Professional Documents
Culture Documents
Stat Is Tika
Stat Is Tika
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.
OSOBINE INDEKSA:
Osibina identiteta- indeks ostaje nepromjenjen ako se posmatrana veličina ne
mjenja.
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.