- •Рівняння (1.3) приймає вигляд:
- •Практичне завдання
- •Варіанти практичного завдання
- •Лабораторна робота № 2 оцінка параметрів лінійної регресії. Оцінка якості та статистичної значущості моделі.
- •Практичне завдання
- •Варіанти практичного завдання
- •Лабораторна робота № 3 Автокореляція похибок. Метод ейткена
- •Практичне завдання
- •Варіанти практичного завдання
- •Лабораторна робота № 4 визначення наявності мультиколінеарності незалежних змінних. Алгоритм ферара-глобера
- •Практичне завдання
- •Варіанти практичного завдання
- •Практичне завдання
- •Варіанти практичного завдання
- •Лабораторна робота № 6
- •Практичне завдання
- •Варіанти практичного завдання
- •Декомпозиційний аналіз часового ряду
- •Практичне завдання
- •Варіанти практичного завдання
- •Практичне завдання
- •Варіанти практичного завдання
- •Література
- •Навчальне видання
Декомпозиційний аналіз часового ряду
Хід роботи.
Є щомісячні дані про об'єми продажів продукції (тис. грн) за останні 5 років.
1. Необхідно за допомогою „Майстра діаграм” в Excel побудувати графічне зображення ряду, для цього по осі ОХ відкладається номер спостереження (Т) - часовий параметр, від 1 до 60, а по осі OY відповідний обсяг продажів. По одержаному графіку необхідно зробити висновок про вид тренда (зростаючий або убуваючий).
2. Знаходження розмаху часового ряду R – різниця між максимальним і мінімальним елементом ряду:
(8.1)
3.
Визначення величини
- величини, на яку в середньому відбувається
приріст тимчасового ряду за одиницю
часу - як відношення розмаху до кількості
елементів ряду:
,
(8.2)
де Т – кількість початкових даних (у нашому прикладі 60).
4. Далі необхідно позбавитися тренда, для цього скористаємося наступною формулою:
(8.3)
де
- елементи початкового ряду даних;
-
величина на яку в середньому за одиницю
часу відбувається приріст ряду;
Т – кількість елементів ряду;
i – порядковий номер елементу ряду.
Залежно від виду тренда (зростаючий або убуваючий), необхідно використовувати одну з формул співвідношення (8.3), якщо початковий ряд мав зростаючий тренд, то необхідно використовувати співвідношення (8.3) із знаком “+”, якщо початковий ряд мав убуваючий тренд, то співвідношення (8.3) використовується із знаком “-“.
В результаті одержуємо ряд, що не має тренд, який необхідно нанести на першу діаграму, що містить ряд початкових даних.
5. Наступним етапом декомпозиційного аналізу є позбавлення від сезонних коливань, для цього необхідно заздалегідь розрахувати коефіцієнти сезонності. Для зручності їх розрахунку представити дані в наступному вигляді:
|
Рік Місяць |
I |
II |
III |
IV |
V |
|
|
|||||||
|
1 |
|
|
|
|
|
|
|
|||||||
|
2 |
|
|
|
|
|
|
|
|||||||
|
3 |
|
|
|
|
|
|
|
|||||||
|
… |
|
|
|
|
|
|
|
|||||||
|
12 |
|
|
|
|
|
|
|
|||||||
![]()
!!!
У таблицю заносяться дані позбавлені
від тренду -
!!!
Перші
12 значень заносяться в перший стовпець
(перший рік), наступні 12 – в другій
(другий рік) і так далі. Потім розраховується
середнє по кожному місяцю
,
,
а також середнє за всі п'ять років .
.
Коефіцієнти сезонності розраховуються
як відношення середнього значення за
відповідний місяць до загального
середнього за всі п'ять років:
,
(8.4)
Справедливо наступне співвідношення,
де n- період сезонності, в нашому прикладі період сезонності дорівнює 12, тому сума коефіцієнтів сезонності буде дорівнювати 12.
Чим більше коефіцієнти сезонності відрізняються від 1, тим сильніше сезонні коливання в даному часовому ряду.
Маючи
коефіцієнти сезонності, необхідно
позбавити ряд від сезонних коливань,
для цього кожне значення ряду позбавленого
від тренду
необхідне розділити на відповідний
коефіцієнт сезонності і одержаний ряд
також необхідно нанести на діаграму
початковий ряд, ряд без тренду та ряд,
що позбавлений тренду та сезонних
коливань.
