Навігація
Головна
Методи виявлення сезонної компонентиСЕЗОННА декомпозиція і ТРЕНД-СЕЗОННІ МОДЕЛІОСОБЛИВОСТІ РЕГУЛЮВАННЯ ПРАЦІ ПРАЦІВНИКІВ, ЗАЙНЯТИХ НА СЕЗОННИХ...Аналіз часових рядів з урахуванням сезонної компонентиПорядок огляду трупа на місці його виявленняТренди і тренд-сезонні моделіМультипликативная модель сезонностіВимірювання сезонних коливаньВідповідальність за запобігання й виявлення шахрайстваОблік сезонності в моделях авторегресії
 
Головна arrow Економіка arrow Методи соціально-економічного прогнозування. Т.2.
< Попередня   ЗМІСТ   Наступна >

Виявлення сезонності

Ознайомившись з типами сезонності, розглянемо, як можна виявити сезонність у ряді даних.

Висновки про наявність або відсутність сезонності можна зробити на основі одного з трьох методів:

1. Експертний метод вважається найпростішим з трьох методів і зводиться до того, що дослідник під час вивчення об'єкта дослідження укладає, що в аналізованому показнику, швидше за все, є сезонність. Цей умовивід зазвичай випливає з самої постановки завдання. Наприклад, якщо доводиться працювати з квартальними даними з продажу морозива, то можна очікувати, що в цих даних буде проявлятися сезонність (другий і третій квартали - зріст, перший і четвертий - спад), отже, лаг сезонності буде дорівнює 4. У денних даних по відвідуваності новинного сайту можна очікувати лаг сезонності, рівний 7 (наприклад, щонеділі може відбуватися спад, так як люди відпочивають і їм не до новин).

На жаль, цей метод не ідеальний, і в еволюційних процесах таке апріорне припущення про наявність сезонності може не виконуватися у зв'язку з постійною зміною структури ряду і можливої складною структурою сезонних коливань (коли одні коливання накладаються на інші).

В цілому можна зробити висновок, що експертний метод дозволяє визначити наявність сезонності у досить складних ситуаціях, але не завжди дає однозначні результати.

2. Графічний метод передбачає побудову лінійного графіка по досліджуваного показнику, на якому по осі абсцис відкладається час спостереження, а по осі ординат - значення показника. На рис. 6.5 представлений графік по частині ряду № 2568, рассматривавшегося нами раніше. По ньому видно, що кожен квітня спостерігається різкий стрибок показника, а кожен травень - спад. Крім того, сезонна структура явно простежується з року в рік: щороку в деякі місяці спостерігається спад, а в інші - зростання щодо загального тренда. На основі такого графічного аналізу можна зробити висновок, що ряд є сезонним, з лагом s = 12.

Іноді для більш точного виявлення сезонності вихідний ряд даних варто заздалегідь згладити простими легкими середніми невисокого порядку (наприклад, 3-6-го порядку для місячних даних). Робиться це для того, щоб позбутися від помилок і побачити трендовую і сезонну складові. У такому випадку графічний аналіз може спроститися.

Графічне представлення ряду № 2568 з бази рядів М3

Рис. 6.5. Графічне представлення ряду № 2568 з бази рядів М3

Однак не всі сезонні ряди мають таку явну структуру, як розглянутий нами ряд № 2568. У зв'язку з еволюційної сутністю багатьох економічних показників мінятися в часі може не тільки тренд, але і сезонні компоненти, через що, наприклад, пік продажів в різні роки може припадати на різні місяці. Тому графічний метод не завжди дозволяє однозначно виявити сезонність і може бути використаний лише в найпростіших випадках.

data-override-format="true" data-page-url = "http://stud.com.ua">

3. Аналітичний метод виявлення сезонності полягає в побудові коррелограмми вихідного ряду даних і оцінці значущості коефіцієнтів автокореляції та приватної автокореляції. Існують наступні індикатори, які сигналізують про наявність сезонності у вихідному ряді даних:

• коефіцієнт автокореляції виявляється значущим на лагу вище третього порядку, що вказує на наявність сезонності даного порядку;

• коефіцієнт приватної автокореляції виявляється значущим на лагу вище третього порядку, що також вказує на наявність сезонності даного порядку або порядку, наступного за даним лагом;

• АКФ загасає по синусоїді;

• ЧАКФ загасає по синусоїді.

На рис. 6.6 показана коррелограмми для ряду № 2568 з бази М3, до якої ми вже зверталися раніше в параграфі 5.1.

Коррелограмми по автокорреляционной та приватної автокореляційної функцій для ряду № 2568 з бази рядів М3

Рис. 6.6. Коррелограмми по автокорреляционной та приватної автокореляційної функцій для ряду № 2568 з бази рядів М3

Як бачимо, коефіцієнт автокореляції на 12-му лагу виявився не тільки значущим, але ще й значно більше за величиною сусідніх коефіцієнтів. Коефіцієнти приватної автокореляції на 11-му і 12-му лагах так само виявилися значущими. Це вказує на наявність сезонності в досліджуваному ряді даних.

На жаль, на практиці по коррелограмми не завжди можна однозначно визначити сезонність у ряді даних. Як приклад па рис. 6.7 наведена коррелограмми по ряду даних № 1 405 з бази рядів М3.

За рис. 6.7 видно, що автокореляційна функція згасає з невеликими синусоїдальними коливаннями: зниження на 7-му лагу змінюється підвищенням на 8-му, те ж саме відбувається з 3-м і 4-м, з 10-м і 11-м лагами і т. д. Така поведінка може сигналізувати і про наявність сезонності у вихідному ряді даних, проте вираженою досить слабо. Викликано це, швидше за все, тим, що вихідний ряд має нестаціонарний характер. А раз так, то його перед подальшим аналізом потрібно привести до стаціонарного виду. Детальніше інструменти приведення до стаціонарності ми розглянемо в параграфі 8.2,

Коррелограмми по автокорреляционной та приватної автокореляційної функцій для ряду № 1405 з бази рядів М3

Рис. 6.7. Коррелограмми по автокорреляционной та приватної автокореляційної функцій для ряду № 1405 з бази рядів М3

присвяченому авторегресії. Поки ж лише зауважимо, якщо чітко визначити сезонність по коррелограмми не вдається, має сенс вивчити коррелограмми по різницямвихідного ряду.

В цілому можна зробити висновок, що при визначенні наявності сезонності та відповідного їй лага варто використовувати комбінацію із згаданих трьох методів: спочатку спробувати оцінити ряд експертно, потім побудувати графік, після чого - коррелограмми по ряду. Такий підхід допоможе більш точно виявити сезонність і визначити лаг сезонності в будь-якому ряді даних, в якому вона дійсно є.

Тепер, коли ми розібралися, в чому саме полягає різниця в обліку сезонності адитивно і мультиплікативно, а також показали, як виявляти і ідентифікувати сезонність, ми можемо перейти до опису різних методів декомпозиції часових рядів та побудови тренд- сезонних моделей. Варто відзначити, що всі існуючі методи сезонної декомпозиції так чи інакше зводяться до того, щоб для початку виключити з вихідного ряду і помилки, і сезонні компоненти, після чого оцінити тренд, а вже потім обчислити сезонні коефіцієнти. Тому методи і називаються декомпозіціонние, що дозволяють замінити рішення однієї великої задачі рішенням серії менших, більш простих, взаємопов'язаних завдань.

 
Якщо Ви помітили помилку в тексті позначте слово та натисніть Shift + Enter
< Попередня   ЗМІСТ   Наступна >

Cхожі теми

Методи виявлення сезонної компоненти
СЕЗОННА декомпозиція і ТРЕНД-СЕЗОННІ МОДЕЛІ
ОСОБЛИВОСТІ РЕГУЛЮВАННЯ ПРАЦІ ПРАЦІВНИКІВ, ЗАЙНЯТИХ НА СЕЗОННИХ РОБОТАХ
Аналіз часових рядів з урахуванням сезонної компоненти
Порядок огляду трупа на місці його виявлення
Тренди і тренд-сезонні моделі
Мультипликативная модель сезонності
Вимірювання сезонних коливань
Відповідальність за запобігання й виявлення шахрайства
Облік сезонності в моделях авторегресії
 
Дисципліни
Агропромисловість
Аудит та Бухоблік
Банківська справа
БЖД
Географія
Документознавство
Екологія
Економіка
Етика та Естетика
Журналістика
Інвестування
Інформатика
Історія
Культурологія
Література
Логіка
Логістика
Маркетинг
Медицина
Нерухомість
Менеджмент
Педагогіка
Політологія
Політекономія
Право
Психологія
Релігієзнавство
Риторика
Соціологія
Статистика
Техніка
Страхова справа
Товарознавство
Туризм
Філософія
Фінанси
Пошук