Открыть Электронные книги
Категории
Открыть Аудиокниги
Категории
Открыть Журналы
Категории
Открыть Документы
Категории
2
Тренд, сезонная и циклическая компоненты называются регулярными, или
систематическими компонентами временного ряда. Составная часть
временного ряда, остающаяся после выделения из него регулярной компоненты
представляет собой случайную, нерегулярную компоненту. Она является
обязательной компонентой любого временного ряда, так как случайные
отклонения неизбежно сопутствуют любому экономическому процессу.
Если систематические компоненты временного ряда определены
правильно, то остающаяся после их выделения остаточная последовательность
(ряд остатков) будет случайной компонентой, т.е. будет обладать следующими
свойствами:
– случайностью колебаний уровней остаточной последовательности;
– соответствием распределения случайной компоненты нормальному
закону распределения;
– равенством математического ожидания случайной компоненты нулю;
– независимостью значений уровня случайной последовательности.
Основная цель статистического анализа временных рядов – изучение
соотношения между закономерностью и случайностью в формировании
значений уровней ряда, оценка количественной меры их влияния.
Закономерности, объясняющие динамику показателя в прошлом, используются
для прогнозирования его значений в будущем, а учет случайности позволяет
определить вероятность отклонения от закономерного развития и его
возможную величину.
Проверка адекватности трендовых моделей основана на проверке
выполняемости у остаточной последовательности указанных четырех свойств.
Если не выполняется хотя бы одно из них, модель признается неадекватной;
при выполнении всех четырех свойств модель адекватна. Данная проверка
осуществляется с использованием ряда статистических критериев.
3
При анализе временных рядов широко применяются графические методы.
Это объясняется тем, что табличное представление временного ряда (табл. 1) и
описательные характеристики чаще всего не позволяют понять характер
процесса, а по графику временного ряда можно сделать определенные выводы,
которые потом могут быть проверены с помощью расчетов.
Визуальный анализ графика временного ряда позволяет сделать выводы о
следующем:
• наличии тренда и его характере;
• наличии сезонных и циклических компонент;
• степени плавности или прерывистости изменений последовательных
значений ряда после устранения тренда.
Так графический анализ ряда обычно задает направление его дальнейшему
анализу.
Задачу анализа временных рядов существенно упрощает применение
средств Excel.
В среде Excel для анализа временных рядов можно использовать средство
Мастер диаграмм.
Для создания диаграммы с помощью средства Мастер диаграмм
необходимо сначала выделить данные, которые будут отображены на
диаграмме (это необязательная операция, однако она позволит сэкономить
время при работе с Мастером). В выделяемые данные следует включить как
числовые данные, так и их подписи (рис. 1). Excel автоматически распознает
подписи и использует их при построении диаграммы.
Работа с Мастером диаграмм состоит из четырех основных шагов,
выполнение которых рассмотрим на следующем примере.
Пример
Построить график временного ряда Индекс потребительских расходов,
выделить тренд этого временного ряда и построить прогноз на два шага вперед.
Исходные данные по этому временному ряду за 16 месяцев приведены в
таблице 1.
4
Для построения графика временного ряда индекса потребительских
расходов, необходимо выполнить следующие действия.
Таблица 1
Индекс Индекс
№ №
потребительских потребительских
п/п п/п
расходов расходов
1 100 9 108,3
2 98,4 10 109,2
3 101,2 11 110,1
4 103,5 12 110,7
5 104,1 13 110,3
6 107 14 111,8
7 107,4 15 112,3
8 108,5 16 112,9
Шаг 1. Выбрать тип и вид диаграммы во вкладке Стандартные (тип:
График, вид: График с маркерами). Щелкнуть на кнопку «Далее» (рис. 2). На
экране появится диалоговое окно Мастер диаграмм (шаг 2 из 4) источник
данных диаграммы (рис. 3).
Мастер диаграмм
5
Рис. 1. Выделение данных перед началом работы
с Мастером диаграмм
6
Рис. 2. На первом этапе выбирается вид создаваемой диаграммы
7
Во вкладке Ряд можно управлять параметрами каждого ряда диаграммы. С
ее помощью можно выполнить следующие операции:
– добавить и удалить ряды;
– присвоить рядам имена;
– выделить (или переопределить) данные, используемые для построения
рядов;
– изменить подписи категории.
8
Шаг 3. Настроить диаграмму. В появившемся диалоговом окне
предлагается большое количество самых различных параметров диаграммы
(рис. 4). Если параметры не изменяются, то используется установленное по
умолчанию значение. Щелкнуть на кнопку «Далее».
9
Шаг 4. Выбрать месторасположение диаграммы (рис. 5). Щелкнуть на
кнопку «Готово».
Диаграмма будет расположена на одном листе с исходными данными (рис.
6). Она внедрена как объект в рабочий лист.
10
Для построения линии тренда сначала необходимо исключить сезонную
компоненту. Рассмотрим мультипликативную модель, то есть модель в
которую коэффициент сезонности входит в виде множителя Y(t) = f(t) S(t) U(t)
E(t).
Для проведения анализа рассмотрим данные по объему выпуска машин и
оборудования за шесть лет (данные поквартальные) (таблица 2).
Таблица 2
Производств Коэф.
о Центр сезон Скоррект
машин и Скользящ скольз Y (t ) коэф. Десезона-
t оборуд. средн S (t )= сезон
средн Y (t ) лизация
(млн.руб.) Y^ (t) Si
Y (t )
1 Q1 133311,44 1,14 116509,29
2 Q2 104542,31 0,82 127292,22
3 Q3 131442,74 129272,57 133267,54 0,99 0,98 133753,60
4 Q4 147793,81 137262,50 142929,18 1,03 1,05 140517,00
5 Q1 165271,15 148595,86 154788,85 1,07 1,14 144440,90
6 Q2 149875,75 160981,84 168123,50 0,89 0,82 182490,87
7 Q3 180986,66 175265,16 184236,24 0,98 0,98 184168,54
8 Q4 204927,09 193207,32 199585,83 1,03 1,05 194837,25
9 Q1 237039,80 205964,35 213405,26 1,11 1,14 207164,06
10 Q2 200903,84 220846,18 227518,71 0,88 0,82 244623,41
11 Q3 240514,01 234191,24 234978,23 1,02 0,98 244742,42
12 Q4 258307,32 235765,22 228662,90 1,13 1,05 245589,24
13 Q1 243335,73 221560,58 213419,37 1,14 1,14 212666,47
14 Q2 144085,26 205278,15 197596,17 0,73 0,82 175440,29
15 Q3 175384,30 189914,19 186729,62 0,94 0,98 178467,69
16 Q4 196851,46 183545,06 185895,59 1,06 1,05 187159,24
17 Q1 217859,20 188246,11 191608,96 1,14 1,14 190400,92
18 Q2 162889,49 194971,80 197856,29 0,82 0,82 198336,59
19 Q3 202287,04 200740,78 209688,99 0,96 0,98 205843,40
20 Q4 219927,40 218637,20 221950,71 0,99 1,05 209099,00
21 Q1 289444,85 225264,22 232465,63 1,25 1,14 252964,14
22 Q2 189397,58 239667,04 247622,03 0,76 0,82 230613,22
23 Q3 259898,34 255577,02 0,98 264467,54
24 Q4 283567,31 1,05 269605,53
4
∑ Si =3 , 99
помесячных – 12), а средняя 1. Так как, в примере i =1 , то требуется
4
s поправки= 4
∑ Si Si
i=1 , где - скорректированный коэффициент сезонности,
12
s поправки - поправочный коэффициент. В нашем примере коэффициент поправки
для мультипликативной модели составляет 1,003563. Умножив на эту величину
средние коэффициенты сезонности, получим скорректированные
коэффициенты сезонности
S i (см. графу 6 таблицы 2).
ИТОГ
КВАРТАЛЫ 1 2 3 4 О
1,1442 0,8212 0,9827 1,0517
S(t) 1 8 2 9 4,00000
13
13 Q1 243335,73 221560,58 213419,37 29916,36 30142,79 213192,94
14 Q2 144085,26 205278,15 197596,17 -53510,9 -37622,70 181707,96
15 Q3 175384,30 189914,19 186729,62 -11345,3 -2966,92 178351,22
16 Q4 196851,46 183545,06 185895,59 10955,88 10446,83 186404,63
17 Q1 217859,20 188246,11 191608,96 26250,25 30142,79 187716,41
18 Q2 162889,49 194971,80 197856,29 -34966,8 -37622,70 200512,19
19 Q3 202287,04 200740,78 209688,99 -7401,95 -2966,92 205253,96
20 Q4 219927,40 218637,20 221950,71 -2023,31 10446,83 209480,57
21 Q1 289444,85 225264,22 232465,63 56979,22 30142,79 259302,06
22 Q2 189397,58 239667,04 247622,03 -58224,5 -37622,70 227020,28
23 Q3 259898,34 255577,02 -2966,92 262865,26
24 Q4 283567,31 10446,83 273120,48
4
∑ Si =−2761 , 03
компонент должна равняться 0. Так как, в примере i=1 , то
4
s поправки=∑ Si /4
где i=1 , где S i - скорректированный коэффициент сезонности,
14
s поправки - поправочный коэффициент. В нашем примере коэффициент поправки
для аддитивной модели составляет -690,25675. Прибавляя эту величину к
средним значениям сезонных компонент, получим скорректированные
15
Заполняем. Входной интервал – исходные значения временного ряда. Интервал
– число кварталов, включаемое в подсчет скользящего среднего. Так как будем
строить сглаженный временной ряд по данным четырех кварталов, в поле
вводим цифру 4. Выходной интервал – диапазон ячеек для выведения
полученных результатов.
16
Установив флажок в поле «Стандартные погрешности», мы автоматически
добавляем в таблицу столбец со статистической оценкой погрешности.
17
Составлять прогнозы по методу скользящего среднего просто и эффективно.
18
При выборе типа Полиномиальная введите значение степени в поле
«Степень» (в поле «Степень», используемом для полиномиального типа,
устанавливается величина порядка регрессии).
Если же вы выбрали тип Скользящее среднее (который не является
регрессией), то введите значение в поле «Точки» (поле «Точки» для
скользящего среднего используется для установки количества точек,
необходимых для вычисления средней величины).
4. Убедиться в том, что ряд, для которого необходимо построить линию
тренда, выделен в списке Построение линии тренда на ряде. Если нет, то
выделите его.
19
Рис. 8. Диалоговое окно Линия тренда (вкладка тип)
20
Рис. 9. Диалоговое окно Линия тренда (вкладка параметры)
21
Рис. 10. Результат построения тренда и прогнозирования
по тренду для временного ряда «Индекс потребительских расходов»
22