METODE UTVRĐIVANJA TRENDA

Za utvrđivanje trenda mogu se primijeniti neparametrijske i parametrijske metode.

1􀃞Neparametrijske metode ne rezultiraju matematičkom jednadžbom trenda.
0 􀃞Najjednostavnija je metoda prostom rukom. Primjenjuje se na način da
se u grafikon s točkama koje prikazuju originalne podatke, prostom rukom
ucrta linija koja će što manje odstupati od originalnih podataka. To je
jednostavna metoda, ali nije naročito pouzdana.
1 􀃞Slijedeća neparametrijska metoda je metoda poluprosjeka Svodi se na
određivanje dviju točaka kroz koje se provlači pravac. Do potrebnih dviju
točaka dolazi se dijeljenjem vremenskog niza na dva jednaka dijela. Za
podatke jednog i drugog dijela izračunava se aritmetička sredina i centrira
u srednje razdoblje dijela iz kojeg je izračunata. Ucrtavanje aritmetičkih
sredina u grafikon omogućuje povlačenje linije trenda. Ako niz ima
neparan broj podataka, moguće ga je podijeliti na dva dijela tako da se
srednji član ili izostavi, ili dva puta uzme u obzir - kod izračunavanja prve
i druge aritmetičke sredine.
2 􀃞U neparametrijske metode ubraja se i metoda pomičnih prosjeka. Tom
se metodom “izglađuju” originalni podaci zamjenom članova vremenskog
niza nizom aritmetičkih sredina, računatih postepeno iz grupa od po
nekoliko članova. Za izračunavanje pomičnih aritmetičkih sredina
potrebni su pomični totali. Kod formiranja pomičnih totala, broj članova
može biti paran i neparan. Što više članova čini grupu, linija će biti
izglađenija, ali će nedostajati više pomičnih prosjeka u odnosu na broj
originalnih podataka.

Npr. neka vremenski niz sadrži 8 članova: y1, y2, y3,..., y8. ▪
1Prva pomična aritmetička sredina (pomični prosjek) izračunava se na
slijedeći način:

▪
1Druga pomična aritmetička sredina:

Dobivene aritmetičke sredine centriraju se u sredinu razdoblja za koje su računate.

Prednost metode pomičnih prosjeka je jednostavno izračunavanje, dok je veliki
nedostatak ne postojanje podataka o trendu u početnim i završnim vremenskim
razdobljima. Nedostatak je i osjetljivost aritmetičke sredine na ekstremne vrijednosti (kao
i kod metode poluprosjeka).
Neparametrijske metode su dobre kao prethodnice parametrijskim metodama koje trebaju
dovesti do linije koja će najbolje reprezentirati originalne podatke.
STATISTIKA: Predavanje12 Trend, statistička analiza
sezonskih utjecaja 3
1� Najčešće korištena parametrijska metoda je metoda
najmanjih kvadrata (model linearnog trenda jednak je
modelu jednostavne linearne regresije). Izračunava se
jednadžba linije kod koje će suma odstupanja između
originalnih vrijednosti vremenskog niza i utvrđenih
 trend podataka biti jednaka nuli (Model linearnog
trenda jednak je modelu jednostavne linearne
regresije).

Označe li se originalni podaci sa yi, a trend podatke sa

yci, te, primjeni li se metoda najmanjih kvadrata, vrijedi
sljedeće:

To je karakteristika aritmetičke sredine kao srednje

vrijednosti. Kod trenda shvaćenog kao dinamička srednja
vrijednost, taj uvjet zadovoljava samo jedna linija.
Nadalje, vrijedi i sljedeće:

Riječ je o principu metode najmanjih kvadrata. Kao trend

liniju metodom najmanjih kvadrata moguće je računati pravac
ili neku krivulju, ovisno o prethodno nacrtanom grafikonu s
originalnim podacima i eventualnoj primjeni neke od
navedenih neparametrijskih metoda. Velika prednost ove
metode je mogućnost interpretiranja izračunate jednadžbe
trenda, dok joj je nedostatak pretpostavka da se promatrana
pojava kreće tijekom neke određene krivulje.
Reprezentativnost modela se prosuđuje s pomoću varijance,
standardne devijacije te koeficijenta varijacije. Varijanca
je prosječno kvadratno odstupanje od prosjeka, a standardna
devijacija prosječno odstupanje od prosjeka.
Kako je standardna devijacija drugi korijen iz varijance,
moguće ju je zapisati s pomoću slijedećeg izraza:

Koeficijent varijacije je postotak standardne devijacije od

prosječne vrijednosti trenda:
STATISTIKA: Predavanje12 Trend, statistička analiza
sezonskih utjecaja 4
**LINEARNI TREND**
Jednadžba linearnog trenda je jednadžba pravca:

gdje su:
yci - zavisna varijabla (trend vrijednosti),
xi - oznaka za vrijeme,
parametar a - vrijednost trenda u ishodištu,
parametar b - koeficijent smjera pravca.
Varijabla xi je neovisna, dok je varijabla y ci ovisna
veličina. Naime, vrijednost trenda (yci) mijenjat će se
ovisno o promjeni vremena (xi). Simbolima a i b su označene
konstante (parametri) jednadžbe linearnog trenda. Parametar
a predstavlja vrijednost trenda u ishodištu, tj. slučaj
kada je varijabla xi = 0. Parametar b je koeficijent smjera
pravca. On određuje smjer i nagib pravca, te pokazuje za
koliko će se promijeniti vrijednost trenda ako se varijabla
xi promijeni za jednu jedinicu.
Kako bi se izračunali parametri a i b, potrebito je
riješiti slijedeće normalne jednadžbe:
Kada se izračunava linearni trend kojemu je ishodište u
prvoj godini vremenskoga niza, parametri se izračunavaju na
sljedeći način:
1� parametar b:

isto se može zapisati i :

1� parametar a:

Nakon izračunavanja trenda, suma trend vrijednosti

promatranoga vremenskoga niza mora biti jednaka sumi
originalnih vrijednosti istoga niza.
Na temelju izračunatih vrijednosti trenda moguće je
nacrtati liniju trenda. Kod linearnog trenda je dovoljno
ucrtati dvije trend vrijednosti (primjerice, vrijednost
trenda prvoga razdoblja i vrijednost trenda drugoga
razdoblja niza), jer je pravac određen sa dvije točke.
Pravac, koji predstavlja trend, mora prolaziti i kroz točku
određenu vrijednostima x i y.
Izračunavanje parametra a i b za jednadžbu linearnog trenda
može se pojednostaviti tako da se ishodište premjesti u
sredinu čitavog promatranoga razdoblja. U tom slučaju će
suma vrijednosti xi biti jednaka nuli, pa će i aritmetička
sredina biti jednaka nuli.
STATISTIKA: Predavanje12 Trend, statistička analiza
sezonskih utjecaja 5
Ako je , normalne jednadžbe se mogu pojednostaviti. Prva
normalna jednadžba se transformira u:
a druga normalna jednadžba poprima oblik:

Iz ovih normalnih jednadžbi slijede dalje novi izrazi za

izračunavanje parametara a i b:

Trend se može izračunati i za vremenske nizove u kojima su

podaci dati u nekim drugim vremenskim razdobljima -
polugodištima, tromjesečjima, mjesecima i dr. Što su kraća
vremenska razdoblja za koja su podaci prikupljeni,
izračunavanje trenda je duže jer ga je potrebito
izračunavati s mnogo više podataka. Zato je uobičajeno
izračunati trend na bazi godišnjih podataka, a zatim ga
preračunati u polugodišnji, tromjesečni ili mjesečni. Pri
preračunavanju godišnje jednadžbe trenda u trend s kraćim
vremenskim razdobljima, treba paziti da li se radi o
trenutačnom ili intervalnom vremenskom nizu.
U jednadžbi linearnog trenda nekog trenutačnog vremenskog
niza parametar b predstavlja apsolutnu promjenu pojave u
jednoj jedinici vremena. Ako se godišnja apsolutna promjena
podijeli sa 12, dobiti će se mjesečna apsolutna promjena.
Parametar a predstavlja vrijednost pojave prema trendu u
ishodištu. S obzirom da su podaci trenutačnog vremenskog
niza nastali sagledavanjem razine pojave u trenutku,
parametar a ostaje isti u bilo kojoj jednadžbi linearnog
trenda koja ima isto ishodište. Godišnja jednadžba se
preračunava u mjesečnu na slijedeći način:

Pri preračunavanju godišnje jednadžbe linearnog trenda

intervalnog vremenskog niza u mjesečnu, treba uzeti u obzir
kako se podaci odnose na čitavo analizirano vremensko
razdoblje. Parametar a se u godišnjoj jednadžbi linearnog
trenda odnosi na čitavu godinu dana. Ako se parametar a
podijeli sa 12, kvocijent će predstavljati vrijednost
trenda u ishodištu, koja se odnosi na mjesec dana. Podijeli
se parametar b godišnje jednadžbe linearnog trenda sa 12,
dobiti će se prosječna mjesečna vrijednost godišnje
promjene. Kako bi se izračunala prosječna mjesečna
vrijednost mjesečne promjene, potrebno je parametar b još
jednom podijeliti sa 12. Dakle, godišnja jednadžba
linearnog trenda intervalnog vremenskog niza se preračunava
u mjesečnu prema sljedećem izrazu:
STATISTIKA: Predavanje12 Trend, statistička analiza
sezonskih utjecaja 6
Primjer 1.
Izvoz županije Osječko-baranjske u razdoblju od 1990. godine do 1994. godine, prikazan
je sljedećom tablicom:
Godine Izvoz u mlrd
$
1990 178
1991 114
1992 106
1993 114
1994 130
Ukupno 642

Izvor: Statistički pregled Osječko-baranjske županije,

Osijek, svibanj, 1995., str. 16.
Za zadani niz izračunajte:
1a) linearni trend s ishodištem u prvoj godini niza,
2b) koeficijent varijacije linearnoga trenda,
3c) linearni trend s ishodištem u sredini vremenskoga
niza,
4d) preračunajte godišnju jednadžbu linearnoga trenda s
ishodištem u sredini vremenskoga niza u mjesečnu
jednadžbu trenda,
5e) liniju trenda, kao i originalne podatke prikažite
grafički

a) Izračunavanje linearnoga trenda s ishodištem u prvoj

godini niza
Godine Izvoz u mlrd X X2 XY Yci (Yi-Yci)2
$
1990 178 0 0 0 147,6 924,16
1991 114 1 1 114 138,0 576
 1992 106 2 4 212 128,4 501,76
1993 114 3 9 342 118,8 23,04
1994 130 4 16 520 109,2 432,64
Ukupno 642 10 30 1188 642 2457,6

Kako bi se izračunali parametri a i b, prvo je potrebito

izračunati prosjek varijable "oznaka vremena - X", kao i
prosjek "vrijednosti promatrane pojave - Y":

Za niz kojem je oznaka za ishodište u prvoj promatranoj

godini, parametar b se izračunava na slijedeći način:

Nadalje, parametar a jest:

STATISTIKA: Predavanje12 Trend, statistička analiza
sezonskih utjecaja 7
Jednadžbu linearnoga trenda je tada potrebno zapisati na
slijedeći način:
Yc = 147,6 - 9,6x
ishodište: 1990. godine (30.06.)
oznaka za Y: 1 mlrd US $
oznaka za X: 1 godina
Izračunata jednadžba se može protumačiti na slijedeći
način:
Prema trendu, 1990. godine u Osječko-baranjskoj
županiji uvoz je iznosio 147,6 mlrd US $, s prosječnim
godišnjim padom od 9,6 mlrd US $.
b) koeficijent varijacije linearnoga trenda
Kako bi se izračunao koeficijent varijacije linearnoga
trenda, prvo je potrebito izračunati varijancu, odnosno
standardnu devijaciju linearnoga trenda na slijedeći način:

Koeficijent varijacije je tada:

Kako koeficijent varijacije linearnoga trenda prelazi 15%,

reprezentativnost linearnog trenda je upitna, te je
potrebno konzultirati i druge (nelinearne) trend modele.
c) linearni trend s ishodištem u sredini vremenskoga niza,
Kada se izračunava linearni trend s ishodištem u sredini
vremenskoga niza koji broji neparan broj podataka, potrebno
je na slijedeći način odrediti "varijablu koja označuje
vrijeme, tj. X":
Godine Izvoz u mlrd X X2 XY Yci
$
1990 178 -2 4 -356 147,6
1991 114 -1 1 -114 138
1992 106 0 0 0 128,4
1993 114 1 1 114 118,8
1994 130 2 4 260 109,2
 Ukupno 642 0 10 -96 642

Parametri a i b se izračunavaju pomoću slijedećih izraza:

STATISTIKA: Predavanje12 Trend, statistička analiza

sezonskih utjecaja 8
Jednadžbu linearnoga trenda je tada potrebito zapisati na
slijedeći način:
Yc = 128,4 - 9,6x
ishodište: 1992. godine (30.06.)
oznaka za Y: 1 mlrd US $
oznaka za X: 1 godina
Izračunata jednadžba se može protumačiti na slijedeći
način:
Prema trendu, 1992. godine u Osječko-baranjskoj
županiji uvoz je iznosio 128,4 mlrd US $, s prosječnim
godišnjim padom od 9,6 mlrd US $.
d) preračunavanje godišnje jednadžbe linearnoga trenda s
ishodištem u sredini vremenskoga niza u mjesečnu jednadžbu
trenda
Kako bi se godišnja jednadžba linearnoga trenda s
ishodištem u sredini vremenskoga niza preračunala u
mjesečnu jednadžbu trenda, prvo je potrebno utvrditi je li
riječ o intervalnom ili trenutačnom vremenskom nizu.
Kako je u promatranome primjeru riječ o intervalnom
vremenskome nizu, pri preračunavanju godišnje jednadžbe
linearnog trenda u mjesečnu, parametri a i b se moraju
modificirati na sljedeći način:

Tada je mjesečna jednadžba trenda, sa svim potrebitim

oznakama slijedeća:
Yci = 10,7 - 0,07xi
ishodište: 30.06.1992. godine
oznaka za Y: 1 mlrd $
oznaka za X: 1 mjesec
Izračunata jednadžba se može protumačiti na slijedeći
način:
Prema trendu, od 15.06.1992. do 16.07.1992. godine u
Osječko-baranjskoj županiji uvoz je iznosio 10,7 mlrd
US $, s prosječnim mjesečnim padom od 0,07 mlrd US $.
STATISTIKA: Predavanje12 Trend, statistička analiza
sezonskih utjecaja 9
Primjer 2.
Broj upisanih redovitih studenata na dan 31.12. u razdoblju od 1990. godine do 1995.
godine, prikazan je slijedećom tablicom:
Godine Broj komitenata (stanje krajem
godine)
1990 1546
1991 1771
1992 1852
1993 1904
 1994 1842
1995 1998
Ukupno 10913

Za zadani niz izračunajte:

1a) linearni trend s ishodištem u prvoj godini niza,
2b) koeficijent varijacije linearnoga trenda,
3c) linearni trend s ishodištem u sredini vremenskoga
niza,
4d) preračunavanje polugodišnje jednadžbe linearnoga
trenda s ishodištem u sredini vremenskoga niza u
godišnju jednadžbu trenda
5e) preračunavanje godišnje jednadžbe linearnoga trenda s
ishodištem u sredini vremenskoga niza u mjesečnu
jednadžbu trenda
6f) liniju trenda, kao i originalne podatke prikažite
grafički

a) Izračunavanje linearnoga trenda s ishodištem u prvoj

godini niza
Godine Broj komitenata X X2 XY Yci (Yi-Yci)2
(stanje krajem
godine)
1990 1546 0 0 0 1638,45 8547,00
1991 1771 1 1 1771 1710,60 3648,16
1992 1852 2 4 3704 1782,75 4795,56
1993 1904 3 9 5712 1854,90 2410,81
1994 1842 4 16 7368 1927,05 7233,50
1995 1998 5 25 9990 1999,20 1,44
Ukupno 10913 15 55 28545 10912,9 26636,4
5 7

Da bi se izračunali parametri a i b, prvo je potrebito

izračunati prosjek varijable "oznaka vremena - X", kao i
prosjek "vrijednosti promatrane pojave - Y":

STATISTIKA: Predavanje12 Trend, statistička analiza

sezonskih utjecaja 10
Za niz kojem je oznaka za ishodište u prvoj promatranoj
godini, parametar b se izračunava na slijedeći način:

Nadalje, parametar a jest:

Jednadžbu linearnoga trenda za trenutačni vremenski niz je
tada potrebno zapisati na slijedeći način:
Yc = 1638,45 - 72,15x
ishodište: 31.12.1990. godine
oznaka za Y: 1 komitent
oznaka za X: 1 godina
Izračunata jednadžba može se protumačiti na slijedeći
način:
 Prema trendu, na dan 31.12.1990. godine broj
komitenata je bio 1639 (tj. 1638,45) s prosječnim
godišnjim porastom od 73 (tj. 72,15) komitenata.
b) koeficijent varijacije linearnoga trenda
Kako bi se izračunao koeficijent varijacije linearnoga
trenda, prvo je potrebno izračunati varijancu, odnosno
standardnu devijaciju linearnoga trenda na slijedeći način:

Koeficijent varijacije je tada:

Kako je koeficijent varijacije linearnoga trenda nizak,

moguće je zaključiti kako linearni trend dobro reprezentira
promatrani niz podataka, tj. linearni trend je
reprezentativna srednja vrijednost.
c) linearni trend s ishodištem u sredini vremenskoga niza,
Kada se izračunava linearni trend s ishodištem u sredini
vremenskoga niza koji broji paran broj podataka, potrebito
je na sljedeći način odrediti "varijablu koja označuje
vrijeme, tj. X":
Godine Broj upisanih X X2 XY
studenata
1990 1546 -5 25 -7730
1991 1771 -3 9 -5313
1992 1852 -1 1 -1852
1993 1904 1 1 1904
1994 1842 3 9 5526
1995 1998 5 25 9990
Ukupno 10913 0 70 2525
U prikazanome primjeru se izračunava polugodišnja jednadžba
linearnoga trenda. Naime, sredina čitavoga promatranoga
razdoblja se nalazi između 1992. i 1993. godine (točnije
31.12.1992. godine, odnosno 01.01.1993. godine). Od
31.12.1992. godine do prvog prethodnog podataka u nizu,
odnosno, prvog slijedećeg podatka u nizu stoji razdoblje od
pola godine (u intervalnim vremenskim nizovima podaci se
vežu za sredine razdoblja na koja se odnose). Nadalje, do
slijedećeg razdoblja u nizu stoji razdoblje od jedne godine
(odnosno, dva puta po pola godine) kako je i prikazano
oznakom za X.
Parametri a i b se izračunavaju pomoću sljedećih izraza:

Jednadžbu linearnoga trenda je tada potrebno zapisati na

slijedeći način:
Yc = 1818,83 + 36,07x
ishodište: 31.12.1993. godine
oznaka za Y: 1 komitent
oznaka za X: 1/2 godine
Izračunata jednadžba se može protumačiti na slijedeći
način:
 Prema trendu, na dan 31.12.1993. godine poduzeće je
imalo 1819 (tj. 1818,83) komitenata s prosječnim
polugodišnjim porastom od 36 (36,07) komitenata.
d) preračunavanje polugodišnje jednadžbe linearnoga trenda
s ishodištem u sredini vremenskoga niza u godišnju
jednadžbu trenda
Kako bi se polugodišnja jednadžba linearnoga trenda
preračunala u godišnju jednadžbu, potrebno je pomnožiti
parametar b sa 2 (jer dva polugodišta čine jednu godinu) i
tako ga transformirati u koeficijent smjera pravca
jednadžbe trenda koja se odnosi na jednu godinu.
Koeficijent smjera linearnoga trenda polugodišnje jednadžbe
u promatranome primjeru iznosi 36,07, dakle riječ je o
prosječnom polugodišnjem porastu komitenata od 36
komitenata. Množenjem koeficijenta smjera pravca sa dva,
tj.: izračunava se koeficijent smjera godišnje jednadžbe
linearnoga trenda.
Jednadžbu linearnoga trenda je tada potrebno zapisati na
slijedeći način:
Yc = 1818,83 + 72,14x
ishodište: 31.12.1993. godine
oznaka za Y: 1 komitent
oznaka za X: 1 godina
Izračunata jednadžba se može protumačiti na slijedeći
način:
Prema trendu, na dan 31.12.1993. godine, broj
komitenata je bio 1819 (tj. 18188,83) s prosječnim
godišnjim porastom od 72 (tj. 72,14) komitenata.
STATISTIKA: Predavanje12 Trend, statistička analiza
sezonskih utjecaja 12
e) preračunavanje godišnje jednadžbe linearnoga trenda s
ishodištem u sredini vremenskoga niza u mjesečnu jednadžbu
trenda
Da bi se godišnja jednadžba linearnoga trenda s ishodištem
u sredini vremenskoga niza preračunala u mjesečnu jednadžbu
trenda, prvo je potrebno utvrditi je li riječ o intervalnom
ili trenutačnom vremenskom nizu.
Kako je u promatranome primjeru riječ o trenutačnom
vremenskome nizu, da bi se godišnja jednadžba trenda
preračunala u mjesečnu, parametar b se mora modificirati na
slijedeći način:

Tada je mjesečna jednadžba trenda, sa svim potrebnim

oznakama slijedeća:
Yci = 1818,83 + 6,01 xi
ishodište: 31.12.1993. godine
oznaka za Y: 1 komitent
oznaka za X: 1 mjesec
Izračunata jednadžba može se protumačiti na slijedeći
način:
Prema trendu na dan 31.12.1993. poduzeće je brojilo
1819 (tj. 1818,83) komitenata, s prosječnim mjesečnim
rastom od 6 komitenata.
Kako bi se mjesečna jednadžba trenda preračunala u mjesečnu
jednadžbu trenda nekog drugog mjeseca, potrebito je
parametar b pomnožiti s vremenskim intervalom udaljenosti
određenoga mjeseca od mjeseca za koji je poznat parametar
b.
STATISTIKA: Predavanje12 Trend, statistička analiza
sezonskih utjecaja 13
**STATISTIČKA ANALIZA SEZONSKIH UTJECAJA**
"Sezonska pojava definirana je kao periodična pojava s
ciklusom od jedne godine."1 Drugim riječima, na pojavu koja
ima sezonski karakter, djeluju neki čimbenici periodično, te
u istom vremenskom razmaku izazivaju sezonske oscilacije.
Naravno, sezonske oscilacije pri tome utječu na tendenciju
(trend) razvoja kretanja promatrane pojave. Upravo ova
činjenica ukazuje na potrebu kvantificiranja odstupanja koja
izazivaju sezonske oscilacije.
Može se pretpostaviti da na razvoj pojave u određenom
razdoblju, promatrano preko multiplikativnog modela utječu
slijedeći čimbenici:

gdje je Yi = promatrana pojava,

Yci = trend promatrane pojave,
Ici = ciklična komponenta, indeksi ciklične komponente
Isi = sezonska komponenta, sezonski indeksi
Iei = rezidualni utjecaji, indeksi rezidualnih odstupanja.
Sezonske utjecaje moguće je izmjeriti na više načina. Ovdje
će biti opisan jedan od mogućih, u ovisnosti je li riječ o
linearnom ili krivolinijskom trendu.
Da bi se ocijenilo je li prigodno uporabiti analizu
sezonskih utjecaja na promatranom nizu podataka, vrlo često
se uporabljuju grafikoni:
1a) linijski grafikoni

1b) area grafikoni

1Šošić, Ivan, Serdar, Vladimir: Uvod u statistiku, Školska

knjiga, Zagreb, 1992., str. 200
STATISTIKA: Predavanje12 Trend, statistička analiza
sezonskih utjecaja 14
1c) polarni dijagrami

Navedeni grafikoni nisu jedini koji se uporabljuju za

prikazivanje sezonskih oscilacija promatranih pojava, ali su
najčešći. Na njima je jednostavno uočiti u kojim mjesecima
je pojava imala najveći, odnosno, najmanji intenzitet.
Prvo je potrebno utvrditi o kakvom je trendu riječ. U
nedostatku točnijih indikatora, dovoljno je promotriti
zbirni red u kojem se nalaze ukupni podaci promatrane pojave
za sve godine analiziranog razdoblja. Ukoliko zbirne
vrijednosti nemaju tendenciju konstantnog rasta ili pada,
potrebno je izabrati za metodu utvrđivanja vrijednosti
trenda - krivolinijski trend, tj. metodu pomičnih prosjeka.
Analogno, pokazuju li zbirne vrijednosti promatranih godina
tendenciju kontinuiranoga rasta ili pada, moguće je
uporabiti metodu linearnoga trenda.
11. Izračunavanje sezonskih indeksa ukoliko razvoj pojave
dobro reprezentira linearni trend

Identificira li se da je u pojedinim mjesecima svake godine

nekoga promatranoga razdoblja pojava značajno veća, odnosno
manja, te da promatranu pojavu dobro reprezentira linearni
trend, prvo je potrebno izračunati godišnju jednadžbu trenda
za promatrane godine.
Uputno je izračunati koeficijent varijacije, i na taj način
provjeriti je li linearna trend uistinu dobar reprezentant
promatranih podataka.

gdje je standardna devijacija linearnoga trenda:

Nadalje, interpolacijom trend vrijednosti, potrebno je

izračunati trend vrijednosti svih mjeseci promatranoga
razdoblja.
STATISTIKA: Predavanje12 Trend, statistička analiza
sezonskih utjecaja 15
Dijeljenjem mjesečnih originalnih vrijednosti promatranoga
niza s izračunatim mjesečnim trend vrijednostima,
izračunavaju se sezonski indeksi u kojima je još uvijek
sadržana rezidualna komponenta, jer je prema definiciji
multiplikativnoga modela:

Odnosno, ne razdvaja li se trend od ciklične komponente,

sezonski indeksi su:

Budući da je dijeljenjem mjesečnih originalnih vrijednosti s

mjesečnim trend vrijednostima izračunato za svaki mjesec
onoliko sezonskih indeksa koliko je bilo promatranih godina,
potrebno se odlučiti za jedan sezonski indeks, koji će biti
reprezetant pojedinog mjeseca. To se najčešće čini traženjem
medijan indeksa za svaki mjesec. Na taj način se određuje 12
medijan indeksa, koji i dalje sadrže rezidualnu komponentu.
Suma medijan indeksa bi, ukoliko je rezidualna komponenta
zanemariva, morala biti 1200. U protivnom, potrebno je
izračunati korektor s kojim se množi svaki medijan indeks:

Sada je moguće govoriti o sezonskim indeksima, koji će, ako

su manji od 100 govoriti u kojem postotku je sezona
djelovala u određenom mjesecu na smanjenje promatrane
pojave, i obratno, ako su veći od 100, u kojem postotku je
sezona djelovala na povećanje promatrane pojave.
Originalne vrijednosti je moguće "očistiti od sezonskog
utjecaja". Čišćenje originalnih vrijedosti od sezonskog
utjecaja obavlja se dijeljenjem originalnih vrijednosti
sezonskim indeksima. Na taj način se spoznaje koliko bi
iznosila promatrana pojava, u određenom mjesecu, određene
godine, da nije djelovala sezona.
Podatke je moguće "očistiti i od rezidualnog utjecja". U
tako izračunatoj vrijednosti, dakako, više nije uključen
utjecaj sezone, ali je i dalje uključen kako utjecaj trenda,
tako i rezidualnih djelovanja. Da bi se podaci očistili od
rezidualne komponente, potrebno je podatke očišćene od
sezonskog utjecaja podijeliti s vrijednostima trenda.
Utvrđivanjem sve tri komponente koje sudjeluju u
multiplikativnom stvaranju originalnoga podatka, moguće je
svaki originalni podatak raščlaniti prema slijedećoj shemi:
npr. za 1. mjesec prve promatrane godine
1� prema trendu trebalo je biti proizvedeno Yci

(upisati izračunatu mjesečnu trend vrijednost)

1� zbog utjecaja sezone proizvedeno je više(+%) ili manje (-
%) +- X

postotak obračunati od Yci i upisati izračunatu vrijednost

Ukupno Yci+X ili
Yci-X
1� zbog rezidualnih čimbenika proizvedeno je više(+%) ili
manje(-%) +- Z

(obračunati od prethodno izračunate sume Yci+X ili Yci-X)

1� originalna, stvarno proizvedena vrijednost Yi
STATISTIKA: Predavanje12 Trend, statistička analiza
sezonskih utjecaja 16
12. Izračunavanje sezonskih indeksa ukoliko razvoj pojave
dobro reprezentira krivolinijski trend

Ako pojavu dobro reprezentira krivolinijski trend, a

utvrđeno je da je u pojedinim mjesecima svake godine nekoga
promatranoga razdoblja pojava značajno veća, odnosno manja,
prvo je potrebno izračunati mjesečne trend vrijednosti.
Mjesečne trend vrijednosti krivolinijskog trenda računaju se
postupnim izračunavanjem:
1- 12 mjesečnih totala
2- 24 mjesečnih totala
3- 24 mjesečnih prosjeka, tj. mjesečnih trend
vrijednosti krivolinijskoga trenda

Očigledno, nedostajat će trend vrijednosti za prvih šest

mjeseci prve promatrane godine, kao i posljednjih šest
mjeseci posljednje promatrane godine.
Dalji postupak je identičan kao i kod izračunavanja
sezonskih indeksa kada pojavu dobro reprezentira linearni
trend.
Dijeljenjem mjesečnih originalnih vrijednosti promatranoga
niza s izračunatim mjesečnim trend vrijednostima,
izračunavaju se sezonski indeksi u kojima je još uvijek
sadržana rezidualna komponenta, jer je prema definiciji
multiplikativnoga modela:

Odnosno, ne razdvaja li se trend od ciklične komponente,

sezonski indeksi su:
Budući da je dijeljenjem mjesečnih originalnih vrijednosti s
mjesečnim trend vrijednostima izračunato za svaki mjesec
onoliko sezonskih indeksa koliko je bilo promatranih godina,
potrebno se odlučiti za jedan sezonski indeks, koji će biti
reprezentat pojedinog mjeseca. To se najčešće čini traženjem
medijan indeksa za svaki mjesec. Na taj način se određuje 12
medijan indeksa, koji i dalje sadrže rezidualnu komponentu.
Suma medijan indeksa bi, ukoliko je rezidualna komponenta
zanemariva, morala biti 1200. U protivnom, potrebno je
izračunati korektor s kojim se množi svaki medijan indeks:

Sada je moguće govoriti o sezonskim indeksima, koji će, ako

su manji od 100 govoriti u kojem postotku je sezona
djelovala u određenom mjesecu na smanjenje promatrane
pojave, i obratno, ako su veći od 100, u kojem postotku je
sezona djelovala na povećanje promatrane pojave.
Originalne vrijednosti je moguće "očistiti od sezonskog
utjecaja".
Čišćenje originalnih vrijednosti od sezonskog utjecaja
obavlja se dijeljenjem originalnih vrijednosti sezonskim
indeksima. Na taj način se spoznaje koliko bi iznosila
promatrana pojava, u određenom mjesecu, određene godine, da
nije djelovala sezona.
Podatke je moguće "očistiti i od rezidualnog utjecaja".
U tako izračunatoj vrijednosti, dakako, više nije uključen
utjecaj sezone, ali je i dalje uključen kako utjecaj trenda,
tako i rezidualnih djelovanja. Da bi se podaci očistili od
rezidualne komponente, potrebno je podatke očišćene od
sezonskog utjecaja podijeliti s vrijednostima trenda.
STATISTIKA: Predavanje12 Trend, statistička analiza
sezonskih utjecaja 17
Utvrđivanjem sve tri komponente koje sudjeluju u
multiplikativnom stvaranju originalnoga podatka, moguće je
svaki originalni podatak raščlaniti prema slijedećoj shemi:
npr. za 1. mjesec prve promatrane godine
1� prema trendu trebalo je biti proizvedeno Yci

(upisati izračunatu mjesečnu trend vrijednost)

1� zbog utjecaja sezone proizvedeno je više(+%) ili manje (-
%) +- X

postotak obračunati od Yci i upisati izračunatu vrijednost

Ukupno Yci+X ili
Yci-X
1� zbog rezidualnih čimbenika proizvedeno je više(+%) ili
manje(-%) +- Z

(obračunati od prethodno izračunate sume Yci+X ili Yci-X)

1� originalna, stvarno proizvedena vrijednost Yi

Primjer 1.2
Opće je poznato da je pivarska industrija u Europi vrlo
propulzivna grana, u intenzivnom razvoju. Mnogo elemenata
stimulira i utječe na intenzitet razvoja privredne grane kao
i svakog poduzeća.
Iz tablice 1 vidljivo je da u Republici Hrvatskoj postoji
sedam pivovara, a da se "Pivovara Osijek" nalazi na trećem
mjestu.
Tablica 1: Prodaja piva u Republici Hrvatskoj od 1987.
do 1992. godine
Pivovara 1987 1988 1989 1990 1991 1992
Karlovac 221,07 779,27 705,65 892,62 700,17 800,00
3 8 5 7 1 0
Zagreb 656,51 586,52 534,38 690,78 358,69 580,00
1 0 1 5 4 0
Osijek 343,45 406,04 374,64 419,10 285,80 230,00
8 4 1 3 4 0
Split 271,06 260,67 231,72 248,17 196,64 220,00
8 6 4 6 2 0
Koprivnic 178,88 174,18 186,76 221,18 185,33 200,00
a 5 7 9 7 8 0
Buzet 171,20 153,43 125,80 125,94 150,00 100,00
4 6 2 7 0 0
Daruvar 108,55 100,25 108,06 183,30 127,13 250,00
5 7 8 4 8 0

h
l

p
i
v
a

9
0

8
8

8
7

8
9

9
1

9
2
 2
H
o
r
v
a
t
,

J
a
s
n
a
;

T
o
l
u
š
i
ć
,

Z
d
r
a
v
k
o
:

E
k
o
n
o
m
s
k
i

v
j
e
s
n
i
k

STATISTIKA: Predavanje12 Trend, statistička analiza

sezonskih utjecaja 18
Na grafikonu 1, primjećuje se da je 1991. godine, u odnosu
na 1990. godinu, došlo do naglog smanjenja prodaje piva
proizvedenog u "Pivovari Osijek". Razlog tomu su ratna
zbivanja u Republici Hrvatskoj, te tržište zahvaćeno ratom.
U tablici 2 izvršena je usporedba ukupne prodaje piva u
Republici Hrvatskoj u posljednjih pet godina.
Tablica 2.: Ukupna prodaja piva u Republici Hrvatskoj u razdoblju od 1987. do 1992.
godine
Godina Prodaja piva
1987 1950,75
1988 2460,40
1989 2267,04
1990 2781,13
1991 2003,79
1992 2380,00

Grafikon 2, kao i tablica 2, pokazuju da je 1991. godina,

godina koja je u Republici Hrvatskoj najlošija po prodaji
piva (zbog okupacije 1/3 Republike Hrvatske, i nedostupnosti
distributera).
Rezidualna komponenta je u gotovo svim mjesecima svih godina
imala ujednačeno djelovanje na proizvodnju piva "Pivovare
Osijek". Izuzetak je kraj 1989. godine, s izrazito visokim
utjecajem rezidualnih čimbenika na porast proizvodnje piva,
te kraj 1991. godine i početak 1992. godine, u kojima je
rezidualna komponenta značajno djelovanja na smanjenje
proizvodnje piva "Pivovare Osijek".
Tablica 3: Originalni podaci realizacije piva "Pivovare" Osijek (u hektolitrima) za
razdoblje od 1987. do 1992. godine
Mjeseci 1987 1988 1989 1990 1991 1992
I 11741 15829 15514 13832 20141 12803
II 15946 18912 19189 18375 13447 11346
III 16482 25441 27471 26967 27265 15189
IV 32006 37567 35063 36354 30382 19183
V 28879 42577 39848 50738 26341 17869
VI 41037 37012 37045 43259 38999 22368
VII 51467 60781 49282 58671 40444 26437
VIII 41982 56496 45894 58074 34612 31530
IX 37009 32065 28208 37223 20518 22415
X 24180 27845 27592 29032 16271 15990
XI 19571 23315 25898 22385 6415 15607
XII 23158 28200 23637 24196 10969 23135
Ukupno 343458 406040 374641 419103 285804 233872

Izvor: Godišnje izvješće za 1992. "Pivovare Osijek"

STATISTIKA: Predavanje12 Trend, statistička analiza
sezonskih utjecaja 19
Budući da pojavu karakterizira nelinearnost, trend
vrijednosti realizacije piva "Pivovare Osijek" u periodu od
1987. do 1992. godine računate su metodom krivolinijskog
trenda. Trend vrijednosti krivolinijskog trenda
predstavljaju dvadesetčetiri mjesečni prosjeci, računati
preko dvanaest mjesečnih pomičnih totala, pomoću kojih su
dalje konstruirani dvadesetčetiri mjesečni totali.
Dijeljenjem dvadesetčetiri mjesečnih totala s dvadesetčetiri
izračunate su trend vrijednosti krivolinijskoga trenda, koje
su poslužile kao baza za izračunavanje sezonskih indeksa.
Obzirom da su pomični prosjeci centrirani u sredinu
razdoblja za koje su računati, nedostaju trend vrijednosti
za prvih šest mjeseci 1987. godine, i posljednjih šest
mjeseci 1992. godine.
U tablici 4 su prikazane trend vrijednosti krivolinijskoga
trenda, a pokazuju kakva bi bila realizacija piva "Pivovare
Osijek" u periodu od 1987. do 1992. godine, kada bi se
kretala točno po osnovnoj tendenciji kretanja utvrđenoj
trendom, u ovom slučaju krivolinijski.
Tablica 4: Vrijednosti krivolinijskog trenda realizacije
piva "Pivovare Osijek" za razdoblje od 1987. do 1992. godine
Trend 1987 1988 1989 1990 1991 1992
vrijednost
i,
24
mjesečni
pomični
prosjeci
I - 31613, 33090, 32894, 31419, 18415,
50 21 21 96 29
II - 32606, 32169, 33792, 29682, 17703,
33 33 92 92 25
III - 33005, 31566, 34676, 28009, 17653,
08 88 04 29 88
IV - 32951, 31395, 35111, 26781, 17721,
79 63 67 54 21
V - 33260, 31492, 35025, 25584, 18092,
50 71 29 42 50
VI - 33626, 31410, 34902, 24368, 18982,
58 21 08 00 42
VII 28791,8 33823, 31150, 35188, 23511, -
3 54 00 13 25
VIII 29088,7 33821, 31046, 35245, 23117, -
5 96 00 67 96
IX 29582,6 33918, 30991, 35052, 22527, -
3 08 08 75 25
X 30187,6 33898, 31023, 34816, 21557, -
3 33 88 33 46
XI 30990,0 33680, 31531, 33550, 20737, -
8 29 42 96 83
XII 313008, 33567, 32244, 32356, 19691, -
13 96 08 92 88
Budući da se trend vrijednosti značajno razlikuju od
originalnih vrijednosti realizacije piva "Pivovare Osijek",
za pretpostaviti je da su na realizaciju piva djelovali
različiti čimbenici. U tablici 5 su prikazani utjecaji
sezonske potrošnje piva, kao i neki drugi čimbenici -
nazvani rezidualni utjecaji.
STATISTIKA: Predavanje12 Trend, statistička analiza
sezonskih utjecaja 20
Tablica 5: Djelovanje sezonskih i rezidualnih utjecaja na
realizaciju piva "Pivovare" Osijek u razdoblju od 1987. do
1992. godine
Produkti 1987 1988 1989 1990 1991 1992
sezonskih
utjecaja i
reziduala �
100
I - 50,07 46,88 42,05 64,10 69,52
II - 58,00 59,65 54,38 45,30 64,09
III - 77,08 87,02 77,77 97,34 86,04
IV - 114,01 111,68 103,54 113,44 108,25
V - 128,01 126,53 144,86 102,96 98,76
VI - 110,07 117,94 123,94 160,04 117,84
VII 178,76 197,70 158,21 166,74 172,02 -
VIII 144,34 167,04 147,83 164,77 149,72 -
IX 125,10 94,54 91,02 106,19 91,08 -
X 80,10 82,14 88,94 83,39 75,48 -
XI 63,15 69,22 82,13 66,72 30,93 -
XII 73,77 84,01 73,31 74,77 55,70 -

Iz tablice 5 može se pročitati da su utjecaji sezone i

reziduala bili izrazito visoki (odnosno, djelovali su na
povećanje realizacije piva "Pivovare Osijek") u ljetnim
mjesecima (osobito u srpnju i kolovozu).
Međutim, da bi se razgraničili sezonski od rezidualnih
utjecaja, potrebno je izračunati sezonske indekse. U tablici
5 je vidljivo da za svaki mjesec postoje četiri indeksa. Oni
su međusobno različiti zbog rezidualnih utjecaja. Uzimajući
njihovu srednju vrijednost, eliminiraju se rezidualni
utjecaji. Za srednju vrijednost odabran je medijan, koji je
kao srednja položajna vrijednost manje osjetljiv na
ekstremne vrijednosti od aritmetičke sredine.
U tablici 6 prikazani su medijan indeksi, koji su nakon
potrebne korekcije rezultirali konačnim sezonskim indeksima.
Tablica 6: Medijan indeksi i sezonski indeksi realizacije
piva "Pivovare" Osijek, za razdoblje od 1987. do 1992.
godine
MJESECI MEDIJAN INDEKSI SEZONSKI
INDEKSI
 I 50,07 50,53
II 58,00 58,53
III 86,04 86,82
IV 111,68 112,70
V 126,53 127,68
VI 117,94 119,02
VII 172,02 173,59
VIII 149,72 151,09
IX 94,54 95,40
X 82,14 82,89
XI 66,72 67,33
XII 73,77 74,44
UKUPNO 1189,17 1200,02
STATISTIKA: Predavanje12 Trend, statistička analiza
sezonskih utjecaja 21
Očigledno, ljetni su mjeseci bili pod jakim utjecajem
sezone, koja je djelovala na povećanje realizacije piva
"Pivovare Osijek". U srpnju je sezona djelovala na porast
realizacije za čak 73,59%, dok je u kolovozu taj porast bio
za 51,09%.
Da bi se originalni podaci očistili od sezonskog utjecaja,
podijeljeni su sa konačnim sezonskim indeksima. U tablici 7
prikazani su podaci realizacije piva "Pivovare" Osijek, koji
bi imali navedene vrijednosti kada na realizaciju piva ne bi
djelovala sezona.
Tablica 7: Realizacija piva "Pivovare" Osijek, očišćena od
sezonskih utjecaja, za razdoblje od 1987. do 1992. godine
Vrijednos 1987 1988 1989 1990 1991 1992
ti
očišćene
od
sezonskog
utjecaja
· 100
I 23235,7 31325,9 30702,5 37373,8 39859,4 25337,4
0 4 5 4 9 2
II 28159,9 43466,6 46934,9 46073,8 46582,9 25950,7
2 0 1 1 5 9
III 36864,7 43269,9 40385,8 41872,8 34994,2 22095,1
8 8 6 4 4 4
IV 28399,2 33333,6 31111,8 32257,3 26958,3 17021,3
9 3 0 2 0 0
V 22618,2 33346,6 31209,2 39738,4 20630,4 13995,1
6 5 7 1 8 4
VI 34479,0 31097,2 31125,0 36345,9 32766,7 18793,4
8 9 2 9 6 8
VII 29648,6 35014,1 28389,8 33798,6 23298,5 15229,5
0 1 8 1 8 6
 VIII 27786,0 37392,2 30375,2 38436,6 22908,2 20868,3
9 8 7 9 0 6
IX 38793,5 33611,1 29568,1 39017,8 21507,3 23495,8
0 1 3 2 4 1
X 29171,1 33592,7 33287,4 35024,7 19629,6 19290,6
9 1 9 3 3 3
XI 29067,2 34627,9 38464,2 33246,7 9527,70 23179,8
8 5 8 0 6
XII 31109,6 37882,8 31753,0 32500,0 14735,3 31078,7
2 6 9 0 6 2

Iz tablice 7 je vidljivo da bi zimski mjeseci svih

promatranih godina, imali daleko veću realizaciju piva kada
na njih ne bi djelovala sezona. Na grafikonu 3 prikazani su
međusobni odnosi originalnih podataka, vrijednosti
krivolinijskog trenda, kao i sezonskih utjecaja na
realizaciju piva "Pivovare" Osijek.
Grafikon 3: Realizacija piva "Pivovare" Osijek u
razdoblju od 1987. do 1992. godine

Izvor: Godišnje izvješće za 1992. "Pivovare" Osijek

STATISTIKA: Predavanje12 Trend, statistička analiza
sezonskih utjecaja 22
U vrijednostima prikazanim u tablici 7, uključeni su kako
trend, tako i rezidualna komponenta. Čista rezidualna
komponenta izlučena je dijeljenjem vrijednosti očišćenih od
sezonskog utjecaja s vrijednostima trenda. Naravno,
rezidualne indekse za prvih šest mjeseci 1987. godine i
posljednjih šest mjeseci 1992. godine nije bilo moguće
dobiti, jer za njih ne postoje niti vrijednosti
krivolinijskog trenda. Rezidualna komponenta realizacije
piva "Pivovare Osijek" prikazana je u tablici 8, u obliku
indeksa.
Tablica 8: Rezidualna komponenta realizacije piva "Pivovare Osijek", za razdoblje od
1987. do 1992. godine
Rezidualni 1987 1988 1989 1990 1991 1992
indeksi
I - 99,09 92,78 83,22 126,86 137,59
II - 133,31 145,90 136,34 156,94 146,59
III - 131,10 127,94 120,75 124,94 125,16
IV - 101,16 99,10 91,87 100,66 96,05
V - 100,26 99,10 113,46 80,64 77,35
VI - 92,48 99,09 104,14 134,47 99,00
VII 102,98 103,52 91,14 96,05 99,10 -
VIII 95,53 110,56 97,84 109,05 99,09 -
IX 131,14 99,09 95,41 111,31 95,47 -
X 96,63 99,10 107,30 100,60 91,06 -
XI 93,80 102,81 121,99 99,09 45,94 -
XII 99,10 112,85 98,48 100,44 74,83 -
Rezidualni utjecaji su za strategiju plasmana proizvoda
nekog poduzeća vrlo bitni. Naime, poduzeća eliminiranjem
njihovih negativnih utjecaja, i stimuliranjem njihovih
pozitivnih utjecaja može direktno utjecati na prođu
određenog proizvoda.
Iz tablice 8 može se zaključiti da je rezidualna komponenta
utjecala na povećanje prodaje gotovo u svim mjesecima "mrtve
sezone", kao i u nekim mjesecima koji su imali povećanu
realizaciju piva i uslijed sezonskih utjecaja (primjerice
srpanj 1987., i 1988. godine, kao i kolovoz 1988., i 1990.
godine). Isto tako, u nekim mjesecima "pune sezone"
djelovanja rezidualnih čimbenika su smanjila realizaciju.
Grafikon 4 prikazuje osciliranje rezidualne komponente
prodaje piva "Pivovare Osijek".
Grafikon 4: Rezidualna komponenta prodaje piva "Pivovare"
Osijek za razdoblje od 1987. do 1992. godine

Izvor: Godišnje izvješće za 1992. "Pivovare" Osijek

STATISTIKA: Predavanje12 Trend, statistička analiza
sezonskih utjecaja 23
Da bi se otkrili neki od utjecajnih rezidualnih faktora
(osim ratnih) koji su djelovali na proizvodnju i realizaciju
"Pivovare Osijek", moguće je promotriti troškove prema
mjestima nastanka 1991. godine (kao jedne od
najnepovoljnijih poslovnih godina poduzeća), te kadrove
poduzeća "Pivovara Osijek" posljednjih šest godina.