Vremenski niz kao izraz dinamike

Uređivanjem vrijednosti koje se odnose na 2 ili više vremenskih jedinica nastaje vremenski
niz. To je skup hronološki uređenih vrijednosti posmatrane pojave. Vrijednost čijim
redanjem nastaje vremenski niz zove se frekvencija i to je izraz nivoa pojave u nekom od
odabranih trenutaka ili intervala vremena.
Prema načinu nastanka frekvencija razlikujemo intervalni i trenutni vremenski niz.
Intrevalni vremenski niz – nastaje uređivanjem frekvencija pojedinih vremenskih jedinica,
koje dobijemo ako neku pojavu posmatramo u intervalu vremena. Tu spadaju sve pojave
koje imaju jedan smjer kretanja određen početkom i krajem perioda. Frekvencije dobijemo
sabiranjem elemenata posmatrane pojave u toku intervala vremena. Intervalni niz ima
svojstvo kumulativnosti tj frekvencije ovog niza se mogu sabirati. U ovom slučaju ima
smisla računati samo rastuću kumulantu jer su frekvencije uvijek poredane hronološki.
Kumulanta se uvijek formira iz originalnih frekvencija.
Trenutni vremenski - niz nastaje uređivanjem frekvencija koje pokazuju nivo pojave u
određenom trenutku. Neke pojave nema smisla posmatrati u određenom intervalu, pa se
posmatraju samo u trenutku (kritični momenat). To su statistički skupovi u kojima jedinice
istovremeno nastaju i nestaju, tj. postoji dvosmjerno kretanje. Trenutni niz je skup
hronološki uređenih vrijednosti koje predstavljaju salda pojava u odabranim vremenskim
tačkama. Ovakvi podaci nemaju svojstvo kumulativnosti jer njihovo sabiranje nema smisla.
Prema načinu iskazivanja posmatrane pojave razlikujemo izvorni i izvedeni vremenski niz.
Izvorni vremenski niz – nastaje hronološkim uređenjem veličina koje su rezultat direktnog
mjerenja pojave po odabranim vremenskim intervalima. Vrijednosti niza su izražene
izvornim mjernim jedinicama.
Izvedeni vremenski niz – nastaje ako su frekvencije rezultat brojčanih operacija nad jednim
ili više vremenskih nizova.
Zavisno od toga poprima li vrijednosti iz nekog intervala ili konačan broj vrijednosti, niz
može biti diskontinuiran i kontinuiran.
Diskontinuiran vremenski niz – imamo ako su podaci vremenskog niza dati u odvojenim
vremenskim intervalima, bez obzira na njihovu dužinu i dužinu perioda u kome se vrše
posmatranja. Ti nizovi mogu biti trenutni ili intervalni.
Kontinuiran vremenski niz – je niz kod kojeg se mjerenja posmatranih pojava vrše
preciznim instrumentima u kontinuiranom toku vremena.
Zavisno od toga da li se vrijednosti niza koriste za egzaktno predviđanje ili procjenu, postoji
deterministički i statistički (stohastički) niz.
Deterministički – ako se na osnovu njegovih članova može egzaktno predviđati nivo
posmatrane pojave.
Statistički – ako se pomoću njegovih članova buduća stanja mogu samo procijeniti, a ne
egzaktno odrediti.

Konzistentnost vremenskog niza

Ispravni zaključci o dinamici posmatrane pojave mogući su ako je vremenski niz
konzistentan, odnosno ako se radi o uporedivim podacima. Posebnu pažnju treba usmjeriti
na: definisanje i mjerenje varijable na isti način u cijelom periodu posmatranja, iste
vremenske jedinice posmatranja, teritorijalne promjene i stabilnost cijena kod
vrijednosnog izražavanja.
Tokom vremena posmatranja mijenja se definicija posmatranih pojava, mijenjaju se
kriteriji razgraničenja, metodi mjerenja i način iskazivanja. To je posebno izraženo kod
dužeg posmatranja pojave i sve značajno utiče na uporedivost podataka.
Podatke ima smisla upoređivati samo ako se odnose na iste vremenske jedinice
Vremenske jedinice dobijamo kad statistički skup raščlanimo prema vremenskom obilježju.
Svaka vremenska jedinica je deinisana jednim vremenskim periodom, a frekvencije
predstavljaju onaj dio skupa koji pripada tom periodu. Dužina vremenskog intervala zavisi
od prirode posmatrane pojave i cilja istraživanja. Kod analize konzistentnosti niza se prije
raspoređivanja frekvencije provjerava da li su razredi jednake veličine. Ako su različiti prvo
se koriguju pa se tek onda upoređuju frekvencije. Koriguju se svođenjem na najmanji
vremenski interval. Kod trenutnog vremenskog niza varijacije dužine istih kalendarskih
jedinica ne utiču na njihovu uporedivost, ali je poželjno da su frekvencije vezane za
jednako udaljene vremenske tačke.
Kroz duži period je teško zadržati prostornu definiciju pojave jer se u vremenu mijenjaju i
prostorne granice. U svim slučajevima gdje je to moguće potrebno je pregrupisati podatke
u nizove uporedivih podataka.
Kod vrijednosno izraženih vremenskih nizova promjene cijena značajno determiniraju
veličine pojave. Da bi se sagledala realna dinamika pojave potrebno je eliminisati uticaj
promjena u tekućim cijenama na njeno ponašanja.

Ciljevi i pristupi analize vremenskih nizova

Analizom vremenskih nizova želimo postići sljedeće ciljeve:
Deskripcija pojave – u prvoj etapi izučavanja karakteristika vremenskog niza koristimo
grafičko prikazivanje i deskriptivnu statistiku. Često se pokaže da je grafičkim prikazom
suštinska karakteristika došla do izražaja pa nema potrebe koristiti složenije metode(nisu
ni moguće kod nizova male dužine).
Objašnjenje varijacije pojave – kad raspolažemo sa više nizova možemo koristiti varijacije
jednog niza za objašnjenje varijacija drugog. Jedan od pristupa u tom smislu baziran je na
korelacionoj i regresionoj analizi, a dr na analizi modela funkcije prenosa.
Predviđanje razvoja pojave – kad identificiramo i procijenimo model, koristimo ga za
predviđanje budućih nivoa pojave. Predviđanje se bazira na pokazateljima dinamike ili
modelima vremenskih pojava.
Kontrola procesa – odvijanje mnogih procesa prati se u vremenu. Praćene karakteristike
pojavljuju se kao zapisi u vremenu koji predstavljaju vremenski niz prikazan na kontrolnoj
karti. Potreba za regulacijom pocesa javlja se kod različitih neusklađenosti zbog pojave
premalih ili prevelikih vrijed vremenskog niza.
.1.2. Grafičko prikazivanje vremenskih nizova
Da bi frekvencije, odnosno podaci i rezultati koje izražavaju vremenski nizovi postali
razumljiviji za njihovo predstavljanje se goristi grafičko prikazivanje. Vremenski nizovi se
mogu grafički prikazati na više načina i izbor odgovarajućeg grafikona je važan.
Tekstualni dio grafikona treba da sadrži: naslov (iznad grafikona), oznaku jedinice
mjere, oznake perioda na apscisi i izvor podataka (ispod) i po potrebi objašnjenja i
napomene (ispod). Ako intervali posmatranja nisu jednaki potrebno je korigovati
frekvencije jer se tako postiže uporedivost podataka.
Linijski grafikon – njim se prikazuje intervalni vremenski niz. Jednodimenzionalan je i
koriste se za prikazivanje vremenskih izova kod pojava koje imaju svoj tok, dinamiku i
razvoj. Naglašavaju brzinu a ne veličinu promjene pojave tokom vremena. Prednost
linijskog grafikona doprinosi i prekid mjerila na orginati koji se koristi kad se prikazuju
pojave koje imaju male varijacije na viskom nivou frekvencija. Na ovog grafikonu
vremenski nizovi se mogu upoređivati ako su njihove vrijed izražene u istim mjernim
jeidnicama i nisu značajno različite.
Površinski grafikon – ima 2 dimenzije i kod njih su frekvencije niza predstavljene
površinama različitih geometrijskih oblika. Koriste se kada se treba istaknuti veličina, a ne
vrijeme i brzina promjene u vremenu.
Histogram stupaca – frekvencije se prikazuju stupcima jednakih osnovica. Površina stupca
je određena njegovom visinom. Razlikujemo jednostruke, razdijeljene(koriste se za prikaz
strukture pojave u apsolutnim ili relativnim vrijed), dvostruke i višestruke stupce (vrši se
poređenje više vremenskih nizova po obimu, strukturi i značaju).
Polulogaritamski grafikon - često u praksi imamo potrebu porediti pojave koje imaju
značajno različite frekvencije. Sagledavanje relativnih promjena omogućava nam
logaritamsko mjerilo, odnosno primjenu ovog grafikona. Omogućava nam dobro
uočavanje manjih varijacija pri nižim frekvencijama, i velikih varijacija kod velikih brojčanih
vrijed. Aritmetičko mjerilo omogućava sagledanje aritmetičke progresije nizova a
logaritamsko prikazuje geometrijsku progresiju. Ovaj grafikon koristi se za grafički prikaz 2
ili više nizova različitih brojčanih nivoa. Ističe relativne varijacije nizova i pogodan j eza
uporedni prikaz pojava. Prilikom upoređivanja 2 niza sa značajno različitim frekvencijama
mogu se istovremeno koristiti 2 različita mjerila.
Polarni dijagram – koristi se za prikazivanje vremenskih nizova kod kojih su naglašene
sezonske varijacije. Zasniva se na duži koja polazi od jednog proizvoljnog početka , koja
predstavlja polarnu osu. Udaljenost frekvencija od tog početka zavisi od veličine
empirijskih frekvencija.

OSOBINE INDEKSA:
Osibina identiteta- indeks ostaje nepromjenjen ako se posmatrana veličina ne
mjenja.

Osobina tranzitivnosti-ovu osobinu zadovoljavaju indeksi čiji je proizvod

jednak odnosu veličine pojave u posmatranom i baznom periodu.

Osibina recipročnosti- se može definisati u odnosu na vrijeme, a govori da

je recipročan indeks neutralan u odnosu na vrijeme.

Osobina cirkularnosti- kada je zadovoljena osobina tranzitivnostii

recipročnosti, može se reći i da je zadovoljena osobina cirkularnosti.

Prosječna stopa promjene

Pored individualnih indeksa za iskazivanje relativnih varijacija posmatrane pojave
koristi se i prosječna stopa promjene. Ona nije najsretnije rješenje, jer stopa
može biti pozitivnog i negativnog predznaka, pa samo ona sa pozitivnim
predznakom upućuje na nivo rasta pojave. Može se izračunati na 3 načina: na
osnovu geometrijske sredine lančanih indeksa, na osnovu orginalnih podataka i
na osnovu baznih indeksa. Geometrijska sredina lančanih indeksa može se
izračunati i onda ako su poznati samo prvi i zadnji član niza. Iz osobine
tranzitivnosti proističe drugi način za računanje prosječne stope
promjene, odnosno direknto iz podataka vremenskog niza. Osnovni
nedostatak ovako izračunate prosječne stope rasta proističe iz činjenice da se
ona praktično računa samo na osnovu prve i zadnje vrijednosti posmatrane
pojave. Ona će biti dobar reprezentat samo ako su koeficijenti dinamike u
uzastopnim periodima približno jednaki.
Prosječna stopa promjene može da se računa i na osnovu baznih indeksa,
jer su oni direknto proporcionalni s empirijskim frekvencijama. Nedostatak
ovako dobivene stope jeste što ona uprosječuje rast pojave u svim
periodima, bez obzira na različite varijanse unutar niza.
Prosječna stopa može se koristiti za predviđanje razvoja pojave, uz
pretpostavku da će se pojava i u narednim periodima mjenjati prema
izračunatoj stopi.
Pored predviđanja razvoja pojave, na osnovu ove stope može se izračunati u
kojem će periodu, uz nastavak ispoljene tendencije, pojava dostići određeni
nivo.

Postupak analize grupe pojava pomoću indeksa provodi se u nekoliko koraka:

- definisanje grupe pojava i namjene grupnih indeksa

- izbor elemenata za grupni indeks i njihova identifikacija
- prikupljanje podataka o elementima
- izbor baze indeksa, određivanje pondera i izraza za izračunavanje grupnih indeksa
- ocjena reprezentativnosti indeksa kao prosječnih veličina i provođenje testova o
njihovim teorijskim svojstvima

Grupni indeks vrijednosti

-računa se samo u agrehatnom obliku, i to tako da se vrijednosti tekućeg
perioda podjele sa vrijednostima baznog perioda i pomnože sa 100.
Ovaj indeks možemo dobiti i množenjem grupnih indeksa cijena i količina od
kojih jedan mora biti Laspeyresov a drugi Paascheov. Ovaj indeks se računa kao
proizvod indeksa cijena sa ponderom iz baznog perioda i indeksa količina sa
ponderom iz tekućeg perioda, odnosno kao proizvod indeksa cijena sa
ponderom iz tekućeg perioda i indeksa količina sa ponderima iz baznog
pedioda.

Kako cijene nisu postojane u vremenu, procjena realnog razvoja pojave u

vremenu nije moguća na osnovu vrijednosti izraženih u tekućim cijenama.
Realan uvid u razvoj posmatranih pojava postiže se eliminisanjem uticaja
promjena cijena. Postupak eliminisanja uticaja cijena na vrijednosno izražene
pojave naziva se deflacioniranje i provodi se dijeljenjem vrijednosti izmaženih
u tekućim cijenama sa odgovarajućim grupnim indeksom cijena nemnoženim sa
100. Za ovaj grupni indeks koristi se naziv deflator ili deflacijski indeks. U
inflatornim uslovima, kada cijene zamagljuju realnu sliku o razvoju pojave,
potreba za deflacioniranjem dolazi do posebnog izražaja. Deflacionirane
vrijednosti predstavljaju procjenu realnih veličina i za njih se kaže da su izražene u
stalnim cijenama.

Suprotan postupak od deflacioniranja naziva se revalorizacija i predstavlja

usklađivanje vrijednosti pojava s nastalim promjenama cijena. Često se
vrijednosti za niz perioda daju u cjenama jednog vremenskog perioda.
Postupak revalorizacije se provodi množenjem vrijednosti u stalnim cijenama
odgovarajućim indeksima cijena nemnoženim sa 100.

ODABRANE METODE ANALIZE VREMENSKIH NIZOVA

U statističkoj literaturi navodi se podjela metoda analize vremenskih

pojava na
kvantitativne i kvalitativne.
Kvalitativne metode koriste se kada se podaci o nekoj pojavi ne mogu
kvantificirati ili kada podaci nisu dostupni. Za ove metode je karakteristično
da su procjene budućih stanja rezultata rada eksperata.
Delphi metoda i metoda scenarija su najčešće korištene kvalitativne
metode.
Delphi metoda zasniva se na procesu usklađivanja mišljenja eksperata, dok
se kod sastavljanja scenarija prvo utvrđuju uslovi u kojima se predviđa
odvijanje događaja. Menadžer bira onaj scenariji koji će se prema
njegovom sudu ostvariti sa najvećom vjerovatnoćom.
Za primjenu kvantitativnih metoda neophodno je da su podaci u prošlom i
sadašnjem periodu dostupni, da oslikavaju pravu prirodu posmatrane
pojave i da se mogu kvantificirati.
Ova metoda koristi statistički pristup, i one su usmjerene na analizu osnovnih
karakteristika pojedinačnog niza i na prognoziranje njenih budućih vrijednosti.
Druga grupa metoda koristi ekonometrijski pristu ( kauzalne metode).
Ove metode zasnivaju se na pretpostavci da je posmatrana pojava u
uzročno-posljedičnoj vezi sa jednom ili više drugih pojava. Koristimo ih kada
varijacije jedne pojave objašnjavamo varijacijama druge pojave. Kauzalne
metode spadaju u regresionu analizu vremenskih pojava i njima ocjenjujemo
regresioni model zavisne varijable u funkciji drugih nezavisnih varijabli. mogu da
se računaju u obliku proste ili vagane aritmetičke sredine.

IZBOR VRSTE TRENDA

Za izbor vrste trenda primjenjuju se odgovarajuće statističke metode

apriornog( prethodnog) i aposteriornog ( naknadnog ) opredjeljenja. U
metode apriornog opredjeljenja ubrajamo: grafički prikaz, metod
diferencije, izračunavanje pomičnih prosjeka.

Prvu sliku o dinamici pojave tokom vremena možemo uočiti na osnovu

grafičkog prikaza vremenskog niza. Ovaj metod je krajnje subjektivan.

Metod diferencije se bazira na izračunavanju razlika uzastopnih članova

niza. Ako su apsolutne razlike uzastopnih frekvencija približno jednake
tokom cijelog obuhvaćenog perioda, tada će linearna f-ja najbolje
odražavati dugoročnu razvojnu tendenciju pojave. Prva diferencija
predstavlja razliku između vrijednosti podataka vremenskog niza u 2
sukcesivna perioda. Kvadratna f-ja (parabola drugog stenepa) će
najbolje odražavati dugoročnu tendenciju ako su druge diferencija
približno jednake. F-je višeg stepena odgovarale bi za one vremenske nizove
čije su treće diferencije približno jednake. Kada su razlike logaritamskih
vrijednosti uzastopnih podataka približno jednake, pojava ispoljava osobine
geometrijske progresije, pa će tada najbolje odgovarati eksponencijalna f-ja.

Ima slučajeva kada je kretanje pojave takvo da se opšta dugoročna razvojna

tendencija ne može izraziti ni jednom do sad navedenom f-jom. Tada se
primjenjuju složene f-je krive kojima se najbolje aproksimira takvo kretanje, i
tu spada: modifikovana eksponencijalna kriva, Gompertzova kriva i logistička
kriva. Pogodne su za izračunavanje dugoročne razvojne tendencije kod
pojava koje su u svom kretanju približavaju jednoj granici- asimptoti.

Izračunavanjem pomičnih prosjeka povezuju se promjene manjih ili većih grupa

podataka, pa se u izvjesnoj mjeri elminiraju kratkoročne i srednjoročne
oscilacije i ističe osnovni dugoročni razvoj pojave u vidu prosječnog
kretanja. Osnovna ideja metoda pomičnih prosjeka je u zamjeni orginalnih
podataka sa aritimetičkim sredinama, čijom promjenom eliminiramo tekuća
kolebanja. Ovi prosjeci mogu da se računaju u obliku proste ili vagane
aritmetičke sredine.

LINEARNI TREND
Ako se analizirana pojava mjenja na približno isti apsolutni iznos tokom
cijelog obuhvaćenog perioda tada će linearni trend najbolje odražavati
dugoročnu razvojnu tendenciju. Odsječak kod linearnog trenda predstavlja
prosjek vremenskog niza u posmatranom periodu, dok nagib pokazuje
prosječnu promjenu vremenskog niza u sukcesivnim vremenskim intervalima
odgovarajućeg perioda. Parametri su nepoznate veličine i jedino možemo da
ih procjenimo pomoću uzorka.
Model linearnog trenda predstavlja model trend-polinoma prvog stepena,
jer je njegov deterministički dio linearna f-ja vremena.
Konstantni član a predstavlja vrijednost trenda za vremenski period koji
prethodi prvom(x=0), dok b pokazuje prosječnu linearnu promjenu posmatrane
pojave pri jediničnoj promjeni varijable vrijeme.
Ekstrapolacija trenda predstavlja produživanje linije trenda izvan intervala
obuhvaćenog vremenskim nizom. Cilj ekstrapolacije je prognoziranje nivoa
posmatrane pojave u budućnosti. Na kvalitet prognoziranja utiče
mnogo faktora: dužina posmatranog vremenskog niza, relativna društveno-
ekonomska stabilnost i sl. Model sa ocjenjenim parametrima može se koristiti
u prognostičke svrhe ako pretpostavimo da će trend biti postojan u
prognostičkom horizontu.

PARABOLIČKI TREND
Kada su druge diferencije (razlike prvih diferencija) približno jednake umjesto
linearnog trenda koristi se parabolički trend. Druge diferencije vrijednosti
polinima drugog stepena su konstantne, pa je to razlog njegovog izbora kao f-je
vremena u modelu trenda.
Radi se o onim pojavama čije se kretanje u posmatranom periodu odvija na
disharmonično, odnosno na početku brže, a zatim kasnie sporije i obratno.
Ovaj model treba tretirati kao analitički izraz dinamike pojave i posmatrati ga
kao cjelovit izraz.
Parametar a kod paraboličkog trenda predstavlja vrijednost trenda u periodu
označenom 0. Kada je predznak parametra b2 negativan, onda je otvor
parabole okrenut prema dole, odnosno ako je parametar b2 pozitivan, otvor
parabole je okrenut prema gore.
Pri ekstrapolaciji paraboličkog trenda treba biti veoma oprezan, jer pojava
koja je u posmatranom periodu imala rast i opadanje može ponovo obrnuto
smjer svog kretanja. U prognoziranje kretanja pojave za udaljenije periode ne
treba se upuštati.

EKSPONENCIJALNI TREND
-pripada grupi nelinearnih f-ja i koristimo ga kada vremenski niz pokazuje
karakteristike geometrijske progresije. Osnovna karakteristika ovakvih
kretanja se može uočiti već na grafičkom prikazu gdje empirijske vrijednosti na
početku sporije rastu a kasnije sve brže i brže. Ovaj trend se najbolje
prilagođava empirijskim podacima vremenskog niza kada pojava pokazuje
približno jednaku ralativnu promjenu (rast ili pad), odnosno kada su
apsolutne razlike logaritmovanih podataka približno iste. Ovaj trend je najbolje
prilagođen vremenskom nizu ako se u polulogaritamskom grafikonu podaci
grupišu približno oko prave linije. Konstantni član a predstavlja vrijednost
trenda za vremenski period u kojem je x=0, dok na osnovu b možemo računati
prosječnu stopu promjene. Eksponencijalna prosječna stopa promjene
pokazuje za koliko procenata pojava, u prosjeku, raste ili opada u
posmatranom periodu. Rješavanje eksponencijalne f-je se vrši pomoću
logaritmovanja. Logaritmiranjem eksponencijalni trend smo transformovali u
model linearnog trenda. U literaturi se za ovaj model koristi i ime log-lin model,
jer je vremenski niz y logaritamovan a na desnoj strani su orginalne vrijednosti
var vrijeme x.Do procjene param.dolazimo antilogaritmovanjem prethodno
dobivenih vrijednost

CIKLIČNA KOMPONENTA
Da bi se kod vremenskih pojava ustanovila prisutnost cikličnih kretanja
neophodan je vremenski niz sa dovoljno obuhvaćenim obnavljanjima.
Međutim, u praksi se ne raspolaže vremenskim nizovima sa dovoljno članova,
pa se trend i ciklična komponenta posmatraju zajedno.
Cikličnu komponentu predstavljaju faktori koji svojim djelovanjem na
posmatrane pojave dovode do njihovih oscilacija iznad ili ispod utvrđene
prosječne razvojne tendencije u trajanju od nekoliko godina. Kada se pojava
obnavlja napribližno jednak način s periodom od dvije ili više godina, kažemo da
su prisutne ciklične varijacije. Početak ciklusa označava relativno nizak nivo
pojave, koja se u fazi rasta povećava do nekog maksimuma, nakon kojeg slijedi
pad pojave. Poslije minimuma, slijedi rast i obnavljanje puta na približno jednak
način. Kod prognoziranja javljaju se velike poteškoće, jer se kod posmatranih
pojava mijenja i trajanje i (dužina) ciklusa i indenzitet odstupanja (amplituda).
Testiranje značajnosti ciklične komponente bazirano je na rasporedu
frekvencije dužine pojedinih faza, tj razmaka između prevojnih tačaka. Ove
tačke u stvari pokazuju momente kada niz prestaje da raste i počinje da opada
i obrnuto. Kada su ciklične varijacije značajne, broj dugotrajnih faza biće veći.

METODE IZGLAĐIVANJA
U svakom vremenskom nizu prisutna su određena kolebanja vrijednosti
pojedinačnih frekvencija, koja nekada mogu otežati oučavanje osnovne
razvojne tendencije posmatrane pojave. Da bismo riješili taj problem,
potrebno je reducirati slučajne varijacije primjenom postupaka izglađivanja
vremenskog niza. Izglađivanje vremenskog niza podrazumijeva izačunavanje
aritimetičkih sredina za posmatranu pojavu. Na ovaj način se reducira uticaj
sezonske i rezidualne komponente, dok se trend i ciklična komponenta
manifestuju u nešto jasnijem obliku.
Metoda pomičnih prosjeka i metoda jednostavnog eksponencijalnog
izglađivanja predstavljaju najčešće korištene metode pomoću kojih se vrši
izglađivanje vremenskih nizova.

Metoda pomičnih prosjeka

Pomični prosjeci predstavljaju transforamaciju orginalnog vremenskog niza gdje
se svaka frekvencija zamjenjuje prosjekom. Prosjek se računa na osnovu
određenog broja narednih i isto toliko prethodnih frekvencija. S obzirom na
to da se primjenom ove metode pomjeramo od početka niza sve do
njenog kraja, ova metoda je dobila naziv pomični prosjek. Izglađivanje se
bazira na ideji da će svaka neregularna komponenta u svakom vremenskom
trenutku prouzrokovati manji efekat ako je u toj tački uprosječimo s njenim
susjednim veličinama. Što više članova niza uzmemo za računanje prosjeka,
linija će biti izglađenija, ali će nam nedostajati više prosjeka u odnosu na broj
orginalnih podataka.
U praksi koristimo 2 oblika ove metode: jednostavni i ponderisani(vagani).
Jednostavni pomični prosjeci predstavljaju prosjeke m uzastopnih frekvencija
posmatranog vremenskog niza. Ako je broj članova pomičnog prosjeka M
neparan, tada će ukupno M-1 orginalnih podataka ostati bez svog pomičnog
prosjeka. Ovaj nedostatak metode je sve više izražen što uzimamo grupe sa
većim brojem članova. Ako je broj članova pomičnog prosjeka M paran, onda
ce ukupno M orginalnih podataka ostati bez svog pomičnog prosjeka

Analiza sezonske pojave za kvartalne podatke po metodu odnosa prema

pomičnom prosjeku obuhvata sljedeće korake:

• izračunati centrirane četveromjesečne pomične prosjeke za niz kvartalnih

podataka

• izračunati omjere orginalnih frekvencija i pripadajućih vrijednosti pomičnih

prosjeka

• izračunati prosjek ili medijan izračunatih omjera u preth koraku za istoimene

kvartale

• ako je zbir tipičnih sezonskih koeficijenata jednak 4, onda te vrijednosti

predstavljaju sezonske faktore. Vrijednosti se koriguju ako zbir nije jednak 4.
Sezonski faktori istoimenih kvartala jednaki su za cjeli posmatrani period.

• djeljenjem orginalnih frekcencija niza tipičnim sezonskim koeficijentima

dobijaju se desezonirane vrijednosti, tj vrijednosti niza očišćene od uticaja
sezone.

• djeljenjem desezoniranih vrijednosti odgovarajućim pomičnim

prosjecima izračunavaju se faktori rezidualnog uticaja.
Analiza sezonske pojave za mjesečne podatke po metodu odnosa prema
pomičnim prosjecima vrši se analogno kao i za kvartalne podatke. Prvo se
izračunaju dvanaestomjesečni pomični prosjeci, zatim se orginalne frekvencije
podjele pripadajućim pomičnim prosjecima, računaju se sezonski faktori(čiji zbir
treba biti jednak 12)-koji omogućavaju desezoniranje, i na kraju se
izračunavaju faktori rezidualnog uticaj