Presentation laddar. Vänta.

Presentation laddar. Vänta.

Säsongrensning: Serien rensas från säsongkomponenten genom beräkning av centrerade och viktade glidande medelvärden (centered moving averages, CMA): där.

Liknande presentationer


En presentation över ämnet: "Säsongrensning: Serien rensas från säsongkomponenten genom beräkning av centrerade och viktade glidande medelvärden (centered moving averages, CMA): där."— Presentationens avskrift:

1 Säsongrensning: Serien rensas från säsongkomponenten genom beräkning av centrerade och viktade glidande medelvärden (centered moving averages, CMA): där L=Antal säsonger i serien (L=2 för halvårsdata, 4 för kvartalsdata och 12 för månadsdata)

2 Exempel (sales data från tidigare) tid månad antal CMA 112 * 226 * 335 * 445 * 5510 * 668 *

3 Exempel, forts

4 Medelvärden av grova säsongskomponenter: Juli: ( )/3  Aug: ( )/3  Sep: ( )/3  Okt: ( )/3  Nov: ( )/3  Dec: ( )/3  Jan: ( )/3  Feb: ( )/3  Mar: ( )/3  Apr: ( )/3  Maj: ( )/2  Obs! Bara två värden här! Juni: ( )/2  …och här!

5 Summan av de beräknade medelvärdena: )  Summan skall bli L=12 För att få den till 12 multipliceras samtliga medelvärden med 12/ 

6 Slutligt skattade säsongkomponenter: Jan: sn 1 = ·  Feb: sn 2 = ·  Mar: sn 3 = ·  Apr: sn 4 = ·  Maj: sn 5 = ·  Juni: sn 6 = ·  Juli: sn 7 = ·  Aug: sn 8 = ·  Sep: sn 9 = ·  Okt: sn 10 = ·  Nov: sn 11 = ·  Dec: sn 12 = ·  0.641

7 Tidsserien säsongrensas genom vid multiplikativ modell vid additiv modell där är något av värdena beroende på vilken av säsongerna som t motsvarar.

8 Exempel, forts

9 Cyklisk och oregelbunden komponent: Om cyklisk komponent ej finns med: Residualerna från regressionsanalysen utgör skattning av termen IR t i den klassiska modellen. Om cyklisk komponent finns med: Skatta cyklisk och oregelbunden komponent som en komponent (CLIR t )

10 Den cykliska komponenten skattas nu genom ett 3- punkters centrerat oviktat glidande medelvärde: och den oregelbundna komponenten skattas slutligen som

11 Minitab kan användas för komponentuppdelning med Stat  Time series  Decomposition Multiplikativ modell är dock något annorlunda: y t = TR t ·SN t +IR t Val av modelltyp Möjlighet att välja komponenter, men dock begränsat

12 Säsongrensade data

13 Time Series Decomposition Data Sold Length 47,0000 NMissing 0 Trend Line Equation Yt = 5, ,30E-02*t Seasonal Indices Period Index 1 0, , , , , , , , , , , , Accuracy of Model MAPE: 16,8643 MAD: 0,9057 MSD: 1,6388 Dessa blir något annorlunda jämfört med handräkningen tidigare p g a att modellen är annorlunda

14

15

16

17

18 Stat  Time Series  Moving Average… Antal punkter i det glidande medelvärdet

19 Sparar de glidande medelvärdena, dvs den skattade cykliska komponenten i en ny kolumn, som får namnet AVER1

20

21 Analys med additiv modell :

22 Time Series Decomposition Data Sold Length 47,0000 NMissing 0 Trend Line Equation Yt = 5, ,30E-02*t Seasonal Indices Period Index 1 -4, , , , , , , , , , , ,17361 Accuracy of Model MAPE: 16,4122 MAD: 0,9025 MSD: 1,6902

23 Multiplikativ Additiv

24 multiplikativ

25 additiv multiplikativ Trend Line Equation Yt = E-02*t Seasonal Indices Period Index Trend Line Equation Yt = E-02*t Seasonal Indices Period Index


Ladda ner ppt "Säsongrensning: Serien rensas från säsongkomponenten genom beräkning av centrerade och viktade glidande medelvärden (centered moving averages, CMA): där."

Liknande presentationer


Google-annonser