
- •1. Введение в анализ временных рядов
- •1.1. Временные ряды и требования, предъявляемые к ним
- •1.2. Основные показатели динамики экономических явлений
- •1.3. Компонентный состав временного ряда
- •1.4. Некоторые элементы теории случайных процессов
- •2. Определение общей тенденции временного ряда
- •2.1. Виды тенденций и проверка гипотезы о существовании тенденции
- •Расчет вспомогательных характеристик
- •2.2. Методы выделения общей тенденции временного ряда
- •2.2.1. Механическое сглаживание
- •2.2.2. Аналитическое выравнивание временных рядов
- •2.2.3. Гармонический анализ
- •3.1. Проверка гипотезы о правильности выбора вида тренда
- •3.2. Проверка гипотезы о независимости случайного компонента
- •3.3. Проверка гипотезы о нормальности случайного компонента
- •4. Описание стационарных временных рядов с помощью авторегрессионной модели
- •4.1. Оценка параметров авторегрессионной модели
- •4.2. Определение порядка авторегрессии
- •5. Прогнозирование экономических показателей
- •5.1. Простейшие приемы экстраполяции
- •5.2. Прогнозирование экономических показателей с помощью кривых роста
- •5.3. Прогнозирование экономических показателей с помощью авторегрессионных моделей
- •6. Статистический анализ сезонной компоненты
- •6.1. Методы выявления периодической компоненты
- •6.3. Прогнозирование явлений с помощью индексов сезонности
- •8. Корреляция и регрессия рядов динамики
- •8.1.Простая корреляция и регрессия рядов динамики
- •8.2. Множественная корреляция и регрессия рядов динамики
- •Тест для самопроверки
6. Статистический анализ сезонной компоненты
6.1. Методы выявления периодической компоненты
Для выявления периодической компоненты во временном ряду можно воспользоваться несколькими способами:
1) при применении метода Фостера — Стюарта на наличие периодичности рассчитывается показатель ts: если ts > tα, то это говорит о том, что в ряду отклонений от тренда существуют колебания;
2) для определения периодичности можно использовать автокорреляционную функцию (1.9) (наличие временного лага τ показывает, что ряд содержит периодическую составляющую с периодом τ);
3) для длинных временных рядов можно применить критерий „пиков" и „ям", в основе которого лежит подсчет числа экстремальных точек pt изучаемого ряда. Этот расчет осуществляется следующим образом:
1) выявляется последовательность
1, если yt+1 < yt > yt-1 или yt-1 > yt < yt+1,
0 в противном случае для всех t = 2, 3, …, n-1;
2) определяется
,
гдеn—
число наблюдений;
3) проверяется гипотеза об отсутствии периодической компоненты путем сравнения расчетного значения р со значением
рассчитанным для случайного ряда. Если эти значения близки, то можно отказаться от дальнейшей проверки и признать временной ряд случайным;
4)
еслии
значительно
отличаются друг от друга, то производится
дальнейшая проверка гипотезы, основанная
на подсчете фаз
различной длины. Фазой называется
интервал между двумя соседними
индексами уровней, для которых
(например, если
для у5
и
,
то фаза имеет длину
;
если
для
и
,
то фаза
имеет длину
).
Подсчитывается число фаз
,
,
длин
,
,
.
Теоретическое значениечисла
фаз различной длины
для случайного ряда равно:
5)
рассчитывается значение
.
В случае трех групп это значение
определяется по формуле
Если
,
то колебания исходного ряда можно
считать случайными,
если
,
то ряд содержит периодическую компоненту
[20].
Пример 6.1. Используя данные табл. 6.1, проверим по значениям автокорреляционной функции, имеются ли в этом временном ряду периодические колебания.
Таблица 6.1
Динамика продажи молочной продукции в регионе за 1996 – 1999 гг.
Год |
Квартал | |||
I |
II |
III |
IV | |
1996 |
54,6 |
80,6 |
78,8 |
53,5 |
1997 |
53,2 |
97,5 |
98,7 |
60,5 |
1998 |
56,4 |
112,1 |
114,5 |
74,6 |
1999 |
66,6 |
126,6 |
132,8 |
76,7 |
Для
исследуемого ряда были рассчитаны
значения автокорреляционной
функции
по формуле (1.9). Результаты приведены в
табл. 6.2.
Таблица 6.2
Значения автокорреляционной функции
Сдвиги |
1 |
2 |
3 |
4 |
5 |
Значения автокорреля- ционной функции |
0,208 |
-0,464 |
0,115 |
0,611 |
0,030 |
95% граница |
0,490 |
0,511 |
0,603 |
0,609 |
0,742 |
Из таблицы видно, что наибольшее значение автокорреляционная функция принимает на 4-м сдвиге. Это подтверждает наличие сезонности, период которой равен IV кварталам, и превышение значения автокорреляционной функции уровня, определенного для 95% границы.
6.2. СТАТИСТИЧЕСКИЙ АНАЛИЗ СЕЗОННОСТИ
Одна из основных задач анализа временного ряда состоит в выделении сезонной компоненты (или сезонности). К сезонным относят такие явления, которые обнаруживают в своем развитии определенные закономерности, регулярно повторяющиеся из месяца в месяц, или из квартала в квартал каждый год. Эти колебания являются результатом природных, общественных и социально-экономических факторов. Сезонные колебания проявляются с неодинаковой интенсивностью в различных сферах жизни общества: неодинаковое потребление электроэнергии в течение года; ярко выраженный сезонный характер сельского хозяйства, вызывающий неравномерность работы перерабатывающих предприятий, что в свою очередь обусловливает сезонные колебания в торговле. Сезонность также возникает из-за сезонного спроса на товары народного потребления (обувь, одежда) и т. д. Но как бы ни проявлялась сезонность, она всегда наносит ущерб деятельности фирм, который проявляется в неравномерном использовании оборудования и рабочей силы, неравномерной поставке сырья, загрузке транспорта и т. д. Поэтому изучение сезонных колебаний необходимо для того, чтобы обеспечить стабильный ритм работы предприятий.
Сезонные
колебания характеризуются специальным
показателем
— индексом сезонности
.
Совокупность этих показателей,вычисленных
по месячным или по квартальным данным
за несколько
лет (не менее 3), отражает сезонную волну.
В общем виде
эти показатели определяются как
процентное отношение фактического
уровня ряда к некоторому теоретическому
уровню, принятому
за базу.
Если
ряд динамики не содержит ярко выраженной
тенденции в
развитии, то индексы сезонности
вычисляются непосредственно по
фактическим данным без предварительного
выравнивания (способ
постоянной средней). Для каждого месяца
(квартала) рассчитывается
средняя величина уровня
затем
вычисляется среднийуровень
для всего ряда
и определяется процентноесоотношение
средних
уровней для каждого месяца к общему
среднему уровню ряда,
т. е.
(6.1)
где
=1, 2, ..., 12, если данные помесячные, или
=
1, 2, 3, 4, если данные поквартальные.
Если ряд содержит определенную тенденцию в развитии, то прежде чем вычислить индекс сезонности, по фактическим уровням выявляется общая тенденция ряда, которая может быть выражена с помощью аналитического выравнивания в виде математической функции.
При использовании аналитического выравнивания ход вычислений индекса сезонности следующий:
находится подходящая функция выравнивания (п. 2.2.2);
для каждого месяца (или квартала) вычисляются теоретические уровни
, рассчитанные по уравнению тренда;
3) определяются
показатели сезонности как процентное
отношение
фактического
месячного (квартального) уровня
,
к соответствующему расчетному уровню
:
находится среднее арифметическое из показателей сезонности по\ одноименным периодам (либо месяцам, либо кварталам):
,
где N — число одноименных периодов;
5) расчет индексов
заканчивается проверкой, заключающейся
в определении среднего индекса сезонности
который должен быть равен 100 %. Но так
как не всегда удается выделить влияние
несезонных факторов (т. е.
100 %), то следует произвести выравнивание
индексов, которое заключается в умножении
индексов сезонности на величину,
обратную среднему индексу сезонности
;
6) после определения выравненных индексов сезонности можно найти уровни временного ряда, в которых элиминировано влияние сезонности. Для этого нужно фактические уровни поделить на соответствующие выравненные индексы (в коэффициентах). Показателем колеблемости временного ряда за счет сезонности служит среднее квадратическое отклонение, вычисляемое по формуле
,
где т = 12 (если данные помесячные) либо т = 4 (если данные поквартальные).
Чем
меньше значение
,
тем меньше влияние сезонного фактора
на исследуемый показатель.
Для повышения устойчивости индексов сезонности можно рассчитать средний индекс сезонности по расположению. Для этого в ранжированном ряду показателей сезонности отбрасываются самые высокие и низкие значения и определяется средняя арифметическая из центральных значений индексов сезонности. Если число показателей четное, то в расчет берется 4 или 6 центральных точек, если нечетное, то 3 или 5.