Ladda ner presentationen
Presentation laddar. Vänta.
Publicerades avLars-Olof Åkesson
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 * * * * * * 13 1 3 14 2 2 15 3 6
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: sn1 = · 0.403 Feb: sn2 = · 0.440 Mar: sn3 = · 1.126 Apr: sn4 = · 0.843 Maj: sn5 = · 1.483 Juni: sn6 = · 1.097 Juli: sn7 = · 1.809 Aug: sn8 = · 1.617 Sep: sn9 = · 0.702 Okt: sn10 = · 1.056 Nov: sn11 = · 0.782 Dec: sn12 = · 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 IRt i den klassiska modellen. Om cyklisk komponent finns med: Skatta cyklisk och oregelbunden komponent som en komponent (CLIRt)
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
StatTime seriesDecomposition Multiplikativ modell är dock något annorlunda: yt = TRt·SNt+IRt Val av modelltyp Möjlighet att välja komponenter, men dock begränsat
12
Säsongrensade data
13
Time Series Decomposition
Data Sold Length ,0000 NMissing 0 Trend Line Equation Yt = 5, ,30E-02*t Seasonal Indices Period Index ,425997 ,425278 ,14238 ,856404 ,52471 ,10138 ,65646 ,65053 ,670985 ,02048 ,825072 ,700325 Dessa blir något annorlunda jämfört med handräkningen tidigare p g a att modellen är annorlunda Accuracy of Model MAPE: ,8643 MAD: ,9057 MSD: ,6388
18
StatTime SeriesMoving 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
21
Analys med additiv modell:
22
Time Series Decomposition
Data Sold Length ,0000 NMissing 0 Trend Line Equation Yt = 5, ,30E-02*t Seasonal Indices Period Index ,09028 ,13194 ,909722 ,09028 ,70139 ,618056 ,70139 ,70139 ,96528 ,118056 ,29861 ,17361 Accuracy of Model MAPE: ,4122 MAD: ,9025 MSD: ,6902
23
Multiplikativ Additiv
24
multiplikativ
25
multiplikativ additiv Trend Line Equation Trend Line Equation
Yt = E-02*t Seasonal Indices Period Index Trend Line Equation Yt = E-02*t Seasonal Indices Period Index multiplikativ additiv
Liknande presentationer
© 2024 SlidePlayer.se Inc.
All rights reserved.