1638
.pdfДля получения уравнения тренда чаще всего используют метод наименьших квадратов, который был изложен в главе 3. Время t рассматривается как независимая переменная, а значения временного ряда полагают функцией времени. При этом вычисления несколько упрощаются из-за того, что значения аргумента t – натуральные числа. Если в ряде n значений, то t = 0,1,2,…, n-1. В дальнейшем будут использованы хорошо известные формулы сумм целых степеней последовательных натуральных чисел:
|
|
n 1 |
|
n(n 1) |
|
|
|
|
|
n 1 |
|
|
|
|
|
n(n 1)(2n 1) |
|
|
|||||||||||||||
|
|
t |
; |
|
|
|
|
t2 |
|
; |
|
||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||
|
1 |
|
|
2 |
|
|
|
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
6 |
|
|
|
|
||||
n 1 |
2 |
(n 1) |
2 |
|
|
|
|
|
n 1 |
|
|
|
n 1 |
|
|
|
|
|
|
|
|
|
|
|
|||||||||
t3 |
|
n |
|
|
; |
|
|
|
t4 |
|
|
n(2n 1)(3n2 3n 1). |
|||||||||||||||||||||
|
|
4 |
|
|
|
|
|
|
|
|
|||||||||||||||||||||||
1 |
|
|
|
|
|
|
|
|
|
|
1 |
|
30 |
|
|
|
|
|
|
|
|
|
|
|
|||||||||
4.2.2.1 Линейный тренд |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
Пусть y(t)=at+b, тогда |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
|
|
|
|
|
|
|
|
|
a Sty /St2; |
b |
|
|
|
, |
|
|
|
|
|
|
|||||||||||||
|
|
|
|
|
|
|
|
|
y |
at |
|
|
|
|
|
||||||||||||||||||
при этом |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
n(n 1) |
|
|
n 1 |
|
2 |
|
1 n 1 |
|
2 |
|
|
|
|
|
n 1 |
2 |
|
n2 1 |
|||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||
|
t |
|
|
|
|
|
|
; |
St |
|
|
1 |
t |
|
( |
|
) |
|
|
|
. |
||||||||||||
|
|
|
|
|
|
|
n |
|
2 |
|
12 |
||||||||||||||||||||||
|
|
2n |
|
|
2 |
|
|
Пример. Рассчитаем коэффициенты a и b линейного уравнения тренда для ряда роста населения США (табл. 4.1).
|
|
|
|
n 1 |
|
|
|
|
Здесь n=20; |
|
9,5; |
|
tyt |
42386,9; |
Sty 74,42; |
|
215,255; |
t |
St2 33,25; |
y |
||||||
|
|
|
|
1 |
|
|
|
|
a=2,24; b 193,9 194.
Уравнение тренда получилось таким: y = 2,24t + 194.
Эта прямая настолько хорошо сливается с графиком временного ряда, что на рис. 4.1 она не показана. Если рассчитать трендовые значения в
1964 (t= -1) и в 1985 (t= 20) годах, получим: y(-1)=191,8; y(20)=238,8.
Реальные значения таковы: y1964=191,9; y1985=239,3. Совпадение просто поразительное! Когда ряд так хорошо себя ведёт, коэффициенты a и b очень точно можно оценить просто “на глаз”, выбрав пару подходящих точек на графике. Возьмём t =0 и t =10 (y0=194,3, y10=216). Получаем следующую систему для определения чисел a и b:
b 194,3;
10a b 216.
Отсюда a=2,17.
61
Пример. Построим уравнение линейного тренда для безработицы в США. Этот ряд сильно колеблется, но линейный тренд всё-таки достаточно хорошо виден. Сначала оценим коэффициенты a и b приближённо. Возьмём t=2 (y2=3,0) и t=15 (y2=7,6). Имеем систему
2a b 3;
15a b 7,6.
Отсюда a=0,35; b=2,3.
Проведём расчёты по методу наименьших квадратов. В данном случае
n=20; t 9,5; St2 33,25; y 5,795; Sty=12,72; a=0,38; b=2,2.
Уравнение тренда: y=0,38 t+2,2.
В 1964 году безработица в США равнялась 3,8 млн. чел., а в 1985г. – 8,3 млн. чел. Эти значения сильно отличаются от трендовых, особенно первое из них, т.к. y(-1)=1,78; y(20)=9,8.
Прямая y=0,38t+2,2 построена на рис.4.2.
4.2.2.2. Параболический тренд
Рассмотрим уравнение y(t)=at2+bt+c.
Составим систему уравнений относительно неизвестных параметров a, b, c, получающуюся по методу наименьших квадратов:
|
n 1 |
n 1 |
n 1 |
n 1 |
a t4 b t3 c t2 t2 yt2; |
||||
|
1 |
1 |
1 |
1 |
|
n 1 |
n 1 |
n 1 |
n 1 |
a t3 b t2 c t tyt ; |
||||
|
1 |
1 |
1 |
1 |
|
n 1 |
n 1 |
|
n 1 |
a t2 b t nc yt . |
||||
|
1 |
1 |
|
1 |
Эту систему проще всего решать методом исключения неизвестных. Пример. Рассчитаем коэффициенты a, b, c для параболического тренда ряда из табл.4.3 (индекс выпуска оборудования для частнопредпринима-
тельского сектора США в 1948 – 1971 гг.).
|
|
23 |
23 |
|
23 |
|
23 |
|
Здесь |
n 24; |
t 276; |
t2 |
4324; |
t3 |
76176; |
t4 |
1431244; |
|
|
0 |
0 |
|
0 |
|
0 |
|
23 |
|
23 |
23 |
|
|
|
|
|
yt 1700; tyt 22234,8; t2 yt 375898,2.
0 |
0 |
0 |
Система линейных уравнений
62
1431244a 76176b 4324c 375898,2;
76176a 4324b 276c 22234,8;
4324a 276b 24c 1700.
имеет следующее решение: a=0,179; b=-1,79; c=59,1.
График функции y(t)=0,179t2-1,79t+59,1 показан на рис. 4.3.
Попробуем оценить значения параметров a, b, c приближённо. Положим c= y0 = 57,9. Визуально координата t вершины параболы равна 6.
Тогда b/(2a)=-6, b=-12a. Осталось выбрать подходящую точку на графике временного ряда, которая не слишком сильно, по нашему мнению, отклоняется от тренда. Возьмём t=5, y5=52,8.
52,8=25a-60a+57,9 => a=0,146; b=-1,75.
Приближённые оценки неплохо совпали с рассчитанными. Значения параметра a вычислялись с тремя знаками после запятой, значения параметра b - с двумя, а значения параметра c - только с одним из-за того, что a умножается на t2, b умножается на t, а c – просто свободный член.
4.2.2.3. Показательная функция
Отношение ((yt+1 - yt)/yt)*100% для некоторого момента времени t
называют темпом прироста временного ряда. Если значения yt
временного ряда есть значения показательной функции y1 = bat, то их темпы прироста постоянны и равны:
bat 1 bat 100% a 1 100%. bat
Поэтому, когда значения временного ряда имеют приблизительно одинаковые темпы прироста, для ряда подбирают показательный тренд. В качестве примера рассмотрим ряд из табл. 4.4. (душевое потребление шерсти в США в 1950 – 1968 гг.).
Рассчитаем несколько темпов прироста. Пусть t = 1, 9, 12.
y2 y1 100% 2,91 3,14 100% 7,3%; y1 3,14
y10 y9 100% 2,27 2,46 100% 7,7%; y9 2,46
y13 y12 100% 2,17 2,30 100% 5,7%. y12 2,30
Эти примеры не назовёшь идеально совпадающими, но по рис. 4.4 видно, что поведение ряда не соответствует линейному тренду, поэтому будем искать параметры показательной функции.
63
Уравнение y(t)=bat приводится к линейному путём почленного
логарифмирования. |
|
|
|
|
|
|
|
|
|
|
|
||
Параметры линейного уравнения y1(t)=a1t+b1, |
|
|
|
|
|
||||||||
где y1(t)= |
ln(y(t)); |
a1= ln(a); |
b1= ln(b), найдём по методу наименьших |
||||||||||
|
|
|
|
|
|
|
|
|
18 |
|
|||
квадратов. |
Здесь |
n=19; |
|
|
9; |
St2 30; |
|
1 |
1 |
ln yt |
0,839; |
||
|
t |
y |
|||||||||||
|
|
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
n t 0 |
|
|
18 |
|
|
|
|
|
|
|
|
|
|
|
|
|
tln yt |
121,883; |
Sty1 |
1,135; |
a1=-0,0378; |
b1=1,1795. |
Отсюда |
|||||||
t 0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
a ea1 |
0,963 ; b eb1 |
3,26. |
|
|
|
|
|
|
График функции y(t) 3,26 0,963t показан на рис. 4.4. Он почти не отличается от прямой линии, что свидетельствует, возможно, о том, что тренд подобран не слишком удачно. Зато трендовое значение при t=19 (прогноз для 1969 г.) y(19)=1,59 почти не отличается от реального y19=1,54.
4.2.2.4. Исключение трендовой составляющей
Для изучения случайной составляющей временного ряда из него нужно удалить трендовую, сезонную и циклическую составляющие. После определения уравнения тренда его можно удалить из ряда, вычислив разности (остатки) yt-y(t) или отношения (yt/y(t))100% (процентные отклонения от тренда).
На рис 4.7 и 4.8 показаны графики рядов остатков и процентных отклонений от тренда для ряда из табл. 4.2 (безработица в США).
Расчётные значения приведены в табл. 4.7.
Таблица 4.7
Год |
1965 |
1966 |
1967 |
1968 |
1969 |
1970 |
1971 |
1972 |
1973 |
1974 |
t |
0 |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
yt |
3,4 |
2,9 |
3,0 |
2,8 |
2,8 |
4,1 |
5,0 |
4,9 |
4,4 |
5,2 |
y(t) |
2,2 |
2,6 |
3,0 |
3,3 |
3,7 |
4,1 |
4,5 |
4,9 |
5,2 |
5,6 |
yt-y(t) |
1,2 |
0,3 |
0 |
-0,5 |
-0,9 |
0 |
0,5 |
0 |
-0,8 |
-0,4 |
(yt/y(t))100% |
154,5 |
112,4 |
101,4 |
83,8 |
75,2 |
100,0 |
111,6 |
100,8 |
84,0 |
92,5 |
Год |
1975 |
1976 |
1977 |
1978 |
1979 |
1980 |
1981 |
1982 |
1983 |
1984 |
t |
10 |
11 |
12 |
13 |
14 |
15 |
16 |
17 |
18 |
19 |
yt |
7,9 |
4,4 |
7 |
6,2 |
6,1 |
7,6 |
8,3 |
10,7 |
10,7 |
8,5 |
y(t) |
6,0 |
6,4 |
6,8 |
7,1 |
7,5 |
7,9 |
8,3 |
8,7 |
9,0 |
9,4 |
yt-y(t) |
1,9 |
-2,0 |
0,2 |
-0,9 |
-1,4 |
-0,3 |
0 |
2,0 |
1,7 |
-0,9 |
(yt/y(t))100% |
131,7 |
69,0 |
103,6 |
86,8 |
81,1 |
96,2 |
100,2 |
123,6 |
118,4 |
90,2 |
Процентные отношения позволяют сравнить между собой амплитуды отклонений от тренда. Например, абсолютные значения остатков при t=0 и t=14 почти равны (1,2 и -1,4 соответственно). Но в первом случае остаток 1,3 означает отклонение от тренда на 54,5%, а во втором - только на 19%.
64
2 |
, 0 |
y t - |
y ( t ) |
|
|
||
1 |
, 5 |
|
|
1 |
, 0 |
|
|
0 |
, 5 |
|
|
0 |
, 0 |
|
|
- 0 , 5 |
0 1 2 3 4 5 6 7 8 9 1 0 1 1 1 2 1 3 1 4 1 5 1 6 1 7 1 8 1 9 2 0 |
||
- 1 |
, 0 |
|
|
- 1 |
, 5 |
|
|
- 2 |
, 0 |
|
|
|
|
|
|
Рис.4.7. Остатки ряда безработицы в США |
|
|
|
|
|
||||||||||
|
|
|
|
|
|
|
|
(yt/y(t))100% |
|
|
|
|
|
|
|
|
|
||
180 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
160 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
140 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
120 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
100 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0 |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
10 |
11 |
12 |
13 |
14 |
15 |
16 |
17 |
18 |
19 |
80 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
60 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Рис. 4.8. Процентные отклонения от тренда ряда безработицы в США |
|
|
4.2.2.5. Скользящие средние
Скользящие средние вычисляют, когда неясно, какую подходящую функцию нужно подобрать для тренда. Значение скользящей средней в момент времени t - это среднее арифметическое подряд идущих значений временного ряда на интервале времени, в центре которого - точка t. Обозначим через Mtp значение скользящей средней в момент времени t, определённое по p точкам.
Например:
Mt3 |
yt 1 yt |
yt 1 |
; |
Mt5 |
yt 2 yt 1 yt |
yt 1 yt 2 |
и т. п. |
|
|
||||||
|
|
|
|
||||
3 |
|
|
5 |
|
|
||
|
|
|
|
65 |
|
|
Из сказанного ясно, что число p точек должно быть нечётным, иначе среднее арифметическое нужно отнести к дробному моменту времени. На практике, однако, нередки случаи, когда p удобно выбрать чётным. Тогда вычисляют не простое среднее арифметическое, а с некоторыми весами. Например, если положить p=4, можно рассчитать Mt4 так:
M4 |
|
Mt40,5 Mt40,5 |
|
1 y |
y |
y |
y |
y |
y |
y |
y |
|
|
||||
|
|
|
|
|
|
t 2 |
t 1 |
t |
t 1 |
|
t 1 |
t |
t 1 |
t 2 |
|
|
|
t |
2 |
|
2 |
|
4 |
|
|
|
|
4 |
|
|
|
||||
|
|
|
|
|
|
|
|
|
yt 2 2yt 1 2yt 2yt 1 yt 2. 8
Расчёт скользящей средней по четырём точкам свёлся к расчёту по пяти точкам с набором весов (1, 2, 2, 2, 1).
Ряд скользящих средних гораздо более гладкий, чем исходный, ведь отклонения исходного ряда усредняются. Поэтому скользящую среднюю можно считать одной из разновидностей тренда: сглаживая исходный ряд, она даёт представление о тенденции поведения ряда.
4.2.3. Сезонные колебания и индексы сезонности
Говорят, что во временном ряде присутствует сезонная компонента, если в нём наблюдается последовательность почти повторяющихся циклов одинакового периода. В качестве примеров приведём рост объёмов продаж в преддверии Рождества и Нового года, сезонное падение цен на сельхозпродукцию, всплески объёмов перевозок пассажиров городским транспортом утром и в конце рабочего дня и т.п. Сезонная компонента часто присутствует в экономических рядах. Такую компоненту нужно уметь выделять и устранять из ряда, чтобы данные стали равными между собой. Но сначала из ряда необходимо удалить трендовую составляющую. Как правило, для рядов с сезонными колебаниями стирают взвешенную скользящую среднюю. Дело в том, что длины сезонных циклов, как правило, чётны (4 квартала в году, 24 часа в сутках и т.п.), именно поэтому скользящая средняя получается взвешенной, т. к. величину интервала сглаживания целесообразно выбирать равной периоду сезонности.
В качестве примера рассмотрим ряд из табл. 4.5 (затраты на новые здания, сооружения, оборудование в США в 1966 – 1971 гг.). На графике этого ряда (см. рис. 4.5) отчётливо видны сезонные колебания (регулярные падения затрат в первом квартале и рост в четвёртом). Исключим из ряда трендовую составляющую. Для него неплохо подойдёт линейный тренд, но мы построим взвешенную скользящую среднюю по 5 точкам с набором весов (1, 2, 2, 2, 1), т.к. год состоит из четырёх кварталов.
66
Результаты расчётов приведены в табл. 4.8.
|
|
|
|
|
|
|
|
|
Таблица 4.8 |
Год |
Квартал |
t |
yt |
Mt5 |
|
yt |
|
Ряд, очищенный от |
|
|
|
|
|
|
|
|
100% |
|
сезонных |
|
|
|
|
|
|
Mt5 |
|
||
|
|
|
|
(1, 2, 2, 2, 1) |
|||||
|
|
|
|
|
|
|
|
|
колебаний |
|
1 |
0 |
13,33 |
- |
- |
|
14,9 |
||
1966 |
2 |
1 |
16,05 |
- |
- |
|
15,8 |
||
|
3 |
2 |
15,92 |
16,02 |
99,38 |
|
16,0 |
||
|
4 |
3 |
18,22 |
16,24 |
112,19 |
|
16,6 |
||
|
1 |
4 |
14,46 |
16,36 |
88,39 |
|
16,3 |
||
1967 |
2 |
5 |
16,69 |
16,38 |
101,89 |
|
16,5 |
||
|
3 |
6 |
16,20 |
16,45 |
98,48 |
|
16,2 |
||
|
4 |
7 |
18,12 |
16,55 |
109,49 |
|
16,5 |
||
|
1 |
8 |
15,10 |
16,64 |
90,75 |
|
17,0 |
||
1968 |
2 |
9 |
16,85 |
16,83 |
100,12 |
|
16,6 |
||
|
3 |
10 |
16,79 |
17,06 |
98,42 |
|
16,8 |
||
|
4 |
11 |
19,03 |
17,42 |
109,24 |
|
17,3 |
||
|
1 |
12 |
16,04 |
17,98 |
89,21 |
|
18,0 |
||
1969 |
2 |
13 |
18,81 |
18,59 |
101,18 |
|
18,6 |
||
|
3 |
14 |
19,25 |
19,07 |
100,94 |
|
19,3 |
||
|
4 |
15 |
21,46 |
19,44 |
110,39 |
|
19,5 |
||
|
1 |
16 |
17,47 |
19,75 |
88,41 |
|
19,6 |
||
1970 |
2 |
17 |
20,33 |
19,91 |
102,10 |
|
20,0 |
||
|
3 |
18 |
20,26 |
19,96 |
101,50 |
|
20,3 |
||
|
4 |
19 |
21,66 |
20,02 |
108,19 |
|
19,7 |
||
|
1 |
20 |
17,68 |
20,04 |
88,22 |
|
19,9 |
||
1971 |
2 |
21 |
20,60 |
20,19 |
102,03 |
|
20,3 |
||
|
3 |
22 |
20,14 |
- |
- |
|
20,2 |
||
|
4 |
23 |
23,04 |
- |
- |
|
20,9 |
Скользящая средняя построена на рис. 4.5.
Очистим ряд от тренда, рассчитав процентные отклонения (yt /Mt5 ) 100%. Эти отклонения распределим по годам и кварталам (табл. 4.9).
|
|
|
|
Таблица 4.9 |
Квартал |
1 |
2 |
3 |
4 |
Год |
|
|
|
|
1966 |
- |
- |
99,38 |
112,19 |
1967 |
88,39 |
101,89 |
98,48 |
109,49 |
1968 |
90,75 |
100,12 |
98,42 |
109,24 |
1969 |
89,21 |
101,18 |
100,94 |
110,39 |
1970 |
88,41 |
102,11 |
101,50 |
108,19 |
1971 |
88,22 |
102,03 |
- |
- |
|
444,98 |
507,33 |
498,72 |
549,5 |
Найдём средние значения отклонений от тренда для каждого квартала и всего временного ряда.
67
Обозначим эти числа y1, |
|
y2, |
y3, y4 |
и y соответственно. |
||||||||||||||||||
|
|
|
|
444,98 |
88,996; |
|
2 |
507,33 |
101,466; |
|
3 |
498,72 |
99,744; |
|||||||||
|
y |
1 |
y |
y |
||||||||||||||||||
|
|
|
5 |
|
|
|
|
|
5 |
|
|
|
|
5 |
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
549,5 |
109,9; |
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
y4 |
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
5 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
444,98 507,33 498,72 549,5 |
|
2000,53 |
100,027. |
|||||||||||||
|
|
|
|
y |
||||||||||||||||||
|
|
|
|
|
|
|||||||||||||||||
|
|
|
|
|
|
|
|
|
20 |
|
|
|
|
|
|
|
20 |
|
|
|
Примем значение y за базовое. В среднем значения временного ряда почти не отклоняются от тренда. Зато средние величины отклонений в 1 и 4 кварталах весьма велики. Они объясняются величинами сезонных эффектов.
Рассчитаем, сколько процентов от |
|
y |
|
|
составляют y1, |
y2 , y3 , y4 . Эти |
||||||||||||||||||||||||||||||
величины называют индексами сезонности. |
|
|
|
|
|
|||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
88,996 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
y |
|
|
|
|
|
|
2 |
|
100% |
101,466 |
|
|
|||||||||||||||||||||
|
SI |
|
|
|
1 |
100% |
88,97%; |
SI |
|
y |
101,44%; |
|||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||
|
|
1 |
|
|
|
|
|
|
|
|
y |
100,03 |
|
|
2 |
|
|
|
|
|
|
y |
100,03 |
|
|
|||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
4 |
|
109,9 |
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
99,744 |
|
|
|
|
|
|
|
y |
|||||||||||||
|
|
|
|
y |
|
|
|
|
|
|
|
|
|
99,72%; SI |
|
|
|
|
||||||||||||||||||
SI |
3 |
|
|
|
|
3 |
100% |
|
|
4 |
|
|
|
|
|
|
|
|
|
|
100% |
|
|
109,87%. |
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||
|
|
|
|
|
100,03 |
|
|
|
|
|
|
|
|
|||||||||||||||||||||||
|
|
|
|
y |
|
|
|
|
|
|
|
|
|
y |
100,03 |
Теперь можно удалить сезонную компоненту из временного ряда. Для этого каждое значение ряда делится на соответствующий индекс сезонности, выраженный в долях. В нашем случае все значения первого квартала делятся на число 0,8997; все значения второго квартала – на число 1,0144; данные третьего квартала – на число 0,9972, а данные четвёртого квартала нужно поделить на 1,0987. Ряд, очищенный от сезонных колебаний, приведён в табл. 4.8. Эти числа почти не отличаются от трендовых значений. Можно сделать вывод, что собственно случайная компонента этого временного ряда невелика, а влияние сезонных эффектов на величину отклонений от тренда не меняется от года к году.
Если для этого временного ряда подобрать линейный тренд, его уравнение будет таким: y(t) 0,278t 14,86. Значения индексов сезонности, рассчитанные с применением этого уравнения незначительно отличаются от только что найденных:
SI1 89,04%, SI2 101,7%, SI3 99,44%, SI4 109,82%.
Располагая уравнением тренда, можно оценить значения временного ряда в следующем году, скорректировав трендовые значения на индексы сезонности. Прогноз получается таким.
y24 y(24) SI1 21,53 0,8904 19,17; |
y25 y(25) SI2 21,81 1,017 |
|||
22,18; |
y26 y(26) SI3 |
22,09 0,9944 21,97; |
y27 y(27) SI4 |
|
22,37 1,0982 24,56. |
|
|
|
68
В заключение отметим, что по самому определению индексов сезонности их сумма равна 100k, где k – число сезонов, на которое делится выбранная единица времени (в нашем случае k=4, год поделён на 4 квартала).
4.3. Задачи
Для нижеприведённых временных рядов нужно выполнить следующие действия:
1.Представить ряд графически.
2.Подобрать подходящее уравнение тренда по методу наименьших квадратов или подходящую скользящую среднюю, если характер тренда неясен.
3.Удалить трендовую составляющую из временного ряда и построить график остатков.
4.Сравнить поведение ряда остатков индекса промышленного производства США (подъёмы, спады, поворотные точки, где подъёмы и спады сменяют друг друга и, т. п.) с поведением остальных рядов остатков. Можно ли утверждать о существовании закономерностей в поведении рядов?
1.Индекс промышленного производства в США
в1950 – 1985 гг. (1977 г. = 100)
Год |
1950 |
1951 |
1952 |
1953 |
1954 |
1955 |
1956 |
1957 |
1958 |
yt |
33,1 |
35,9 |
37,2 |
40,4 |
38,2 |
43,0 |
44,9 |
45,5 |
42,6 |
Год |
1959 |
1960 |
1961 |
1962 |
1963 |
1964 |
1965 |
1966 |
1967 |
yt |
47,7 |
48,8 |
49,1 |
53,2 |
56,3 |
60,1 |
66,1 |
72,0 |
73,5 |
Год |
1968 |
1969 |
1970 |
1971 |
1972 |
1973 |
1974 |
1975 |
1976 |
yt |
77,6 |
81,2 |
78,5 |
79,6 |
87,3 |
94,4 |
93,0 |
84,8 |
92,6 |
Год |
1977 |
1978 |
1979 |
1980 |
1981 |
1982 |
1983 |
1984 |
1985 |
yt |
100,0 |
106,5 |
110,1 |
108,6 |
111,0 |
103,1 |
109,2 |
121,4 |
123,7 |
|
|
2. Индекс потребительских цен США в 1950 – 1985 гг. |
|
||||||
|
|
|
(1982 – 1984 гг. = 100) |
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
Год |
1950 |
1951 |
1952 |
1953 |
1954 |
1955 |
1956 |
1957 |
1958 |
yt |
24,1 |
26,0 |
26,5 |
26,7 |
26,9 |
26,8 |
27,2 |
28,1 |
28,9 |
Год |
1959 |
1960 |
1961 |
1962 |
1963 |
1964 |
1965 |
1966 |
1967 |
yt |
29,1 |
29,6 |
29,9 |
30,2 |
30,6 |
31,0 |
31,5 |
32,4 |
33,4 |
Год |
1968 |
1969 |
1970 |
1971 |
1972 |
1973 |
1974 |
1975 |
1976 |
yt |
34,8 |
36,7 |
38,8 |
40,5 |
41,8 |
44,4 |
49,3 |
53,8 |
56,9 |
Год |
1977 |
1978 |
1979 |
1980 |
1981 |
1982 |
1983 |
1984 |
1985 |
yt |
60,6 |
65,2 |
72,6 |
82,4 |
90,9 |
96,5 |
99,6 |
103,9 |
107,6 |
69
3. Население США (млн. чел.) в 1950 – 1985 гг.
Год |
1950 |
1951 |
1952 |
1953 |
1954 |
1955 |
1956 |
|
1957 |
1958 |
yt |
152,3 |
154,9 |
157,6 |
160,2 |
163,0 |
165,9 |
168,9 |
|
172,0 |
174,9 |
Год |
1959 |
1960 |
1961 |
1962 |
1963 |
1964 |
1965 |
|
1966 |
1967 |
yt |
177,8 |
180,7 |
183,7 |
186,5 |
189,2 |
191,9 |
194,3 |
|
196,6 |
198,7 |
Год |
1968 |
1969 |
1970 |
1971 |
1972 |
1973 |
1974 |
|
1975 |
1976 |
yt |
200,7 |
202,7 |
205,1 |
207,7 |
209,9 |
211,9 |
213,8 |
|
216,0 |
218,0 |
Год |
1977 |
1978 |
1979 |
1980 |
1981 |
1982 |
1983 |
|
1984 |
1985 |
yt |
220,2 |
222,6 |
225,1 |
227,7 |
230,0 |
232,3 |
234,8 |
|
237,0 |
239,3 |
|
|
4. Рабочая сила в США (млн. чел.) в 1950 – 1985 гг. |
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
Год |
1950 |
1951 |
1952 |
1953 |
1954 |
1955 |
1956 |
|
1957 |
1958 |
yt |
62,2 |
62,0 |
62,1 |
63,0 |
63,6 |
65,0 |
66,6 |
|
66,9 |
67,6 |
Год |
1959 |
1960 |
1961 |
1962 |
1963 |
1964 |
1965 |
|
1966 |
1967 |
yt |
68,4 |
69,6 |
70,5 |
70,6 |
71,8 |
73,1 |
74,5 |
|
75,8 |
77,3 |
Год |
1968 |
1969 |
1970 |
1971 |
1972 |
1973 |
1974 |
|
1975 |
1976 |
yt |
78,7 |
80,7 |
82,8 |
84,4 |
87,0 |
89,4 |
91,9 |
|
93,8 |
96,2 |
Год |
1977 |
1978 |
1979 |
1980 |
1981 |
1982 |
1983 |
|
1984 |
1985 |
yt |
99,0 |
102,3 |
105,0 |
106,9 |
108,7 |
110,2 |
111,6 |
|
113,5 |
115,5 |
|
|
5. Безработица в США (млн. чел.) в 1950 – 1985 гг. |
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
Год |
1950 |
1951 |
1952 |
1953 |
1954 |
1955 |
1956 |
|
1957 |
1958 |
yt |
5,3 |
3,3 |
3,0 |
2,9 |
5,5 |
4,4 |
4,1 |
|
4,3 |
6,8 |
Год |
1959 |
1960 |
1961 |
1962 |
1963 |
1964 |
1965 |
|
1966 |
1967 |
yt |
5,5 |
5,5 |
6,7 |
5,5 |
5,7 |
5,2 |
3,4 |
|
2,9 |
3,0 |
Год |
1968 |
1969 |
1970 |
1971 |
1972 |
1973 |
1974 |
|
1975 |
1976 |
yt |
2,8 |
2,8 |
4,1 |
5,0 |
4,9 |
4,4 |
5,2 |
|
7,9 |
4,4 |
Год |
1977 |
1978 |
1979 |
1980 |
1981 |
1982 |
1983 |
|
1984 |
1985 |
yt |
7,0 |
6,2 |
6,1 |
7,6 |
8,3 |
10,7 |
10,7 |
|
8,5 |
8,3 |
|
6. Индекс производительности труда в США в 1950 – 1985 гг. |
|
||||||||
|
|
|
|
(1977 г. = 100) |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Год |
1950 |
1951 |
1952 |
1953 |
1954 |
1955 |
1956 |
|
1957 |
1958 |
yt |
51,7 |
53,8 |
55,4 |
57,5 |
58,4 |
60,1 |
60,9 |
|
62,5 |
64,4 |
Год |
1959 |
1960 |
1961 |
1962 |
1963 |
1964 |
1965 |
|
1966 |
1967 |
yt |
66,5 |
67,6 |
70,0 |
72,5 |
74,5 |
78,7 |
81,0 |
|
83,2 |
85,5 |
Год |
1968 |
1969 |
1970 |
1971 |
1972 |
1973 |
1974 |
|
1975 |
1976 |
yt |
87,8 |
87,8 |
88,4 |
91,3 |
94,1 |
95,9 |
93,9 |
|
95,7 |
98,3 |
Год |
1977 |
1978 |
1979 |
1980 |
1981 |
1982 |
1983 |
|
1984 |
1985 |
yt |
100,0 |
100,8 |
99,6 |
99,3 |
100,7 |
100,3 |
103,0 |
|
105,5 |
107,7 |
70