Поправка на сезон: деление ряда на сезонный индекс
Что означают слова «с поправкой на сезонные колебания» и может ли наблюдаться снижение показателя, вычисленного с поправкой на сезонные колебания, даже в том случае, когда его фактическое значение повышается?-
Поправка на сезонные колебания устраняет из результатов измерения ожидаемый сезонный компонент, что позволяет нам непосредственно сравнивать один квартал с другим, выявляя, таким образом, те или иные скрытые тенденции.
Чтобы найти некоторое значение с поправкой на сезонные колебания, достаточно разделить исходные данные на сезонный индекс для соответствующего квартала. Например, объем продажи автомобилей во втором квартале 2013 г. — с поправкой на сезонные колебания — вычисляется как фактический объем продажи (32 805 млн.руб.), деленный на сезонный индекс второго квартала (1,0916).
Введите в ячейку G27 формулу:
=C27/F27 (Результат: 30 052).
Аналогично рассчитываются другие ячейки столбца Е на рисунке 4.
Почему результат с поправкой на сезонные колебания оказался меньше фактического объема продаж? Дело в том, что объем продажи во втором квартале, как правило, выше по сравнению с типичным кварталом года.
В сущности, вы заранее рассчитываете на то, что объем продажи во втором квартале будет примерно на 9,2% выше (исходя из сезонного индекса, равного 1,0916). Деление на сезонный индекс нивелирует влияние этой ожидаемой сезонной флуктуации, приводя объем продажи во втором квартале в соответствие с типичным кварталом года (т.е. снижая его).
|
|
|
На рисунке 4 отражены объемы продажи с поправкой на сезонные колебания для всего временного ряда. В графическом виде эти данные представлены вместе с исходными данными. Ряд, в котором учитывается поправка на сезонные колебания, оказывается несколько более гладким, чем исходные данные, поскольку в первом случае нам удалось избавиться от сезонных флуктуаций.
Однако и в этом случае остаются немалые «шероховатости», поскольку, помимо тренда, в нем по – прежнему присутствуют нерегулярный и циклический компоненты.
Рисунок 4 – Ряд, отражающий объемы продаж с поправкой на сезонные колебания, позволяет сравнивать один квартал с другим.
Избавляясь от ожидаемых сезонных флуктуаций, мы получаем более четкую картину развития.
Долгосрочный тренд и прогноз с поправкой на сезонные колебания
Когда временной ряд демонстрирует долгосрочную линейную тенденцию к нарастанию или снижению, для оценки этой тенденции и прогнозирования будущего можно воспользоваться регрессионным анализом. Для прогнозирования ряда, в котором учитывается поправка на сезонные колебания (переменная У), используется период времени (переменная Х). Результирующее уравнение регрессии будет представлять долгосрочный тренд. Подставляя будущие временные периоды в качестве новых значений Х, вы получите возможность экстраполировать эту долгосрочную тенденцию на будущее.
|
|
|
Этого можно добиться, воспользовавшись числами I, 2, 3, ... для представления X непосредственно в виде номера временного периода (квартала или месяца). На рисунке 5 в столбце В и С представлены данные для регрессионного анализа, цель которого заключается в выявлении долгосрочного тренда. Применяя функцию ТЕНДЕНЦИЯ и формулу массива, в ячейки D2:D29 введём следующую формулу:
= ТЕНДЕНЦИЯ(В2:В29;С2:С29)
Построенное методом наименьших квадратов линейное уравнение регрессии, имеет следующий вид:
Долгосрочный тренд = 17502+535,61*(период времени)
Это выражение указывает на то, что объемы продажи автомобилей увеличиваются в среднем на 535,61 млн.руб за квартал. Этот долгосрочный тренд нетрудно прогнозировать, подставляя в уравнение регрессии соответствующий временной период.
Например, чтобы найти значение тренда для первого квартала 2014 г., используйте значение Х=29, которое будет представлять период времени, следующий за окончанием нашего временного ряда.
|
|
|
Прогнозируемое значение тренда для первого квартала 2014 г.
= 17 502 + 535,6 *(период времени) =17 502 + 535,61*29 = 33 035 (млн.руб.).
Спрогнозируем объёмы продаж на период 2003-2005 годы. В диапазон ячеек С30:С41 последовательно занесем значения номеров кварталов 29, 30, 31...40. Прогнозные значения рассчитываются в ячейках D30:D41, куда введём формулу:
{= ТЕНДЕНЦИЯ (В2:В29;С2:С29; С30:С41)}
Дата добавления: 2019-03-09; просмотров: 114; Мы поможем в написании вашей работы! |
Мы поможем в написании ваших работ!