2,968 0,378 3,054
39 0,875 2,246 0,819 2,329 0,763 2,413 0,707 2,499 0,653 2,585 0,600 2,671 0,549 2,757 0,499 2,843 0,451 2,929 0,404 3,013
40 0,896 2,228 0,840 2,309 0,785 2,391 0,731 2,473 0,678 2,557 0,626 2,641 0,575 2,724 0,525 2,808 0,477 2,829 0,430 2,974
45 0,988 2,156 0,938 2,225 0,887 2,296 0,838 2,367 0,788 2,439 0,740 2,512 0,692 2,586 0,644 2,659 0,598 2,733 0,553 2,807
50 1,064 2,103 1,019 2,163 0,973 2,225 0,927 2,287 0,882 2,350 0,836 2,414 0,792 2,479 0,747 2,544 0,703 2,610 0,660 2,675
55 1,129 2,062 1,087 2,116 1,045 2,170 1,003 2,225 0,961 2,281 0,919 2,338 0,877 2,396 0,836 2,454 0,795 2,512 0,754 2,571
60 1,184 2,031 1,145 2,079 1,106 2,127 1,068 2,177 1,029 2,227 0,990 2,278 0,951 2,330 0,913 2,382 0,874 2,434 0,836 2,487
65 1,231 2,006 1,195 2,049 1,160 2,093 1,124 2,138 1,088 2,183 1,052 2,229 1,016 2,276 0,980 2,323 0,944 2,371 0,908 2,419
70 1,272 1,987 1,239 2,026 1,206 2,066 1,172 2,106 1,139 2,148 1,105 2,189 1,072 2,232 1,038 2,275 1,005 2,318 0,971 2,362
75 1,308 1,970 1,277 2,006 1,247 2,043 1,215 2,080 1,184 2,118 1,153 2,156 1,121 2,195 1,090 2,235 1,058 2,275 1,027 2,315
80 1,340 1,957 1,311 1,991 1,283 2,024 1,253 2,059 1,224 2,093 1,195 2,129 1,165 2,165 1,136 2,201 1,106 2,238 1,076 2,275
85 1,369 1,946 1,342 1,977 1,315 2,009 1,287 2,040 1,260 2,073 1,232 2,105 1,205 2,139 1,177 2,172 1,149 2,206 1,121 2,241
90 1,395 1,937 1,369 1,966 1,344 1,995 1,318 2,025 1,292 2,055 1,266 2,085 1,240 2,116 1,213 2,148 1,187 2,179 1,160 2,211
95 1,418 1,930 1,394 1,956 1,370 1,984 1,345 2,012 1,321 2,040 1,296 2,068 1,271 2,097 1,247 2,126 1,222 2,156 1,197 2,186
100 1,439 1,923 1,416 1,948 1,393 1,974 1,371 2,000 1,347 2,026 1,324 2,053 1,301 2,080 1,277 2,108 1,253 2,135 1,229 2,164
150 1,579 1,892 1,564 1,908 1,550 1,924 1,535 1,940 1,519 1,956 1,504 1,972 1,489 1,989 1,474 2,006 1,458 2,023 1,443 2,040
200 1,654 1,885 1,643 1,896 1,632 1,908 1,621 1,919 1,610 1,931 1,599 1,943 1,588 1,955 1,576 1,967 1,565 1,979 1,554 1,991
k = 17 k = 18 k = 19 k = 20 k = 13 k = 14 k = 15 k = 16 k = 11 k = 12



194
1%
n dL dU dL dU dL dU dL dU dL dU dL dU dL dU dL dU dL dU dL dU
6 0,390 1,142 ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- -----
7 0,435 1,036 0,294 1,676 ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- -----
8 0,497 1,003 0,345 1,489 0,229 2,102 ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- -----
9 0,554 0,998 0,408 1,389 0,279 1,875 0,183 2,433 ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- -----
10 0,604 1,001 0,466 1,333 0,340 1,733 0,230 2,193 0,150 2,690 ----- ----- ----- ----- ----- ----- ----- ----- ----- -----
11 0,653 1,010 0,519 1,297 0,396 1,640 0,286 2,030 0,193 2,453 0,124 2,892 ----- ----- ----- ----- ----- ----- ----- -----
12 0,697 1,023 0,569 1,274 0,449 1,575 0,339 1,913 0,244 2,280 0,164 2,665 0,105 3,053 ----- ----- ----- ----- ----- -----
13 0,738 1,038 0,616 1,261 0,499 1,526 0,391 1,826 0,294 2,150 0,211 2,490 0,140 2,838 0,090 3,182 ----- ----- ----- -----
14 0,776 1,054 0,660 1,254 0,547 1,490 0,441 1,757 0,343 2,049 0,257 2,354 0,183 2,667 0,122 2,981 0,078 3,287 ----- -----
15 0,811 1,070 0,700 1,252 0,591 1,465 0,487 1,705 0,390 1,967 0,303 2,244 0,226 2,530 0,161 2,817 0,107 3,101 0,068 3,374
16 0,844 1,086 0,738 1,253 0,633 1,447 0,532 1,664 0,437 1,901 0,349 2,153 0,269 2,416 0,200 2,681 0,142 2,944 0,094 3,201
17 0,873 1,102 0,773 1,255 0,672 1,432 0,574 1,631 0,481 1,847 0,393 2,078 0,313 2,319 0,241 2,566 0,179 2,811 0,127 3,053
18 0,902 1,118 0,805 1,259 0,708 1,422 0,614 1,604 0,522 1,803 0,435 2,015 0,355 2,238 0,282 2,467 0,216 2,697 0,160 2,925
19 0,928 1,133 0,835 1,264 0,742 1,416 0,650 1,583 0,561 1,767 0,476 1,963 0,396 2,169 0,322 2,381 0,255 2,597 0,196 2,813
20 0,952 1,147 0,862 1,270 0,774 1,410 0,684 1,567 0,598 1,736 0,515 1,918 0,436 2,110 0,362 2,308 0,294 2,510 0,232 2,174
21 0,975 1,161 0,889 1,276 0,803 1,408 0,718 1,554 0,634 1,712 0,552 1,881 0,474 2,059 0,400 2,244 0,331 2,434 0,268 2,625
22 0,997 1,174 0,915 1,284 0,832 1,407 0,748 1,543 0,666 1,691 0,587 1,849 0,510 2,015 0,437 2,188 0,368 2,367 0,304 2,548
23 1,017 1,186 0,938 1,290 0,858 1,407 0,777 1,535 0,699 1,674 0,620 1,821 0,545 1,977 0,473 2,140 0,404 2,308 0,340 2,479
24 1,037 1,199 0,959 1,298 0,881 1,407 0,805 1,527 0,728 1,659 0,652 1,797 0,578 1,944 0,507 2,097 0,439 2,255 0,375 2,417
25 1,055 1,210 0,981 1,305 0,906 1,408 0,832 1,521 0,756 1,645 0,682 1,776 0,610 1,915 0,540 2,059 0,473 2,209 0,409 2,362
26 1,072 1,222 1,000 1,311 0,928 1,410 0,855 1,517 0,782 1,635 0,711 1,759 0,640 1,889 0,572 2,026 0,505 2,168 0,441 2,313
27 1,088 1,232 1,019 1,318 0,948 1,413 0,878 1,514 0,808 1,625 0,738 1,743 0,669 1,867 0,602 1,997 0,536 2,131 0,473 2,269
28 1,104 1,244 1,036 1,325 0,969 1,414 0,901 1,512 0,832 1,618 0,764 1,729 0,696 1,847 0,630 1,970 0,566 2,098 0,504 2,229
29 1,119 1,254 1,053 1,332 0,988 1,418 0,921 1,511 0,855 1,611 0,788 1,718 0,723 1,830 0,658 1,947 0,595 2,068 0,533 2,193
30 1,134 1,264 1,070 1,339 1,006 1,421 0,941 1,510 0,877 1,606 0,812 1,707 0,748 1,814 0,684 1,925 0,622 2,041 0,562 2,160
31 1,147 1,274 1,085 1,345 1,022 1,425 0,960 1,509 0,897 1,601 0,834 1,698 0,772 1,800 0,710 1,906 0,649 2,017 0,589 2,131
32 1,160 1,283 1,100 1,351 1,039 1,428 0,978 1,509 0,917 1,597 0,856 1,690 0,794 1,788 0,734 1,889 0,674 1,995 0,615 2,104
33 1,171 1,291 1,114 1,358 1,055 1,432 0,995 1,510 0,935 1,594 0,876 1,683 0,816 1,776 0,757 1,874 0,698 1,975 0,641 2,080
34 1,184 1,298 1,128 1,364 1,070 1,436 1,012 1,511 0,954 1,591 0,896 1,677 0,837 1,766 0,779 1,860 0,722 1,957 0,665 2,057
35 1,195 1,307 1,141 1,370 1,085 1,439 1,028 1,512 0,971 1,589 0,914 1,671 0,857 1,757 0,800 1,847 0,744 1,940 0,689 2,037
36 1,205 1,315 1,153 1,376 1,098 1,442 1,043 1,513 0,987 1,587 0,932 1,666 0,877 1,749 0,821 1,836 0,766 1,925 0,711 2,018
37 1,217 1,322 1,164 1,383 1,112 1,446 1,058 1,514 1,004 1,585 0,950 1,662 0,895 1,742 0,841 1,825 0,787 1,911 0,733 2,001
38 1,227 1,330 1,176 1,388 1,124 1,449 1,072 1,515 1,019 1,584 0,966 1,658 0,913 1,735 0,860 1,816 0,807 1,899 0,754 1,985
39 1,237 1,337 1,187 1,392 1,137 1,452 1,085 1,517 1,033 1,583 0,982 1,655 0,930 1,729 0,878 1,807 0,826 1,887 0,774 1,970
40 1,246 1,344 1,197 1,398 1,149 1,456 1,098 1,518 1,047 1,583 0,997 1,652 0,946 1,724 0,895 1,799 0,844 1,876 0,749 1,956
45 1,288 1,376 1,245 1,424 1,201 1,474 1,156 1,528 1,111 1,583 1,065 1,643 1,019 1,704 0,974 1,768 0,927 1,834 0,881 1,902
50 1,324 1,403 1,285 1,445 1,245 1,491 1,206 1,537 1,164 1,587 1,123 1,639 1,081 1,692 1,039 1,748 0,997 1,805 0,955 1,864
55 1,356 1,428 1,320 1,466 1,284 1,505 1,246 1,548 1,209 1,592 1,172 1,638 1,134 1,685 1,095 1,734 1,057 1,785 1,018 1,837
60 1,382 1,449 1,351 1,484 1,317 1,520 1,283 1,559 1,248 1,598 1,214 1,639 1,179 1,682 1,144 1,726 1,108 1,771 1,072 1,817
65 1,407 1,467 1,377 1,500 1,346 1,534 1,314 1,568 1,283 1,604 1,251 1,642 1,218 1,680 1,186 1,720 1,153 1,761 1,120 1,802
70 1,429 1,485 1,400 1,514 1,372 1,546 1,343 1,577 1,313 1,611 1,283 1,645 1,253 1,680 1,223 1,716 1,192 1,754 1,162 1,792
75 1,448 1,501 1,422 1,529 1,395 1,557 1,368 1,586 1,340 1,617 1,313 1,649 1,284 1,682 1,256 1,714 1,227 1,748 1,199 1,783
80 1,465 1,514 1,440 1,541 1,416 1,568 1,390 1,595 1,364 1,624 1,338 1,653 1,312 1,683 1,285 1,714 1,259 1,745 1,232 1,777
85 1,481 1,529 1,458 1,553 1,434 1,577 1,411 1,603 1,386 1,630 1,362 1,657 1,337 1,685 1,312 1,714 1,287 1,743 1,262 1,773
90 1,496 1,541 1,474 1,563 1,452 1,587 1,429 1,611 1,406 1,636 1,383 1,661 1,360 1,687 1,336 1,714 1,312 1,741 1,288 1,769
95 1,510 1,552 1,489 1,573 1,468 1,596 1,446 1,618 1,425 1,641 1,403 1,666 1,381 1,690 1,358 1,715 1,336 1,741 1,313 1,767
100 1,522 1,562 1,502 1,582 1,482 1,604 1,461 1,625 1,441 1,647 1,421 1,670 1,400 1,693 1,378 1,717 1,357 1,741 1,335 1,765
150 1,611 1,637 1,598 1,651 1,584 1,665 1,571 1,679 1,557 1,693 1,543 1,708 1,530 1,722 1,515 1,737 1,501 1,752 1,486 1,767
200 1,664 1,684 1,653 1,693 1,643 1,704 1,633 1,715 1,623 1,725 1,613 1,735 1,603 1,746 1,592 1,757 1,582 1,768 1,571 1,779
k = 9 k = 10 k = 5 k = 6 k = 7 k = 8 k = 1 k = 2 k = 3 k = 4



195
1%
n dL dU dL dU dL dU dL dU dL dU dL dU dL dU dL dU dL dU dL dU
6 ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- -----
7 ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- -----
8 ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- -----
9 ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- -----
10 ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- -----
11 ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- -----
12 ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- -----
13 ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- -----
14 ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- -----
15 ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- -----
16 0,060 3,446 ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- -----
17 0,084 3,286 0,053 3,506 ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- -----
18 0,113 3,146 0,075 3,358 0,047 3,557 ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- -----
19 0,145 3,023 0,102 3,227 0,067 3,420 0,043 3,601 ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- -----
20 0,178 2,914 0,131 3,109 0,092 3,297 0,061 3,474 0,038 3,639 ----- ----- ----- ----- ----- ----- ----- ----- ----- -----
21 0,212 2,817 0,162 3,004 0,119 3,185 0,084 3,358 0,055 3,521 0,035 3,671 ----- ----- ----- ----- ----- ----- ----- -----
22 0,246 2,729 0,194 2,909 0,148 3,084 0,109 3,252 0,077 3,412 0,050 3,562 0,032 3,700 ----- ----- ----- ----- ----- -----
23 0,281 2,651 0,227 2,822 0,178 2,991 0,136 3,155 0,100 3,311 0,070 3,459 0,046 3,597 0,029 3,725 ----- ----- ----- -----
24 0,315 2,580 0,260 2,744 0,209 2,906 0,165 3,065 0,125 3,218 0,092 3,363 0,065 3,501 0,043 3,629 0,027 3,747 ----- -----
25 0,348 2,517 0,292 2,674 0,240 2,829 0,194 2,982 0,152 3,131 0,116 3,274 0,085 3,410 0,060 3,538 0,039 3,657 0,025 3,766
26 0,381 2,460 0,324 2,610 0,272 2,758 0,224 2,906 0,180 3,050 0,141 3,191 0,107 3,325 0,079 3,452 0,055 3,572 0,036 3,682
27 0,413 2,409 0,356 2,552 0,303 2,694 0,253 2,836 0,208 2,976 0,167 3,113 0,131 3,245 0,100 3,371 0,073 3,490 0,051 3,602
28 0,444 2,363 0,387 2,499 0,333 2,635 0,283 2,772 0,237 2,907 0,194 3,040 0,156 3,169 0,122 3,294 0,093 3,412 0,068 3,524
29 0,474 2,321 0,417 2,451 0,363 2,582 0,313 2,713 0,266 2,843 0,222 2,972 0,182 3,098 0,146 3,220 0,114 3,338 0,087 3,450
30 0,503 2,283 0,447 2,407 0,393 2,533 0,342 2,659 0,294 2,785 0,249 2,909 0,208 3,032 0,171 3,152 0,137 3,267 0,107 3,379
31 0,531 2,248 0,475 2,367 0,422 2,487 0,371 2,609 0,322 2,730 0,277 2,851 0,234 2,970 0,193 3,087 0,160 3,201 0,128 3,311
32 0,558 2,216 0,503 2,330 0,450 2,446 0,399 2,563 0,350 2,680 0,304 2,797 0,261 2,912 0,221 3,026 0,184 3,137 0,151 3,246
33 0,585 2,187 0,530 2,296 0,477 2,408 0,426 2,520 0,377 2,633 0,331 2,746 0,287 2,858 0,246 2,969 0,209 3,078 0,174 3,184
34 0,610 2,160 0,556 2,266 0,503 2,373 0,452 2,481 0,404 2,590 0,357 2,699 0,313 2,808 0,272 2,915 0,233 3,022 0,197 3,126
35 0,634 2,136 0,581 2,237 0,529 2,340 0,478 2,444 0,430 2,550 0,383 2,655 0,339 2,761 0,297 2,865 0,257 2,969 0,221 3,071
36 0,658 2,113 0,605 2,210 0,554 2,310 0,504 2,410 0,455 2,512 0,409 2,614 0,364 2,717 0,322 2,818 0,282 2,919 0,244 3,019
37 0,680 2,092 0,628 2,186 0,578 2,282 0,528 2,379 0,480 2,477 0,434 2,576 0,389 2,675 0,347 2,774 0,306 2,872 0,268 2,969
38 0,702 2,073 0,651 2,164 0,601 2,256 0,552 2,350 0,504 2,445 0,458 2,540 0,414 2,637 0,371 2,733 0,330 2,828 0,291 2,923
39 0,723 2,055 0,673 2,143 0,623 2,232 0,575 2,323 0,528 2,414 0,482 2,507 0,438 2,600 0,395 2,694 0,354 2,787 0,315 2,879
40 0,744 2,039 0,694 2,123 0,645 2,210 0,597 2,297 0,551 2,386 0,505 2,476 0,461 2,566 0,418 2,657 0,377 2,748 0,338 2,838
45 0,835 1,972 0,790 2,044 0,744 2,118 0,700 2,193 0,655 2,269 0,612 2,346 0,570 2,424 0,528 2,503 0,488 2,582 0,448 2,661
50 0,913 1,925 0,871 1,987 0,829 2,051 0,787 2,116 0,746 2,182 0,705 2,250 0,665 2,318 0,625 2,387 0,586 2,456 0,548 2,526
55 0,979 1,891 0,940 1,945 0,902 2,002 0,863 2,059 0,825 2,117 0,786 2,176 0,748 2,237 0,711 2,298 0,674 2,359 0,637 2,421
60 1,037 1,865 1,001 1,914 0,965 1,964 0,929 2,015 0,893 2,067 0,857 2,120 0,822 2,173 0,786 2,227 0,751 2,283 0,716 2,338
65 1,087 1,845 1,053 1,889 1,020 1,934 0,986 1,980 0,953 2,027 0,919 2,075 0,886 2,123 0,852 2,172 0,819 2,221 0,789 2,272
70 1,131 1,831 1,099 1,870 1,068 1,911 1,037 1,953 1,005 1,995 0,974 2,038 0,943 2,082 0,911 2,127 0,880 2,172 0,849 2,217
75 1,170 1,819 1,141 1,856 1,111 1,893 1,082 1,931 1,052 1,970 1,023 2,009 0,993 2,049 0,964 2,090 0,934 2,131 0,905 2,172
80 1,205 1,810 1,177 1,844 1,150 1,878 1,122 1,913 1,094 1,949 1,066 1,984 1,039 2,022 1,011 2,059 0,983 2,097 0,955 2,135
85 1,236 1,803 1,210 1,834 1,184 1,866 1,158 1,898 1,132 1,931 1,106 1,965 1,080 1,999 1,053 2,033 1,027 2,068 1,000 2,104
90 1,264 1,798 1,240 1,827 1,215 1,856 1,191 1,886 1,166 1,917 1,141 1,948 1,116 1,979 1,091 2,012 1,066 2,044 1,041 2,077
95 1,290 1,793 1,267 1,821 1,244 1,848 1,221 1,876 1,197 1,905 1,174 1,943 1,150 1,963 1,126 1,993 1,102 2,023 1,079 2,054
100 1,314 1,790 1,292 1,816 1,270 1,841 1,248 1,868 1,225 1,895 1,203 1,922 1,181 1,949 1,158 1,977 1,136 2,006 1,113 2,034
150 1,473 1,783 1,458 1,799 1,444 1,814 1,429 1,830 1,414 1,847 1,400 1,863 1,385 1,880 1,370 1,897 1,355 1,913 1,340 1,931
200 1,561 1,791 1,550 1,801 1,539 1,813 1,528 1,824 1,518 1,836 1,507 1,847 1,495 1,860 1,484 1,871 1,474 1,883 1,462 1,896
k = 17 k = 18 k = 19 k = 20 k = 13 k = 14 k = 15 k = 16 k = 11 k = 12


F.4. A grg betk

A o Alfa N v N
B | Bta Ksz
I Gamma O o Omikron
A o Delta H t P
E c Epszilon P R
Z , Zta E o Szigma
H q ta T t Tau
O 0 Thta Y u pszilon
I i Ita u F
K k Kappa X _ Kh
A Lambda + Psz
M M O e mega



196
Felhasznlt irodalom

Abraham B.- Ledolter J. [1983]: Statistical methods for forecasting. John Wiley & Sons. New
York.
Aczel A. D. [2002]: Complete business statistics. (The Irwin/McGraw-Hill series: operations
and decision sciences) McGraw - Hill Higher Education. 5. ed. McGraw -Hill/Irwin. Boston.
Almon, S. [1965]: The distributed lag between capital appropriations and expenditures.
Econometrica. 33.
Andreich Jen [1937]: A konjunktrakutats mdszerei. MTA.
Alt F. F. [1942]: Distributed lags. Econometrica. Vol. 10.
Arrow K. J. - Chenery H. B. - Minhas B. S. Solow R. M. [1961]: Capital - labor substitution
and economics efficiency. The Rewiew of Economics and Statistics.
Baczoni Pl [2007]: Egyszeren Microsoft Office Excel 2003. Panem. Budapest.
Balzsn Mcsai Andrea-Csetnyi Arthur [2003]: Kvatitatv technikk. II. Tanknyv. Zsig-
mond Kirly Fiskola. Budapest.
Balogh Mrta [2000]: Statisztikai ismeretek. Perfekt. Budapest.
Barancsuk Jnos [2008]: Mikrogazdasgtan. PTE KTK Pcs.
Brtfai Barnabs [2002]: Office XP. World 2002. Exel 2002. Power Point 2002. Outlook Ac-
cess 2002. BBS-Info Kft. Budapest.
Bartlett M. S. Cox F. R. S. [1975]: The analysis of time series: theory and practice. Chap-
man and Hall. London.
Bed Zsolt - Rappai Gbor [2006]: Is there causal relationship between the value of the news
and stock returns (trsszerz:). Hungarian Statistical review. Special number 10.
Berenson Mark L. Levine David M. Krehbiel Timothy C. [2006]: Basic business statis-
tics: Concepts and applications. 10th ed. Pearson/Prentice Hall.
Bertalanffy, L. [1938]: A Quantitative Theory of Organic Growth. (Inquiries on Growth Laws
II.) Human Biology, 10..
Bertalanffy, L. [1960]: Principles and theory of growth, in: Fundamental Aspects of Normal
and Malignet Growth, W. W. Nowinski (ed), Amsterdam.
Besenyei Lajos - Gidai Erzsbet - Novky Erzsbet [1977]: Jvkutats, elrejelzs a gyakor-
latban. KJK. Budapest.
Besenyei Lajos - Gidai Erzsbet - Novky Erzsbet [1982]: Elrejelzs. Megbzhatsg.
Valsg. KJK. Budapest.
Black K. [2006]: Business statistics (4. rev. ed.) John Wiley & Sons. New York. 2006.
Borli Kroly - Sipos Bla [1977]: Iparvllalati prognziskszts matematikai, statisztikai
mdszerkel. Kzgazdasgi s Jogi Knyvkiad. Budapest.
Box G. E. P. - Cox D. R [1964]: An analysis of transformations. Journal of the Royal Statisti-
cal Society. Series B 26. 2.
Box G.E.P. - Jenkins G. M. [1970]: Time series analysis. Forecasting and control. Holden-
Day. San Francisco. CA.
Box G. E. P.-Pierce A. [1970]: Distribution of residual autocorrelations in autoregressive in-
tegrated moving average time series models. Journal of the American Association. Vol. 65.
Braudel F. [1972]: A trtnelem s a trsadalomtudomnyok. A hossz idtartam. Szzadok.
4-5. sz.
Braudel F. [2004]: Anyagi kultra, gazdasg s kapitalizmus XV-XVIII. szzad. 1. kt. A
mindennapi let struktri: a lehetsges s a lehetetlen 2. kiad. Budapest. Gutta Knyvkiad.
Breusch, T. S.; A. R. Pagan [1979]: Simple test for heteroscedasticity and random coefficient
variation. Econometrica (Econometric Society) 47 (5).
Brdy Andrs [1983]: A lassul id. Kzgazdasgi s Jogi Knyvkiad. Budapest.
Bronstejn I. N. Szemengyajev K. A. Musiol G. Mhling H. [2004]: Matematikai kzi-
knyv. Typotex Kiad. Budapest.
Cobb C.W. Douglas P.H. [1928]: A theory of production. American Economic Review.
Vol. 18.
Cochrane - Orcutt. [1949]: Application of least squares regression to relationships containing
autocorrelated error terms. Journal of the American Statistical Association 44, 3261.
197
Colin P. D. Birch [1999]: A New Generalized Logistic Sigmoid Growth Equation Compared
with the Richards Growth Equation. Annals of Botany 83.
Dagum, C. (1985). Analyses of income distribution and inequality by education and sex in
Canada. In Advances in Econometrics, Vol. IV, R. L. Basmann and G. F. Rhodes, Jr., eds.
JAI Press, Greenwich, CN.
Demogrfiai vknyv. KSH. Budapest. 1993. 2006.
Descartes [1961]: Vlogatott filozfiai mvek. Akadmiai Kiad, Budapest.
Divatszociolgia [1982]: Vlogatta, szerkesztette, lektorlta: Klaniczay Gbor - S. Nagy Ka-
talin. Membrn knyvek. 1. kt. I.-III. - A Tmegkommunikcis Kutatkzpont Kiadsa.
Budapest.
Duijn J. J. Van [1982]: The long wave in economic life. London George Allen s Unwin.
Forrester J. W. [1982]: Nach jeder depression ein neuer aufschwung? Bild der Wissenschaft.
vi. 2. sz.
Durbin J. and Watson, G. S. [1950]: Testing for serial correlation in least squares regression.
I. Biometrika 37.
ltet dn Meszna Gyrgy Ziermann Margit [1982]: Sztochasztikus mdszerek s
modellek. KJK. Budapest 1982.
Encyclopedia of Statistical Sciences, 16 Volume Set, [2006] 2nd Edition Samuel Kotz,
Campbell B. Read, N. Balakrishnan, Brani Vidakovic ISBN: 978-0-471-15044-2. Hardcover
9686 pages January
Evans James R. [2007]: Statistics, data analysis, and decision modeling. Pearson-Prentice
Hall. New Jersey.
Ezekiel M. Fox K. A. [1970]: Korrelci- s regresszi-analzis. KJK. Budapest.
Farag Tams [2007]: Trtneti mutatszm az Emberi Fejlds brzolsra Magyaror-
szgon (1910-2001). Elemzsi ksrlet. Demogrfia. 50. vf. 2-3. sz.
Farrar D. E. s Glauber R. R. [1967]: Multicollinearity in regression analysis: the problem re-
visited. Review of Economics and Statistics.
Farnum Nicholas R. - Stanton LaVerne W. [1989]: Quantitative forecasting methods. Boston.
PWS-Kent Pub. Co.. 1989. I-II.
Fisher I. [1937]: Note on a short-cut method for calculating distributed lags. International Sta-
tistical Bulletin. Vol. 29.
Fokasz Nikosz [2006]: Nvekedsi fggvnyek, trsadalmi diffzi, trsadalmi vltozs. Szo-
ciolgiai Szemle. 3. sz.
Freschl Gyrgy [1982]: Bevezets az idsori mdszerek gyakorlatba. Statisztikai mdszerta-
ni fzetek. KSH. Budapest.
Gl P. Moldicz Cs. Novk T. [2004]: Gazdasgi ciklusok s gazdasgpolitika a 21. szzad
elejn. Fejleszts s finanszrozs. 4. sz.
Gazdasgi kplet-gyjtemny. [1978]: sszelltotta Kldor Mihly. Kzgazdasgi s Jogi
Knyvkiad. Budapest.
Glejser H. [1969]: A new test for heteroscedasticity. Journal of the American Statistical As-
sociation. 1. sz.
Godfrey, L. [1978]: Testing for multiplicative heteroscedasticity. Journal of the American
Statistical Association. 8. sz.
Goldfeld S. M. Quandt R. E. [1965]: Some Tests for Homoscedasticity. Journal of the Ame-
rican Statistical Association, Vol. 60, No. 310 (Jun)
Gompertz B. [1825]: On the nature of the function expressive of the law of human mortality,
and on a new mode of determining the value of life contingencies. Philosophical Transactions
of the Royal Society of London. Vol. 115 (1825)
Gazdag Lszl [1990]: A hossz hullmok problmja (Az vszzados gazdasgi ciklusok).
Gazdasgi Frum. 3. sz.
Greene, William H. [2003]: Econometric analysis. 5th ed. Pearson Education International.
Upper Saddle River, N. J. Prentice Hall.
Gujarati Damodar N. [2003]: Basic econometrics. McGraw-Hill Higher Education.
198
Hajdu Ott - Kertsz Lszl - Sipos Bla [1984]: A munkabrek regresszis elemzse s a
koncentrci vizsglata I. rsz. Statisztikai Szemle. A Kzponti Statisztikai Hivatal folyira-
ta. 62. vf. 4. sz.
Hajdu Ott - Kertsz Lszl - Sipos Bla [1984]: A munkabrek regresszis elemzse s a
koncentrci vizsglata. II. rsz. Statisztikai Szemle. A Kzponti Statisztikai Hivatal foly-
irata. 62. vf. 5. sz.
Hajdu O. - Herman S. - Pintr J. Rappai G. - Rdey K. [1994-95]: Statisztika I-II. JPTE
Kiad. Pcs.
Hajdu Ott - Herman Sndor - Pintr Jzsef - Rdey Katalin [1987]: konometriai alapvets.
Tanknyvkiad. Budapest 1987.
Hajdu Ott Hunyadi Lszl [1995]: Varianciafelbonts: elfeltevsek s kvetkeztetsek.
Szigma. 1-2. sz.
Hajdu Ott [1997]: A szegnysg mrszmai. KSH Knyvtr s Dokumentcis Szolglat.
Budapest.
Hajdu Ott [2003]: Tbbvltozs statisztikai szmtsok. KSH. Budapest.
M. J. Harrison [1982]: Tables of critical values for a Beta approximation to Szroeters statistic
for testing for heteroscedasticity. Oxford Bulletin of Economics and Statistics. 2 sz.
Hartmann Nicolai [1972]: Ltelmleti vizsgldsok. Budapest.
Harvey G. [2000]: Excel 2000 for Windows for dummies. Kossuth Kiad. Budapest.
Harvey A. C. [1976]: Estimating regression models with multiplicative heteroscedasticity. 3.
sz.
Haustein H. D. [1972]: Prognzismdszerek a szocialista gazdasgban. Kzgazdasgi s Jogi
Knyvkiad.
Heller Farkas [1943]: A kzgazdasgi elmlet trtnete. Gergely R. Budapest.
Herman Sndor [1985]: A szezonalts - vizsglat statisztikai mdszerei. IGK. Idszer gaz-
dasgirnytsi krdsek. Prodinform Mszaki tancsad vllalat. 4. szm.
Herman Sndor Varga Jzsef [1983]: A szezonlis trendezsg vizsglata. Statisztikai
Szemle. 61. vf. 6. sz.
Hill R. C., Griffiths W. E. Lim G. C. [2008]: Principles of Econometrics, 3rd Edition, Wiley
Hoover jr. Edgar Malone [1936]: The measurement of industrial localization. Review of Eco-
nomics and Statistics. Vol. 18. No.
Hos J. [2003]: Konjunktra- s piackutats. Aula. Budapest.
Hubbert M. K. [1956]: Nuclear energy and the fossil fuels M. K. Hubbert, Presented before
the Spring Meeting of the Southern District, American Petroleum Institute, Plaza Hotel, San
Antonio, Texas, March 7-8-9. 1956.
Hunyadi Lszl [1980]: Megosztott ksleltets konometriai modellek. Szigma 1-2. sz.
Hunyadi Lszl [2004]: A logisztikus fggvny s a logisztikus eloszls. Statisztikai szemle.
10 11. sz.
Hunyadi Lszl [2006]: A heteroszkedaszticitsrl egyszerbben. Statisztikai szemle. 1. sz.
Hunyadi Lszl [2000]: A mintavtel alapjai. BKE-Szmalk. Budapest 2000.
Hunyadi Lszl [2001]: Statisztikai kvetkeztetselmlet kzgazdszoknak. KSH. Budapest
2001.
Hunyadi Lszl [2002]: Grafikus brzols a statisztikban. Statisztikai Szemle. 1. sz.
Hunyadi Lszl [2005]: A hnyadosbecsls nhny tulajdonsga s egy j becslfggvnye.
Statisztikai Szemle. 2. sz.
Hunyadi Lszl Vita Lszl [2002]: Statisztika kzgazdszoknak. Budapest. KSH.
Hunyadi Lszl Vita Lszl [2008]: Statisztika I-II. Aula Kiad.
Ivnyi Attila Szilrd [1984]: Termkstratgia, gyrtspolitika, mszaki fejleszts. Mszaki
knyvkiad. Budapest.
Jnosa Andrs [2005]: Adatelemzs szmtgppel. Perfekt RT. Budapest.
Jnossy Ferenc [1966]: A gazdasgi fejlds trendvonala s a helyrelltsi peridus. Kzgaz-
dasgi s Jogi Knyvkiad. Budapest.
Jnossy Ferenc [1975]: A gazdasgi fejlds trendvonalrl. (msodik bvtett kiads) Mag-
vet Knyvkiad. Budapest.
199
Johnson, Norman Lloyd [1949]: Systems of frequency curves generated by methods of
translation, Biometrika, Vol. 36, No. 1-2.
Juglar C. [1862]: Des crises commerciales et leur retour periodique en France, en Augleterre
et aux Etats Unis. Franklin. Pris.
Kdas Klmn [1941]: ralakuls irnytsa s a piaci egyensly. Kzgazdasgi knyvtr.
XXV. ktet. Budapest.
Kdas Klmn [1944]: Az emberi munka termelkenysgnek statisztikai vizsglata a magyar
gyriparban. (A Cobb-Douglas fle statisztikai trvny kiegsztse) Magyar Statisztikai
Szemle. 7-8. sz.
Kehl Dniel Rappai Gbor [2006]: Mintaelemszm tervezse Likert-sklt alkalmaz
lekrdezsekben. Statisztikai Szemle. 84. vfolyam. 9. sz.
Kehl Dniel Sipos Bla [2007a]: A br s a klnbz brtermkek termeli rainak hossz
tv tendencii az Amerikai Egyeslt llamokban. I. rsz. Br- s Ciptechnika Piac.
LVII. vf. 1. sz.
Kehl Dniel Sipos Bla [2007b]: A br s a klnbz brtermkek termeli rainak hossz
tv tendencii az Amerikai Egyeslt llamokban. II. rsz. Br- s Ciptechnika Piac.
LVII. vf. 2. sz.
Kehl Dniel Sipos Bla: [2007c]: vszzados trendek s hossz ciklusok az Amerikai Egye-
slt llamokban, Knban s a vilggazdasgban. Hitelintzeti Szemle. Hatodik vfolyam. 3.
szm.
Kehl Dniel Sipos Bla [2007d]:3-12. A gazdasgi nvekeds ciklikus vltozsa az USA-
ban. Fejleszts s Finanszrozs. 4. sz.
Kehl Dniel Sipos Bla [2007e] 4. Secular Trends and Long Cycles in the US Economy.
Development and Finance. 4. sz.
Kehl Dniel Dr. Sipos Bla [2009]: A teltdsi, a logisztikus s letgrbe alak trendfgg-
vnyek becslse Excel parancsfjl segtsgvel. Statisztikai Szemle. 87. vf. 4. sz.
Kerkgyrt Gyrgyn Mundrucz Gyrgy [1995]: Statisztikai mdszerek a gazdasgi
elemzsben. 2. tdolgozott kiads. Aula Kiad. Budapest.
Kerkgyrt Gyrgyn Mundrucz Gyrgy Sugr Andrs [2001]: Statisztikai mdszerek
s alkalmazsuk a gazdasgi, zleti elemzsekben. Aula Kiad. Budapest 2001.
King Maxvel L. [1981]: A note on szroeters bound test. Oxford Bulletin of Economics and
Statistics. 3. sz.
Kiss Tibor [1985]: Koyck s Solow modelljeinek felhasznlsa a dntselksztsben. Sta-
tisztikai Szemle. 10. sz.
Kiss Tibor - Sipos Bla - Szentmiklsi Mikls [1995]: Az zleti ciklus modellezse s prog-
nosztizlsa EXPS- programmal. Statisztikai Szemle. A Kzponti Statisztikai Hivatal folyira-
ta. 73. vf. 8 - 9. sz.
Kiss Tibor Kruzslicz Ferenc - Sipos Bla - Szentmiklsi Mikls [1997]: A SABL- eljrs
felhasznlsa elemzsre s prognosztizlsra. Statisztikai Szemle. A Kzponti Statisztikai Hi-
vatal folyirata. 75. vf. X. sz.
Kiss Tibor Sipos Bla [1998]: REGAL: Expert system for multiple linear regression analysis.
Hungarian Statistical Review. 76. Volume. Special Number.
Kiss Tibor Sipos Bla [2000]: EXPS for Windows, a software application. Hungarian
Statistical Review. 78. Volume. Special Number.
Kitchin J. [1923]: Cycles and trends in economic factors. Review of Economic Statistics 5.
vf. 1. sz.
Kiss Tibor [1985]: Koyck s Solow modelljeinek felhasznlsa a dntselksztsben. Sta-
tisztikai Szemle. 10. sz.
Koyck, L. M. [1954]: Distributed lags and investment analysis. Amsterdam. North-Holland.
Knsel L. [1998]: On the accuracy of statistical distributions in Microsoft Excel 97. Computa-
tional Statistics and Data Analysis 26.
Knsel L. [2002]: On the reliability of Microsoft Excel XP for statistical purposes. Computa-
tional Statistics and Data Analysis 39.
Knsel L. [2005]: On the accuracy of statistical distributions in Microsoft Excel 2003. Com-
putational Statistics and Data Analysis 48.
200
Komjti Zoltn [1975]: A termelsi kapacits s az tbocstkpessg kihasznlsnak ssze-
fggsei az iparvllalatoknl. Ipari s ptipari Statisztikai rtest.
. . [1925]: . .-.
1925. - . 1. . 1.
Kondratieff N. D. [1926]: Die langen wellen der konjunktur. Archv fr Sozialwissenschaft
und Sozialpolitik. Berlin. 56. kt.
Kondratieff N. D. [1979]: The long waves in economic life. Review. 2. vf. 4. sz.
Kondratyev N. D. [1980]: A gazdasgi fejlds hossz hullmai. Trtnelmi Szemle. 22. vf.
2. sz.
Kovcs Pter Petres Tibor Tth Lszl [2004]: Adatllomnyok redundancijnak mrse.
Statisztikai Szemle. KSH. 6-7. sz.
Kovcs Pter [2008]: A multikollinearits vizsglata lineris regresszis modellekben. Sta-
tisztikai szemle. 1. sz.
Peter Kovacs Tibor Petres Laszlo Toth [2005]: A new measure of multicollinearity in lin-
ear regression models. International Statistical Review Volume 73 Number 3. International
Statistical Institute. Voorburg. The Netherlands.
Kovcs Pter [2008a]: A multikollinearits vizsglata lineris regresszis modellekben. Sta-
tisztikai szemle. 1. sz.
Kovcs Pter [2008b]: A statisztikaoktats mdszertannak modernizlsa? Statisztikai Szem-
le. A Kzponti Statisztikai Hivatal folyirata. 86. vf. 12. sz. 1143-1157.
Knut Sydsaeter - Peter I. Hammond [2006]: Matematika kzgazdszoknak. 2., jav. kiad. Bu-
dapest. Aula.
Krsi Gbor-Mtys Lszl-Szkely Istvn [1990]: Gyakorlati konometria. KJK. Budapest.
Kotler P. Keller K. L. [2006]: Marketing menedzsment. Akadmiai Kiad. Budapest.
Kovalcsik Gza [2000]: Excel 2000. ComputerBooks. Budapest.
Kvr Gyrgy [1988]: N. D. Kondratyev s a gazdasgi konjunktra nagy ciklusai. Magyar
Filozfiai Szemle. 5-6. sz.
Kves Pl [1981]: Indexelmlet s kzgazdasgi valsg Akadmiai Kiad. Budapest
1981.
Kves Pl - Prniczky Gbor [1981]: ltalnos statisztika I.-II. KJK. Budapest 1981.
Krek Bla [1966]: Lineris programozs. KJK. Budapest.
Krek Bla [1966]: Mtrixszmts. KJK. Budapest.
Krist Zoltn [1979]: Termelsi fggvnyek a gazdasgi elemzsben. konometriai fzetek
16. KSH. Budapest.
Kruzslicz Ferenc-Kiss Tibor-Sipos Bla: SABL Decomposition of Time Series 1997 JPTE
Version 2.1.)
Kuznets S. [1930]: Secular movements in production and prices. Houghton Miflin Company.
Boston s New York.
Labrousse E. [1984]: Esquisse du mouvement des prix et revenus en France au XVIIIme
sicle. 2 Vols. Edition des Archives Contemporaines. Paris.
Laherrre J. H. [2000]: Learn Strengths, Weaknesses to Understand Hubbert curve. Oil and
Gas Journal. April 17. http://dieoff.org/page191.htm (Elrs dtuma: 2009. janur 28.)
Lnrt Imre Rappai Gbor [2001]: Nhny gondolat a varianciabecsls hibahatrrl. Sta-
tisztikai Szemle. 7. sz.
Levenbach H. - Cleary J. P. [1982]: The beginning forecaster: The forecasting process
through data analysis. Lifetime Learning Publications. Belmont. Kalifornia.
Liao C. Y. - Podrzsk V. V.- Liu G. B.[2003]: Diameter and height growth analysis for
individual White Pine trees in the area of Kostelec nad ernmi lesy. Journal of Forest Scien-
ce. 49. (12). 544-551.
Lilien, Gary L., Kotler, P. [1983]: Marketing Decision Making Harper & Row, Publishers.
Maddala G. S. [2004]: Bevezets az konometriba. Budapest. Nemzeti Tananknyvkiad
Rt.
Mtys Antal [1973]: A modern polgri kzgazdasgtan trtnete. Kzgazdasgi s Jogi
Knyvkiad. Budapest.
201
S. Makridakis-S. C. Wheelwright- V. Mcgee [1983]: Forecasting: methods and applications.
2. Edition. John Wiley and Sons. Inc. New York.
S. Makridakis -S. C. Wheelwright- R. J. Hyndman. [1998]: Forecasting. John Wiley and
Sons. Inc. New York.
McCullough B.D. - Wilson B. [1999]: On the accuracy of statistical procedures in Microsoft
EXCEL 97. Computational Statistics and Data Analysis 31. 2737.
McCullough B.D. - Wilson B. [2002]: On the accuracy of statistical procedures in Microsoft
Excel 2000 and Excel XP. Computational Statistics and Data Analysis 40. 713721.
Mellr Tams - Rappai Gbor [2001]: Money Supply, GDP and Inflation: The Dynamic
Econometric Analysis of Macro-Equilibrium (trsszerz:). Hungarian Statistical Review.
Special number 6.
Meszna Gyrgy - Ziermann Margit [1981]: Valsznsgelmlet s matematikai statisztika.
KJK. Budapest 1981.
Mitscherlich E. A. [1919]: Das Gesetz des Pflanzenwachstums. Landwirtsch. Jahrb 53. 167-
182.
Molnr Gyngyvr-Cap Ben [2003]: A kpessgek fejldsnek logisztikus modellje. Isko-
lakultra. 2. sz.
Mundrucz Gyrgy [1981]: Alkalmazott regressziszmts. Akadmiai Kiad. Budapest.
1981.
Mundrucz Gyrgy [1982]: A minsgi ismrvek kztti kapcsolatok vizsglata. I.-II. Sta-
tisztikai Szemle 60. vf. 6.sz. 635-648. s 7. sz. 730-737.
Mundrucz Gyrgy [1998]: tmutat a statisztikai modellezshez. Aula Kiad. Budapest.
Naisbitt John - Aburdene Patricia [1991]: Megatrendek 2000. Tz j irnyzat a kilencvenes
vekben. Budapest. OMIKK.
John C. Nash [2008] Teaching statistics with Excel 2007 and other spreadsheets. Computa-
tional Statistics and Data Analysis (article in press)
Nerlove, Marc, [1972]: Lags in economic behavior. Econometrica. Econometric Society. vol.
40(2), March.
Novky Erzsbet [Szerk.] [1992]: Jvkutats. BKE. Budapest.
Nyitrai Ferencn - Rdey Katalin [1974]: Statisztika III. (Korszer statisztikai mdszerek s
alkalmazsuk a gyakorlati kzgazdasgi munkban). Tanknyvkiad. Budapest.
Park R. E. [1966]: Estimation with heteroscedastic error terms. Econometrica. vol. 34. no. 4.
okt.
Pawlowski Z. [1970]: konometria KJK. Budapest.
Pearson K. [1895]: Contributions to the mathematical theory of evolution. II: Skew variation
in homogeneous material. Philosophical Transactions of the Royal Society of London. 186.
Pearson K. [1905]: Das fehlergesetz und seine verallgemeinerungen durch fechner und Pear-
son. A Rejoinder. Biometrika. 4.
Pella JS and PK Tomlinson [1969]: A generalised stock-production model. Bull. IATTC 13.
Ptery Kristf [2003]:Tblzatkezels Excel 2002. Kossuth Kiad. Budapest.
Petres Tibor-Tth Lszl [2008]: Statisztika. KSH.
Pintr Jzsef [1991]: A heteroszkedaszticits diagnosztizlsa. Statisztikai Szemle. 69. vf. 1.
szm.
Pintr Jzsef [1987]: A termelsi fggvnyek vllalati alkalmazsai. Statisztikai Szemle. 2.
sz.
Pintr Jzsef [2000]: Bevezets a statisztika mdszereibe. Pcsi Tudomnyegyetem. Pcs.
2000.
Pintr Jzsef - Rappai Gbor [2001]: A mintavteli tervek ksztsnek nhny gyakorlati
megfontolsa. Marketing & Menedzsment. 5. sz.
Pintr Jzsef [2007]: A spektrlanalzisrl. Statisztikai Szemle. 85. vf. 2. sz.
Pintr Jzsef Rappai Gbor (szerkeszt) [2007]: Statisztika. Pcsi Tudomnyegyetem. Kz-
gazdasgtudomnyi Kar. Pcs.
Pusztai L. [1987]: Gazdasgi ciklus s bnzs. Belgyi Szemle. 9. sz.
Ramanathan Ramu [2003]: Bevezets az konometriba alkalmazsokkal. Budapest. Panem.
202
Raymond Pearl - Lowell J. Reed [1920]: On the rate of growth of the population of the United
States since 1790 and its mathematical representation. Proceedings of the National Academy
of Sciences. Volume 6. June 15. Number 6.
Raymond Pearl [1929]: The Biology of Population Growth. Howard Woolston. The American
Journal of Sociology, Vol. 35, No. 3 (Nov.)
Richards, F. J. [1959] A flexible growth function for empirical use. Journal of Experimental
Botany. Volume 10. Number 2.
Rappai Gbor [2001]: zleti statisztika Excellel. Kzponti Statisztikai Hivatal. Budapest.
Rappai Gbor [2003]: zleti statisztika: j tudomny vagy marketing-fogs? Statisztikai
Szemle. 5.
Rappai Gbor szerk. [2007]: Egy letplya hrom dimenzija. Tanulmnyktet Pintr Jzsef
emlkre. PTE KTK.
Rappai Gbor [2008]: Gondolatok a gazdasgtudomnyi kpzsi terleten foly statisztikaok-
tatsrl. Statisztikai Szemle. A Kzponti Statisztikai Hivatal folyirata. 86. vf. 9. sz. 829-
849.
Richards F. J. [1959] A flexible growth function for empirical use. J. Exp. Bot. 10.
Savin, N. E.-White K. J. [1977]: The Durbin-Watson Test for Serial Correlation with Extreme
Sample Sizes or Many Regressors. Econometrica, Vol. 45, No. 8. 1989-1996.
Schumpeter I. A. [1939]: Business cycles: A theoretical, historical and statistical analysis of
the capitalist process. New York and London: McGraw-Hill Book Co. Inc.. 1st ed. 2 vols.
Simiand F. [1932]: Le salaire, l'volution sociale et la monnaie. Essai de thorie
experimentale du salaire. 3 Vols. F. Alcan. Paris.
Sipos Bla [1982]: Termelsi fggvnyek - vllalati prognzisok. Kzgazdasgi s Jogi
Knyvkiad. Budapest.
Sipos Bla [1982]: Iparvllalati rprognzisok. PRODINFORM Mszaki Tancsad
Vllalat. Idszer Gazdasgirnytsi Krdsek. 4. sz. (2. vltozatlan kiads 1984.)
Sipos Bla [1982]: Termelsi fggvnyek - vllalati prognzisok. Kzgazdasgi s Jogi
Knyvkiad. Budapest.
Sipos Bla [1985]: Vllalati relrejelzsek. Kzgazdasgi s Jogi Knyvkiad. Budapest.
Sipos B. 1986: A Kondratyev-ciklus empirikus vizsglata s prognosztizlsa. Statisztikai
Szemle. A Kzponti Statisztikai Hivatal folyirata. 64. vf. 12. sz.
Sipos Bla [2003]: Vllalati prognosztika. (Elmlet Mdszertan - Szoftverek) PTE Kiad.
Pcs.
Solow R. M.[1960]: On a family of lag distributions. Econometrica.
Solow [1957]: Technical change and the aggregate production function. Review of Econom-
ics and Statistics 39 (August 1957).
Spiegel Murray R. [1995]: Statisztika: Elmlet s gyakorlat: SI mrtkegysgekkel. Schaum
knyvek. Panem Kft. - McGraw-Hill.
Statisztikai idsorok a Knai Npkztrsasgrl. [1986]: Kzponti Statisztikai Hivatal. Buda-
pest.
Szilgyi Gyrgy [2002]: Gondolatok a statisztika szakmai etikjrl. Statisztikai Szemle. 3.
sz.
Szroeter Jerzy [1978]: A class of parametric tests for heteroscedasticity in linear econometric
models. Econometrica. 46. vf. 6. sz.
Stuart A. s Ord J. K. [1994]: Kendalls advanced theory of statistics. Volume 1. Distribution
Theory. Sixth Edition. Edward Arnold. London.
Szentmiklsi Mikls [2000]: Pnzgyi elrejelzsi modellek ksztsnek nhny elmleti s
gyakorlati krdse. Osiris Kiad.
Szentmiklsi Mikls Rdey Katalin [2007]: Arima modellek alkalmazsa idsorelemzsre
s elrejelzsre. In.: Rappai Gbor szerk. [2007]: Egy letplya hrom dimenzija. Ta-
nulmnyktet Pintr Jzsef emlkre. PTE KTK.
Theil H. [1961]: Economic forecasts and Policy. 2nd Edition. Amsterdam: North Holland.
Theiss Ede [1943]: Konjunktrakutats. A Mrnki Tovbbkpz Intzet kiadvnyai. 15. k-
tet. 11. fzet. Budapest.
203
Theiss Ede szerk. [1958]: Korrelci s trendszmts. Kzgazdasgi s Jogi Knyvkiad.
Budapest.
Trcsik Mria [2003]: Fogyaszti magatarts. Trendek. j fogyaszti csoportok. KJK-
Kerszv. Budapest.
Vgsi Mria [2001]: jtermk marketing. Nemzeti Tanknyvkiad. Budapest.
Valkovics Emil [2001]: A Gompertz - fggvny felhasznlsi lehetsgei a demogrfiai mod-
ellezsben. Statisztikai szemle. 79. vf.
Varga Jzsef [2001]: A valsznsgelmlet alapjai. Pcsi Tudomnyegyetem. Pcs. 2001.
Verhulst, P. F. [1838]: Notice sur la loi que la population suit dans son accroissement.
Correspondance Mathematique et Physique. 10. szm. vf.
Vincze Istvn [1975]: Matematikai statisztika ipari alkalmazsokkal. Mszaki Knyvkiad.
Budapest 1975.
Vilggazdasgi idsorok 18601960. szerk.: Kenessey Zoltn [1965]: Kzponti Statisztikai
Hivatal. Kzgazdasgi s Jogi Knyvkiad. Budapest.
Yalta A.T. [2008]: The accuracy of statistical distributions in Microsoft Excel 2007. Com-
putational Statistics and Data Analysis (article in press)
Yule G. U. Kendall M. G. [1964]: Bevezets a statisztika elmletbe. KJK. Budapest. 1964.
Verhulst, P. F. [1838]: Notice sur la loi que la population suit dans son accroissement.
Correspondance Mathematique et Physique, 10.
Vet Istvnn [1980]: A dinamika vizsglata autoregressziv s osztott ksleltets modellek-
kel. KSH Mdszertani Fosztly. Bp.
Xinyou Yin-Jan Goudriaan-Egbert A. Lantinga - Jan Vos-Huub J. Spiertz [2003]: A Flexible
Sigmoid Function of Determinate Growth. Annals of Botany.
http://wapedia.mobi/en/Generalised_logistic_function (Elrs dtuma: 2009. janur 28.)
http://www.bioss.ac.uk/smart/unix/mgrow/slides/slide02.htm (Elrs dtuma: 2009. janur
28.)
http://www.horticultureandlandscape.rdg.ac.uk/hlm_richards.htm (Elrs dtuma: 2009. janu-
r 28.)