- •1)) Табличные и графические формы представления данных, их построение и анализ
- •2)) Обработка и анализ нечисловых (категорийных) данных с помощью сводных таблиц
- •4)) Методы группировки данных
- •5)) Методы группировки данных с помощью функции частота
- •7)) Показатели изменения уровней ряда динамики
- •9)) Методы сглаживания динамических рядов
- •10)) Аналитическое выравнивание динамического ряда. Виды трендовых моделей
- •Трендовые модели прогнозирования
- •12)) Автокорреляция уровней ряда. Свойства коэффициентов автокорреляции. Коррелограмма
- •13)) Сезонные колебания. Расчетов индексов сезонности.
- •14)) Построение аддитивных и мультипликативных моделей прогнозирования
- •15)) Доверительные интервалы прогноза. Оценка адекватности и точности моделей
- •17)) Создание файлов данных. Элементы описательной статистики в ппп statistica
- •18)) Представление многомерных данных в пакете statistica Стандартизация данных.
- •19)) Определение и экономическая интерпретация коэффициентов корреляции и детерминация Построение корреляционной матрицы в пакете statistica и её анализ, средствами пакета
- •Коэффициент корреляции Пирсона
- •20)) Многомерный регрессионный анализ в пакете statistica: Определение коэффициентов уравнения регрессии, оценка адекватности уравнения и оценка параметров и остатков
- •21)) Понятие кластерного анализа и области его применения
- •22)) Основные способы определения расстояний между объектами. Методы разбиения на кластеры
- •23))Математические характеристики кластера
- •24))Методика объединения (разбиения) в кластеры по иерархическому агломеративному методу. Дендограмма
- •25))Технология выполнения метода к- средних. Описания графика средних
- •26))Проверка статистической значимости построенных кластеров
- •27)) Дисперсионный анализ результатов метода к – средних
13)) Сезонные колебания. Расчетов индексов сезонности.
Ряд динамики формируются под влиянием различных взаимодействующих факторов, одни определяют тенденцию развития, а другие – колеблемость. При этом важно учитывать, относительно какой величины исследуется колеблемость. Например, можно исследовать колеблемость вокруг среднего уровня ряда Уср, который проходит параллельно оси абсцисс. А можно исследовать колебания уровней вокруг линии тренда. Первый показатель чем меньше, тем лучше, и показывает что линия тренда подобрана удачно. Адекватно к эмпирическим данным.
В рядах динамики, уровни которых являются месячными или квартальными показателями, наряду со случайными колебаниями часто наблюдаются сезонные колебания, по которыми понимается периодически повторяющееся из года в год повышение и снижение уровней в отдельные месяцы и кварталы. Сезонные волны измеряется. Все они основаны на сравнении фактических уровней каждого месяца со средним уровнем, со сглаженными скользящими средними или выравненными по уравнению тренда. Измерения «сезонной волны» рассчитывают либо абсолютные разности фактических уровней от среднего уровня, либо отношения месячных уровней к среднему месячному уровню за год, так называемые индексы сезонности
Для характеристики силы колеблемости уровней ДР используется среднее квадратическое отклонение индексов сезонности от 100%
Этот же результат можно получить и по другому, как коэффициент вариации
=33,38%,
где
-среднее квадратическое отклонение
уровней ряда
Расчет индексов сезонности за ряд лет. При наличии месячных данных за ряд лет расчет индексов сезонности можно осуществить по-разному.
1) По данным ряда лет рассчитывается среднее значение уровня для каждого месяца уtср, а также средний месячный уровень за весь период уср. Затем определяются индексы сезонности как процентное отношение средних уровней для каждого месяца к общему среднему месячному уровню всего ряда (за все годы)
Данный метод используется в основном в тех случаях, когда уровни одноименных месяцев в разные годы отличаются незначительно.
2) Если наблюдается тенденция к увеличению или снижению уровней из года в год, то используется другой метод.
Для каждого года отдельно рассчитываются индексы сезонности по формуле т.е. как
а затем из индексов одноименных месяцев находится средняя арифметическая.
Зная месячные индексы сезонности за каждый год, определим из них для каждого месяца среднюю арифметическую, в январе за два года и т.д.
Следующий прием измерения сезонных колебаний при наличии тренда в данных за ряд лет основан на сравнении фактических месячных уровней с выровненными по определенной аналитической формуле:
Затем находим индекс сезонности по каждому периоду времени.
Прогнозирование с учетом индекса сезонности по мультипликативной модели: по формуле Упрог=f(x) (Iсез)ср
Прогнозирование с учетом среднего абсолютного отклонения сезонности по аддитивной модели:
по формуле Упрог=f(x)+(Yi-Yтеор)ср
