КАТЕГОРИИ: Архитектура-(3434)Астрономия-(809)Биология-(7483)Биотехнологии-(1457)Военное дело-(14632)Высокие технологии-(1363)География-(913)Геология-(1438)Государство-(451)Демография-(1065)Дом-(47672)Журналистика и СМИ-(912)Изобретательство-(14524)Иностранные языки-(4268)Информатика-(17799)Искусство-(1338)История-(13644)Компьютеры-(11121)Косметика-(55)Кулинария-(373)Культура-(8427)Лингвистика-(374)Литература-(1642)Маркетинг-(23702)Математика-(16968)Машиностроение-(1700)Медицина-(12668)Менеджмент-(24684)Механика-(15423)Науковедение-(506)Образование-(11852)Охрана труда-(3308)Педагогика-(5571)Полиграфия-(1312)Политика-(7869)Право-(5454)Приборостроение-(1369)Программирование-(2801)Производство-(97182)Промышленность-(8706)Психология-(18388)Религия-(3217)Связь-(10668)Сельское хозяйство-(299)Социология-(6455)Спорт-(42831)Строительство-(4793)Торговля-(5050)Транспорт-(2929)Туризм-(1568)Физика-(3942)Философия-(17015)Финансы-(26596)Химия-(22929)Экология-(12095)Экономика-(9961)Электроника-(8441)Электротехника-(4623)Энергетика-(12629)Юриспруденция-(1492)Ядерная техника-(1748) |
Показатели анализа рядов динамики
Для характеристики интенсивности изменения во времени используются следующие показатели абсолютный прирост, темпы роста, темпы прироста, абсолютное значение одного процента прироста. Система средних показателей динамики включает следующие показатели средний уровень ряда, средний абсолютный прирост, средний темп роста, средний темп прироста. Показатели рядов динамики можно классифицировать по следующим группам (табл. 9.1).
Таблица 9.1 Классификация показателей рядов динамики
Для интервальных рядов с равными периодами времени: , (9.1) где - уровень ряда динамики, n – число уровней. Для интервальных рядов с неравными периодами времени (датами): , (9.2) где - уровни ряда динамики, сохранившиеся без изменения в течение промежутка времени ti, ti – количество дней между смежными датами. Для моментных рядов с равноотстоящими моментами: (9.3) (средняя хронологическая). Для моментного ряда с неравными интервалами: , (9.4) где yi, yn – уровни рядов динамики, ti – длительность интервала времени между уровнями.
9.4. Структура ряда динамики. Проверка ряда на наличие тренда
Всякий ряд динамики теоретически может быть представлен в виде составляющих: тренд – основная тенденция развития динамического ряда; (к увеличению либо снижению его уровня); циклические (периодические) колебания, в том числе сезонные; случайные колебания. Изучение тренда включает два основных этапа: ряд динамики проверяется на наличие тренда; проводится выравнивание временного ряда и непосредственное выделение тренда с экстраполяцией полученных результатов. При составлении ряда динамики должны выполняться следующие требования: периодизация развития, т.е. расчленение его во времени на однородные этапы, в пределах которых показатель подчиняется одному закону развития. То есть это типологическая группировка во времени. Периодизация может осуществляться несколькими методами: а) Исторический метод осуществляется на основе узаконенной структуры динамики, при этом обращают внимание на значимые даты и события. Недостаток метода в том, что точные временные границы периодов путем теоретического анализа удается получить крайне редко. б) Метод параллельной периодизации заключается в том, что анализируемому показателю Y, развернутому в динамический ряд {yi}, соответствует показатель X из динамического ряда {xi}, определяющий поведение исследуемого показателя Y. Тогда в роли однокачественных периодов развития Y нужно взять периоды X. Недостаток метода заключается в сложности нахождения X – детерминирующего показателя, зачастую которого не существует, т.к. он должен обладать весьма редкими свойствами: связью с анализируемым показателем; временными границами. в) Метод многомерного статистического анализа заключается в необходимости целой системы показателей, так как учитывается многообразие аспектов явления; амортизируется искажающее воздействие недостоверных и неточных статистических данных; повышается обоснованность статистических выводов (экстраполяция). статистические данные должны быть сопоставимы: по территории; по кругу охватываемых объектов; по ценам; по единицам измерения; по времени регистрации; по методологии расчета. Территориальная и объемная сопоставимость обеспечивается смыканием рядов динамики, при этом либо абсолютные уровни заменяются относительными, либо делается пересчет в условные абсолютные уровни. Трудности при сопоставимости могут появиться при сравнении данных по моменту регистрации. Величины временных интервалов должны соответствовать интенсивности изучаемых процессов. Чем больше вариация уровней во времени, тем чаще следует делать замеры. Для стабильных процессов интервалы можно увеличить. Числовые значения уровней рядов динамики должны быть упорядоченными во времени. Не допускается анализ рядов с пропусками отдельных уровней, если же такие пропуски неизбежны, то их восполняют условными расчетными значениями.
Методы анализа основной тенденции (тренда) в рядах динамики
Одной из задач, возникающих при анализе рядов динамики, является установление закономерности изменения уровней изучаемого показателя во времени. В некоторых случаях эта закономерность, общая тенденция развития объекта, вполне ясно отображается уровнями динамического ряда. В одних рядах динамики наблюдается систематическое увеличение уровней ряда. Однако часто приходится встречаться с такими рядами динамики, когда уровни ряда претерпевают самые различные изменения (то возрастают, то убывают), и можно говорить лишь об общей тенденции развития явления, либо о тенденции к росту, либо к снижению. В этих случаях для определения основной тенденции развития явления, достаточно устойчивой на протяжении данного периода, используют особые приемы обработки рядов динамики. Уровни ряда динамики формируются под совокупным влиянием множества длительно и кратковременно действующих факторов и в том числе различного рода случайных обстоятельств. Выявление основной закономерности изменения уровней ряда предполагает ее количественное выражение, в некоторой мере свободное от случайных воздействий. Выявление основной тенденции развития (тренда) называется в статистике также выравниванием временного ряда, а методы выявления основной тенденции - методами выравнивания. Выравнивание позволяет характеризовать особенность изменения во времени данного динамического ряда в наиболее общем виде как функцию времени, предполагая, что через время можно выразить влияние всех основных факторов. Один из наиболее простых приемов обнаружения общей тенденции развития явления - укрупнение интервала динамического ряда. Смысл приема заключается в том, что первоначальный ряд динамики преобразуется и заменяется другим, показатели которого относятся к большим по продолжительности периодам времени. Например, ряд, содержащий данные о месячном выпуске продукции, может быть преобразован в ряд квартальных данных. Вновь образованный ряд может содержать либо абсолютные величины (за укрупненные по продолжительности промежутки времени), и величины получают путем простого суммирования уровней первоначального ряда абсолютных величин, либо средние величины. При суммировании уровней или при выведении средних по укрупненным интервалам отклонения в уровнях, обусловленных случайными причинами, взаимопогашаются, сглаживаются. и более четко обнаруживается действие основных факторов изменения уровней (общая тенденция). Выявление основной тенденции может быть осуществлено также методом скользящей средней. Для определения скользящей средней формируем укрупненные интервалы, состоящие из одинакового числа уровней. Каждый последующий интервал получаем, постепенно сдвигаясь от начального уровня динамического ряда на один уровень. Тогда первый интервал будет включать уровни у1, у2,... уm; второй - уровни у2,у3,... у m+1 и т.д. Таким образом, интервал сглаживания как бы скользит по динамическому ряду с шагом, равным единице. По сформированным укрупненным интервалам определяем сумму значений уровней, на основе которых рассчитываем скользящие средние. Полученная средняя относится к середине укрупненного интервала. Поэтому при сглаживании скользящей средней технически удобнее укрупненный интервал составлять из нечетного числа уровней ряда. Нахождение скользящей средней по четному числу уровней создает неудобство, вызываемое тем, что средняя может быть отнесена только к середине между двумя датами. В этом случае необходима дополнительная процедура центрирования средних. Нередко выбор интервала сглаживания осуществляется произвольно, однако при этом нужно учитывать количество уровней в анализируемом ряду динамики, так как при использовании приема скользящей средней сглаженный ряд сокращается по сравнению с исходным рядом на число уровней, равное (m -1). Вместе с тем, чем продолжительнее интервал сглаживания, тем сильнее усреднение, а потому выявляемая тенденция развития получается более плавной. Чаще всего интервал сглаживания может состоять из трех, пяти или семи уровней. Изучение основной тенденции развития методом скользящей средней является лишь эмпирическим приемом предварительного анализа. Рассмотренные приемы сглаживания динамических рядов (укрупнение интервала и метод скользящей средней) могут рассматриваться как важное вспомогательное средство, облегчающее применение других методов и, в частности, более строгих методов выявления тенденции. Для того чтобы представить количественную модель, выражающую общую тенденцию изменений уровней динамического ряда во времени, используется аналитическое выравнивание ряда динамики. В этом случае фактические уровни заменяются уровнями, вычисленными на основе определенной кривой. Предполагается, что она отражает общую тенденцию изменения во времени изучаемого показателя. При аналитическом выравнивании ряда динамики закономерно изменяющийся уровень изучаемого показателя оценивается как функция времени , где - уровни динамического ряда, вычисленные по соответствующему аналитическому уравнению на момент времени t. Выбор формы кривой во многом определяет результаты экстраполяции тренда. Основанием для выбора вида кривой может использоваться содержательный анализ сущности развития данного явления. Можно опираться также на результаты предыдущих исследований в данной области. На практике для этих целей прибегают к анализу графического изображения уровней динамического ряда (линейной диаграммы). Однако из графического представления эмпирических данных не всегда удается произвести однозначный выбор формы уравнения. Поэтому целесообразно воспользоваться графическим изображением сглаженных уровней, в которых случайные и волнообразные колебания в некоторой степени оказываются погашенными. При выборе вида кривой для выравнивания динамического ряда возможно также использование метода конечных разностей, который основан на свойствах различных кривых, применяемых при выравнивании. При выборе формы уравнения следует исходить и из объема имеющейся информации. Чем больше параметров содержит уравнение тренда, тем больше должно быть наблюдений при одной и той же степени надежности оценивания. Выбор формы кривой может осуществляться и на основе принятого критерия, в качестве которого может служить сумма квадратов отклонений фактических значений от значений, рассчитанных по уравнению тренда. Из совокупности кривых выбирается та, которой соответствует минимальное значение критерия. Рассмотрим аналитическое выравнивание ряда динамики по прямой, т.е. аналитическое уравнение вида Yt=b0+b1t, (9.5) где t - порядковый номер периодов или моментов времени. Параметры b0 и b1 прямой рассчитываются по методу наименьших квадратов (МНК). Система нормальных уравнений в данном случае имеет вид (9.6) Поиск параметров уравнения можно упростить, если отсчет времени производить так, чтобы сумма показателей времени изучаемого ряда динамики была равна нулю ( = 0). При нечетном числе уровней ряда динамики для получения = 0 уровень, находящийся в середине ряда, принимается за условное начало отсчета времени (этому периоду или моменту времени придается нулевое значение). Даты времени, стоящие выше этого уровня, обозначаются натуральными числами со знаком минус (-1,-2, -3 и т.д.), а ниже - натуральными числами со знаком плюс (+1, +2, +3 и т.д.). Если число уровней динамического ряда четное, периоды времени верхней половины ряда (до середины) нумеруются -1,-3, -5 и т.д., а нижней - +1,+3,+5 и т.д. При этом условии будет равна нулю, и система нормальных уравнений преобразуется следующим образом откуда (9.7) Продление в будущее тенденции, наблюдавшейся в прошлом, носит название экстраполяции. Возможность экстраполяции обеспечивается двумя обстоятельствами: 1) общие условия, определяющие тенденцию развития в прошлом, не претерпевают существенных изменений в будущем; 2) тенденция развития явления характеризуется тем или иным аналитическим уравнением. Общая тенденция развития может быть охарактеризована с помощью содержательного экономического анализа. Вместе с тем расчет таких показателей, как скорость роста, темпы роста, пункты роста, позволяет ориентироваться в наличии или отсутствии устойчивой тенденции развития и обосновать форму уравнения тренда. Если условия формирования уровней ряда изменяются, то расчет параметров уравнения не следует вести по данным за весь рассматриваемый период времени. В этом случае целесообразно разбить ряд динамики на ряд этапов, ориентируясь на устойчивость абсолютных приростов или пунктов роста. Значение у, полученное в результате экстраполяции, используют для определения прогнозного значения на будущее. При составлении прогнозов оперируют не точечной, а интервальной оценкой, определяя так называемые доверительные интервалы прогноза. Величина доверительного интервала определяется в общем виде так Ŷt ± t ά , (9.8) где S - среднее квадратическое отклонение от тренда; - табличное значение t - критерия Стьюдента при уровне значимости α. Величина S определяется по формуле S = (9.9) где уi, и - соответственно фактические и расчетные значения уровней динамического ряда; n - число уровней ряда; m - количество параметров в уравнении тренда (для уравнения прямой m = 2). Для выравнивания может использоваться парабола второго порядка = b0 + b1 t + b2 t 2. (9.10) Система нормальных уравнений для нахождения параметров уравнения параболы (при соблюдении принципа отсчета от условного начала) будет иметь вид (9.11) Если в изменениях уровней обнаруживается тенденция к постоянству темпов роста, то выравнивание ряда следует проводить по показательной кривой: , (9.12) где - коэффициент роста. Техника выравнивания по показательной кривой аналогична технике выравнивания по прямой, за исключением того, что выравниваются здесь не уровни ряда, а их логарифмы: (9.13) Приравнивая = 0, получаем: (9.14) Параметр b0 выражает начальную скорость роста, а коэффициент b1 – постоянную скорость изменения прироста. По вычисленным значениям логарифмов определяем величины параметров уравнения показательной кривой b0 и b1. Современные компьютерные программы по анализу временных рядов позволяют автоматически определять тип модели, адекватной исходным данным, на основе соответствующего критерия. Аналитическое уравнение представляет собой математическую модель развития явления и дает выражение статистической закономерности, проявляющейся в рядах динамики. Следует помнить, что прием аналитического выравнивания содержит в себе ряд условностей, связанных прежде всего с тем, что уровни, характеризующие тот или иной динамический ряд, рассматриваются как функция времени. В действительности же развитие явлений обусловлено не тем, сколько времени прошло с отправного момента, а тем, какие факторы влияли на развитие, в каком направлении и с какой интенсивностью. Развитие явлений во времени выступает как внешнее выражение этих факторов, как их суммарное действие, оказывающее влияние на изменение уровня в отдельно взятые промежутки или моменты времени. Выявить основную тенденцию развития явления методом наименьших квадратов можно лишь тогда, когда выяснено, что изменяющиеся во времени процессы протекают на всем рассматриваемом промежутке времени одинаково, что их количественное и качественное изменение происходит под действием одного и того же комплекса основных факторов, определяющих движение данного ряда динамики. Модели, учитывающие общие закономерности изменения экономического явления в изучаемый интервал времени и изменения во времени влияния комплекса факторов, называют многофакторными динамическими моделями. Допустим, что величина исследуемого показателя у зависит от изменения нескольких факторов х1, x2, x3..хm. Располагая данными по некоторой совокупности объектов за ряд лет, можно построить корреляционную модель, характеризующую зависимость у от указанных факторов для каждого периода времени. Предположим, что зависимость может быть представлена линейной функцией. Тогда модель будет иметь вид: для периода t = 1; ŷ1 = a 01+ a11x 1+ a 21x 2+…+ a m1xm; для периода t = 2; ŷ2 = a 02+ a12x 1+ a 22x 2+…+ a m2xm ; для периода t = 3; ŷ3 = a 03+ a13x 1+ a 23x 2+…+a m31xm и т.д. Для всех периодов получим систему из п уравнений, и для каждого из факторов будет п коэффициентов регрессии, т.е. будем иметь временные ряды для каждого из коэффициентов регрессии a 01, a 02,a 03 … a 0n ; a 11, a 12,a 13 … a 1n ; a 21, a 22,a 23 … a 2n ; ………………………. a m1, a m2,a m3 … a mn. Рассматривая каждый из этих временных рядов, можно представить аm как функцию времени и, используя аналитическое выравнивание, построить прогнозы коэффициентов регрессии на период времени (t), то есть определить значение величин а0t, а1t, a 2t..., а mt. Тогда величина признака у на период t может быть представлена так: ŷt = a 0t+a1tx 1+a 2tx 2+…+a mtxm. Значения факторов х1, x2…x m необходимо определить также на момент времени t. Обычно для этого используют либо контрольные цифры, либо экстраполяцию по линии тренда. 9.6. Методы выявления сезонной компоненты Важнейшими задачами, решаемыми в ходе исследования сезонности, являются следующие: 1) определение наличия сезонности, численное выражение проявления сезонных колебаний и выявление их силы и характера в различных фазах годичного цикла; 2) характеристика факторов, вызывающих сезонные колебания; 3) оценка последствий, к которым приводит наличие сезонных колебаний; 4) математическое моделирование сезонности. Для измерения сезонных колебаний статистикой предложены различные методы. Наиболее простые и часто употребляемые из них: а) метод абсолютных разностей; б) метод относительных разностей; в) построение индексов сезонности. Первые два способа предполагают нахождение разностей фактических уровней и уровней, найденных при выявлении основной тенденции развития. Применяя способ абсолютных разностей, оперируют непосредственно размерами этих разностей, а при использовании метода относительных разностей определяют отношение абсолютных размеров указанных разностей к выравненному уровню. При выявлении основной тенденции используют либо метод скользящей средней, либо аналитическое выравнивание. В некоторых случаях в стационарных рядах можно пользоваться разностью фактических уровней и средним месячным уровнем за год. При рассмотрении квартальных или месячных данных многих социально-экономических явлений часто обнаруживаются определенные, постоянно повторяющиеся колебания, которые существенно не изменяются за длительный период времени. Они являются результатом влияния природно-климатических условий, общих экономических факторов, а также ряда многочисленных разнообразных факторов, которые частично являются регулируемыми. В статистике периодические колебания, которые имеют определенный и постоянный период, равный годовому промежутку, носят название «сезонных колебаний» или «сезонных волн», а динамический ряд в этом случае называют тренд-сезонным, или просто сезонным рядом динамики. Сезонные колебания характеризуются специальными показателями, которые называются индексами сезонности (Is). Совокупность этих показателей отражает сезонную волну. Индексами сезонности являются процентные отношения фактических внутригодовых уровней к постоянной или переменной средней. Для выявления сезонных колебаний обычно берут данные за несколько лет, распределенные по месяцам. Данные за несколько лет (обычно не менее трех) берутся для того, чтобы выявить устойчивую сезонную волну, на которой не отражались бы случайные условия одного года. Если ряд динамики не содержит ярко выраженной тенденции в развитии, то индексы сезонности вычисляются непосредственно по эмпирическим данным без их предварительного выравнивания. Для каждого месяца рассчитывается средняя величина уровня, за три года , затем из них определяется среднемесячный уровень для всего ряда и в заключении находится процентное отношение средних для каждого месяца к общему среднемесячному уровню ряда, то есть: . (9.15) Если же ряд динамики содержит определенную тенденцию в развитии, то прежде чем вычислить сезонную волну, фактические данные должны быть обработаны так, чтобы была выявлена общая тенденция. Обычно для этого прибегают к аналитическому выравниванию ряда динамики. При использовании способа аналитического выравнивания ход вычисления индексов сезонности следующий: по соответствующему полиному вычисляются для каждого периода выровненные уровни на момент времени (t); вычисляются отношения фактических месячных (квартальных) данных (yi) к соответствующим выровненным данным () в процентах ; (9.16) находятся средние арифметические из процентных соотношений, рассчитанных по одноименным периодам в процентах (9.17) где n – число одноименных периодов. В общем виде формулу расчета индекса сезонности данным способом можно записать так: . (9.18)
9.7. Элементы прогнозирования и интерполяции
Исследования динамики социально-экономических явлений, выявление и характеристика основной тенденции развития дают основание для прогнозирования – определения будущих размеров уровня экономического явления. Важное место в системе методов прогнозирования занимают статистические методы. Применение прогнозирования предполагает, что закономерность развития, действующая в прошлом (внутри ряда динамики), сохранится и в прогнозируемом будущем, то есть прогноз основан на экстраполяции. Экстраполяция, проводимая в будущее, называется перспективой и в прошлое – ретроспективой. Обычно, говоря об экстраполяции рядов динамики, подразумевают чаще всего перспективную экстраполяцию. В зависимости от того, какие принципы и какие исходные данные положены в основу прогноза, можно выделить следующие элементарные методы экстраполяции: среднего абсолютного прироста, среднего темпа роста и экстраполяция на основе выравнивания рядов по какой-либо аналитической формуле. Прогнозирование по среднему абсолютному приросту может быть выполнено в том случае, если есть уверенность считать общую тенденцию линейной, то есть метод основан на предположении о равномерном изменении уровня (под равномерностью понимается стабильность абсолютных приростов). Для нахождения интересующего нас аналитического выражения тенденции на любую дату t необходимо определить средний абсолютный прирост и последовательно прибавить его к последнему уровню ряда столько раз, на сколько периодов экстраполируется ряд, то есть экстраполяцию можно сделать по следующей формуле , (9.19) где - экстраполируемый уровень, (i + t) – номер этого уровня (года); i – номер последнего уровня (года) исследуемого периода, за который рассчитан ; t – срок прогноза (период упреждения); - средний абсолютный прирост. Прогнозирование по среднему темпу роста можно осуществлять в случае, когда есть основание считать, что общая тенденция ряда характеризуется показательной (экспоненциальной) кривой. Для нахождения тенденции в этом случае необходимо определить средний коэффициент роста, возведенный в степень, соответствующую периоду экстраполяции, то есть по формуле , (9.20) где yi – последний уровень ряда динамики; t – срок прогноза; - средний коэффициент роста. Если же ряду динамики свойственна иная закономерность, то данные, полученные при экстраполяции на основе среднего темпа роста, будут отличаться от данных, полученных другими способами экстраполяции. Рассмотренные способы экстраполяции тренда, будучи простейшими, в то же время являются и самыми приближенными. Поэтому наиболее распространенным методом прогнозирования является аналитическое выражение тренда. При этом для выхода за границы исследуемого периода достаточно продолжить значения независимой переменной времени (t). При таком подходе к прогнозированию предполагается, что размер уровня, характеризующего явление, формируется под воздействием множества факторов, причем не представляется возможным выделить отдельно их влияние. В связи с этим ход развития связывается не с какими-либо конкретными факторами, а с течением времени, то есть y = f (t). Поэтому целесообразно определение доверительных интервалов прогноза. Величина доверительного интервала (ig) определяется следующим образом: ig = , (9.21) где - средняя квадратическая ошибка тренда; - расчетное значение уровня; tα – доверительная величина. При анализе рядов динамики иногда приходится прибегать к определению некоторых неизвестных уровней внутри данного ряда динамики, то есть к интерполяции. Как и экстраполяция, интерполяция может производиться на основе среднего абсолютного прироста, среднего темпа роста, а также с помощью аналитического выравнивания. При интерполяции предполагается, что ни выявленная тенденция, ни ее характер не претерпели существенных изменений в том промежутке времени, уровень (уровни) которого нам неизвестен. Контрольные вопросы
1. С какой целью анализируются данные рядов динамики? 2. Какие показатели применяются для характеристики изменений уровней ряда динамики? 3. Какой вид средних величин используется для расчета среднего уровня моментного ряда динамики? 4. Охарактеризуйте роль графического представления временных рядов. Назовите наиболее распространенные виды графиков. 5. Как рассчитать средний темп роста и темп прироста уровней ряда динамики? 6. Назовите виды колебаний уровней временного ряда. 7. Как может быть выявлена основная тенденция в изменениях уровней ряда динамики? 8. Назовите преимущества и роль аналитического выравнивания уровней временного ряда. 9. Как выполнить прогноз на будущее с помощью уравнения тренда? 10. Какие факторы влияют на величину средней квадратической ошибки уравнения тренда? 11. Как рассчитать скользящую среднюю и для каких целей она может быть использована? 12. Какие методы можно использовать для выявления сезонных колебаний? 13. Как рассчитать индексы сезонности и осуществить экстраполяцию с учетом сезонной составляющей? 14. Какие особенности корреляции могут быть выделены в рядах динамики?
Дата добавления: 2015-07-02; Просмотров: 3021; Нарушение авторских прав?; Мы поможем в написании вашей работы! Нам важно ваше мнение! Был ли полезен опубликованный материал? Да | Нет |