1. Компоненты временного ряда.
Проверка гипотезы о существовании тенденции
В практике прогнозирования принято считать, что значения уровней временных рядов экономических показателей состоят из следующих компонент: тренда, сезонной, циклической и случайной составляющих.
Под трендом понимают изменение, определяющее общее направление развития, основную тенденцию временного ряда. Это систематическая составляющая долговременного действия.
Наряду с долговременными тенденциями во временных рядах экономических процессов часто имеют место более или менее регулярные колебания - периодические составляющие рядов динамики.
Если период колебаний не превышает 1 года, то их называют сезонными. Чаще всего причиной их возникновения считаются природно-климатические условия. Иногда причины сезонных колебаний имеют социальный характер, например, увеличение закупок в предпраздничный период, увеличение платежей в конце квартала и т.д.
При большем периоде колебания, считают, что во временных рядах имеет место циклическая составляющая. Примерами могут служить демографические, инвестиционные и другие циклы.
Если из временного ряда удалить тренд и периодические составляющие, то останется нерегулярная компонента.
Экономисты разделяют факторы, под действием которых формируется нерегулярная компонента, на 2 вида:
• факторы резкого, внезапного действия;
• текущие факторы.
Первый тип факторов (например, стихийные бедствия, эпидемии и др.), как правило, вызывает более значительные отклонения по сравнению со случайными колебаниями - иногда такие отклонения называют катастрофическими колебаниями.
Факторы второго типа вызывают случайные колебания, являющиеся результатом действия большого числа побочных причин. Влияние каждого из текущих факторов незначительно, но ощущается их суммарное воздействие.
Если временной ряд представляется в виде суммы соответствующих компонент, то полученная модель носит название аддитивной (1.1), если в виде произведения - мультипликативной (1.2) или смешанного типа (1.3):
Yt=ut + st + vt + et (1.1)
Yt = ut * st * vt * et (1.2)
Yt = ut * st * vt + et (1.3),
где yt- уровни временного ряда; ut -трендовая составляющая; st- сезонная компонента;vt - циклическая компонента; еt - случайная компонента.
Решение любой задачи по анализу и прогнозированию временных рядов начинается с построения графика исследуемого показателя, тем более, что современные программные средства предоставляют пользователю большие возможности для этого. Не всегда при этом четко прослеживается присутствие тренда во временном ряду. В этих случаях прежде, чем перейти к определению тенденции и выделению тренда, нужно выяснить, существует ли вообще тенденция в исследуемом процессе.
Основные подходы к решению этой задачи основаны на статистической проверке гипотез. Критерии выявления компонент ряда основаны на проверке гипотезы о случайности ряда.
2.Выравнивание ряда с помощью скользящего среднего.
Методы «механического» сглаживания.
Сюда относятся:
а. Метод усреднения по двум половинам ряда, когда ряд делится на две части. Затем, рассчитываются два значения средних уровней ряда, по которым графически определяется тенденция ряда. Очевидно, что такой тренд не достаточно полно отражает основную закономерность развития явления.
б. Метод укрупнения интервалов, при котором производится увеличение протяженности временных промежутков, и рассчитываются новые значения уровней ряда.
в. Метод скользящей средней. Данный метод применяется для характеристики тенденции развития исследуемой статистической совокупности и основан на расчете средних уровней ряда за определенный период. Последовательность определения скользящей средней:
· устанавливается интервал сглаживания или число входящих в него уровней. Если при расчете средней учитываются три уровня, скользящая средняя называется трехчленной, пять уровней – пятичленной и т.д. Если сглаживаются мелкие, беспорядочные колебания уровней в ряду динамики, то интервал (число скользящей средней) увеличивают. Если волны следует сохранить, число членов уменьшают.
· Исчисляют первый средний уровень по арифметической простой:
y1 = Sy1/m, где
y1 – I-ый уровень ряда;
m – членность скользящей средней.
· первый уровень отбрасывают, а в исчисление средней включают уровень, следующий за последним уровнем, участвующем в первом расчете. Процесс продолжается до тех пор, пока в расчет y будет включен последний уровень исследуемого ряда динамики yn.
· по ряду динамики, построенному из средних уровней, выявляют общую тенденцию развития явления.
Отрицательной стороной использования метода скользящей средней является образование сдвигов в колебаниях уровней ряда, обусловленных «скольжением» интервалов укрупнения. Сглаживание с помощью скользящей средней может привести к появлению «обратных» колебаний, когда выпуклая «волна» заменяется на вогнутую.
В последнее время стала рассчитываться адаптивная скользящая средняя. Ее отличие состоит в том, что среднее значение признака, рассчитываемое также как описано выше, относится не к середине ряда, а к последнему промежутку времени в интервале укрупнения. Причем предполагается, что адаптивная средняя зависит от предыдущего уровня в меньшей степени, чем от текущего. То есть., чем больше промежутков времени между уровнем ряда и средним значением, тем меньшее влияние оказывает значение этого уровня ряда на величину средней.
г. Метод экспоненциальной средней. Экспоненциальная средняя – это адаптивная скользящая средняя, рассчитанная с применением весов, зависящих от степени «удаленности» отдельных уровней ряда от среднего значения. Величина веса убывает по мере удаления уровня по хронологической прямой от среднего значения в соответствии с экспоненциальной функцией, поэтому такая средняя называется экспоненциальной. На практике применяется многократное экспоненциальное сглаживания ряда динамики, которое используется для прогнозирования развития явления.
Вывод: способы, включенные в первую группу, ввиду применяемых методик расчета предоставляют исследователю очень упрощенное, неточное, представление о тенденции в ряду динамики. Однако корректное применение этих способов требует от исследователя глубины знаний о динамике различных социально - экономических явлений.
3. Простое и взвешенное среднее.
Средняя арифметическая взвешенная применяется в том случае, когда отдельные значения признака (варианты) встречаются в ряду распределения не с одинаковой частотой (f1 ≠ f2 ≠ …fn) и число вариантов не совпадает с частотой их появления.
Пример расчета:
- средней арифметической взвешенной
- среднего линейного отклонения (показатель вариации)
- среднеквадратического отклонения взвешенного (показатель вариации)
При расчете средней арифметической по интервальному вариационному ряду необходимо сначала найти середину интервалов. Это и будут значения xi, а количество единиц совокупности в каждой группе fi. При наличии открытого интервала, его ширина принимается равной ширине примыкающего (рядом стоящего) интервала.
средней арифметической взвешенной. Он будет равен:
2. Размах вариации R=Хmax-Хmin зависит только от двух крайних значений признака: R=11-1=10(лет).
3. Взвешенное среднее линейное отклонение (средний модуль) является средней величиной из абсолютных значений отклонений индивидуальных значений признака от общей средней арифметической величины:
4. Взвешенное с реднее квадратическое отклонение определяется как квадратный корень из дисперсии. На столько, в среднем, отклоняется средний стаж работников предприятия по каждой группе от общей средней (среднего стажа по предприятию).
5. Коэффициент вариации характеризует колеблемость признака около средней. Если коэффициент вариации не превышает 33%, то совокупность, по рассматриваемому признаку, можно считать однородной. Данная совокупность характеризуется сильной вариацией, т.е. разброс значений по отдельным группам относительно общего среднего стажа по предприятию значителен.
