F10
Tidsserieanalys Tidsseriedata - Data insamlad vid olika (ofta lika avstånd emellan) tidpunkter, såsom varje dag, vecka, månad, kvartal, år osv.
Exempel på en tidsserie*
Variationsorsaker Vi kan se i diagrammet ovan att det finns flera variationsorsaker - Trend
- Konjunktur
- Säsong
- Slump
En tidsserie kan byggas upp på följande sätt Additiv modell: - Y = T + C + S +
- Kan användas om vi antar att säsongvärdet ligger ett visst antal enheter över eller under trendvärdet
Multiplikativ modell: - E = T x C x S x
- Kan användas om vi antar att säsongvärdet ligger en viss procent över eller under trendvärdet
Exempel: Additiv modell
Vad vill vi göra? Vi vill skatta trenden - Ett trendvärde som inte är påverkat av säsongvariation
Vi vill skatta säsongkomponenter - Hur stor del av omsättningen (exempelvis) beror på den säsongmässiga variationen?
Uppskattning av trenden (T) Om man antar att trenden följer en speciell matematisk form: regressionsanalys Om man inte har något antagande om trenden: glidande medelvärden
Antag först att vi endast har en trendkomponent och en slumpkomponent: Y = T + eller Y = T x Möjliga ekvationer för att skatta trenden (finns fler):
Exempel
Uppskattning av säsongkomponenter med regressionsanalys Antag nu att vi istället för att ha gjort mätningar årligen, gör dem varje kvartal, tertial etc. Vi har antagligen säsongvariation förutom trendvariation - Antal dummyvariabler = antal säsonger - 1
Exempel Arbetade timmar per vecka (10 000-tal inom jordbruk, skogsbruk, jakt, fiske)
Exempel: Regressionsanalys för att skatta trend och säsong (additiv modell)
Skattade linjen Timmar = 460 – 3.34t – 20.4D1 + 55.2D2 + 50.9D3 Gör man en ”omräkning” utifrån denna ekvation kan man uttrycka en trendkomponent som går i ”mitten” samt säsongkomponenter som avvikelser från trendkomponenten.
Dostları ilə paylaş: |