1

Fakulteti i Ekonomisë dhe Agrobiznesit

Kursi II-të Dega Financë Kontabilitet

LEKSION: Seritë Kohore

1.1 Seritë kohore dhe analiza e tyre
1.2 Sruktura e Serive Kohore
1.3 Analiza e serive kohore
1.4 Matja e intesitetit të ndryshimit kohor
1.5 Zbulimi i prirjes themelore të ndryshimit kohor
1.6 Metoda e sheshimit eksponencial
1.7 Krahasimi i metodave të shëshimit
1.8 Inferenca statistikore e trendit
1.9 Vlerësimi i efekteve stinore
1.10 Autokorelacioni dhe autoregresioni
1.11 Prognozomi mbi bazën e serive kohore
1.12 Metoda të tjera shehsimi dhe prognozimi
1.13 Prognozimi i treguesve që kanë komponentë stinorë dhe Interpolimi.

Arben Kambo Leksion Serite Kohore

2

1.1 Seritë kohore dhe analiza e tyre

Dukuritë ekonomike ndryshojnë në kohë. Ndryshimi në kohë përbën një nga
tiparet e zhvillimit.Kështu numri I bizneseve në një rajon të caktuar ndryshon nga
një periudhë në tjetrën, po kështu dhe inflacioni ndryshon nga një periudhë në një
tjetër. Duke qënë se ndryshimi në kohë I dukurive ekonomike është një process
objektiv, analiza në kohë e këtij ndryshimi është shumë I rëndësishëm. Dukuritë
ekonomike shprehen me anë të serive kohore, prandaj mënyra se si mund të
realizohet analiza e tyre ka të bëjë me seritë kohore.
Seritë kohore janë rradhë ose vargje vlerash numerike që përshkruajnë gjendjen e
dukurive ekonomike në periudha ose moment kohe të caktuara. Seritë kohore
ekonomike mund të konsiderohen si projeksione dinamike të këtyre
dukurive.Metodat statistikore mund të përdoren me efektivitet të lartë në analizën e
serive kohore.Analiza statistikore e serive kohore është një process analitik dhe
sistematik që ka për qëllim studimin e intesitetit dhe të karakterit të ndryshimit në
kohë të dukurive ekonomike, duke përdorur mjete dhe metoda statistikore, në
funksion të shpjegimit të realitetit,zbatimit të ligjshmërive të zhvillimit të dukurive
ekonomike,hartimit të politikave ekonomike për zhvillimin e marjen e vendimeve
ekonomike,si dhe në kontrollin e monitorimin e zhvillimit të proceseve dhe
dukrive ekonomike. Analiza e serive kohore ka të bëjë me:
 Matjen e forcës dhe karakterizimit të drejtimit dhe formës së ndryshimit në
kohë të dukurive ekonomike
 Karakterizimi i qëndrueshmërisë së ndryshimit në kohë të dukurive
ekonomike
 Interpolimi dhe llogaritja e vlerave të ndërmjetme,të panjohura, të dukurive
ekonomike
 Ekstrapolimi dhe prognozimi në kohë i niveleve të tyre

Arben Kambo Leksion Serite Kohore

3

 Analiza strukturore e serive kohore,nga pikpamja e efektit të grupfaktorëve

me natyrë të njëjtë,që ndikojnë në formimin e tyre në kohë
 Matja e shkallës së vartësisë së ndryshimit në kohë nga vetvetja,pra e
niveleve të mëpasme të dukurive nga nivelet e mëprshme të tyre.
 Matja dhe analiza e ndikimeve të ndërsjellta në kohë midis dukurive.
1.2 Struktura e Serive Kohore
Seritë kohore përmbajnë në vetvete 4 komponentë kryesorë
-Faktorë themelorë
-Faktorë me efekt periodic ose ciklik
-Faktorë me efekt stinor
-Faktorë me efekt të rastit ose faktorë të panjohur
Një seri kohore shënohet simbolikisht Yt,Numuri I periudhave ose I momenteve të
kohës shënohet me n. nivelet ose madhësitë e dukurisë ekonomike për çdo
periudhë ose moment kohe shënohen:Y1,Y2,Y3…….Yn dhe quhen terma të
serisë.Çdo seri kohore mund të përbëhet nga një ose disa prej përbërsve të
mëposhtëm:
 Komponentja themelore,prirja themelore ose trendi (T)
 Komponentja ciklike (C)
 Komponentja Stinore (S)
 Komponentja ose përbërsja e rastit(R)
Modeli strukturor maksimal i një serie kohore do të ishte: Yt  T  C  S  R

Ky model quhet shumator i serisë kohore ku komponentët mblidhen me njëri

tjetrin, ndërsa modeli shumzues do të kishte formën: Yt  TxCxSxR

Prirja themelore ose qëndrore T: përfaqson ndryshimin objektiv,pak a shumë të

qëndrueshëm në kohë të një dukurie ekonomike që shpreh seria. Ajo formohet nën
ndikimin e faktorëve më të qëndrueshëm e më të rëndësishëm dhe me veprim të

Arben Kambo Leksion Serite Kohore

4

qëndrueshëm në kohë,që ndikojnë mbi dukurinë ekonomike. Të tillë faktorë mund

të jenë në përgjithësi, progresi teknik,rritja e popullsisë,inflacioni, rritja progressive
dhe e vazhdueshme e kapitalit dhe e investimeve,konkurenca, etj.Për dukuri të
caktuara mund të ketë dhe faktorë specifikë të cilët duhet të evidentohen e
analizohen rast pas rasti.
Përbërsja Ciklike (C): Shpreh efektet që përsëriten herë pas here dhe në mënyrë
pak a shumë të rregullt në formën e cikleve disavjecare të zhvillimit ose
përgjithësisht të ndryshimit me kalimin e kohës.thelbësor për këtë përbërës është
përsëritja e cikleve, pavarsisht amplitudës dhe kohëzgjatjes së tyre që mund të jetë
e ndryshme nga një cikël në një cikël tjetër.kjo karakteristikë e riciklimit të
dukurive e vështirëson procesin e prognozimit. Si rregull faktorët ciklikë
shkaktohen nga faktorë që fillojnë e veprojnë herë pas here, si ndryshimi i
kushteve ekonomike, zbatimi i politikave ekonomike të reja, ndryshimi i shijeve
dhe zakoneve të blerjes së konsumatorëve.
Përbërsja Stinore (S): Shpreh ndryshimin pak a shumë të rregullt të serive kohore
nga një periudhë e vitit(si javë,muaj,stinë etj, në një tjetër,ndryshim i cili përsëritet
pak a shumë rregullisht për shumë vjet rresht.Këto lloj ndryshimesh janë të
parashikueshme pasi ato pritet të ndodhin në një mënyrë disi të rregullt.
Përbërsja e Rastit (R) : shpreh ndryshimin e serisë që nuk dihet nga cilët faktorë
vjen, pra që vjen nga faktorë të panjohur. Ajo quhet përbërsja e mbetur sepse
përbën ndryshimin që mbetet pasi janë larguar ndryshimet e shprehura nga tre
përbërsat e parë.Kushtet klimaterike në ndryshim,luftrat,grevat,politikat
ekonomike të çrregullta dhe jotrnsparente etj. do të ishin disa nga faktorët e rastit
plus një numër specifik faktorësh të paidentifikueshëm për raste të
veçanta.Shumica e serive kohore përmbajnë një përbërëse themelore dhe një të
rastit.Mjaft seri kohore kanë trend,, një përbërse stinore dhe komponenten e rastit.

Arben Kambo Leksion Serite Kohore

5

1.3 Analiza e serive kohore

1.3.1 Krahasueshmëria e serive kohore
Analiza e serive kohore presupozon që termat e serive kohore të jenë të
krahasueshme . që dy terma të seisë kohore duhet që:Të shprehen në të njëjtën
njësi matëse, psh në qoftë se në një vit njësia e matjes është lek dhe në një vit tjetër
është USD,krahasimi nuk mund të bëhet
Të kenë metodologjinë e llogaritjes së njëjtë. Prsh rendimenti i një kulture në një
vit është llogaritur për sipërfaqen e mbjellë në një vit tjetër për sipërfaqen e
korrur.Në këtë rast metodologjia e llogaritjes nuk është e njëjtë dhe krahasimi nuk
mund të bëhet.Në seritë dinamike intervalore gjerësia e intervaleve që
krahasohenduhet të jenë të njëjtë, kështu nuk mund të krahasohen prodhimi i një 6-
mujori me prodhimin e një viti.
Termat që krahasohen tu përkasin hapësirave të njëjta,psh prdhimi në një qark në
një vit nuk mund të krahasohen me prodhimin në vitin tjetër me qarkun kur kanë
ndodhur ndryshime të rëndësishme administrative.
1.3.2 Aspekte kryesore të analizës së serive kohore:
1. Matja e intensitetit,masës apo forcës së ndryshimit dinamik,karakterizimi i
drejtimit dhe formës së ndryshimit në kohë të dukurive ekonomike
2. Analiza strukturore e serive kohore, nga pikpamja e efektit të grup faktorëve
me natyrë të njëjtë që ndikojnë apo kanë ndikuar në formimin e tyre në kohë.
3. Interpolimi dhe përllogaritja e vlerave të ndërmjetme të panjohura të
dukurive ekonomike
4. Prognozimi në kohë i niveleve të tyre
1.4Matja e intensitetit të ndryshimit kohor
Analiza ose vlerësimi i intensitetit apo shpejtësisë së ndryshimit kohor të një
dukurie ekonomike është aspekti më i thjeshtë, por njëkohësisht dhe më i

Arben Kambo Leksion Serite Kohore

6

rëndësishmi i analizës së dinamikës së një dukurie ekonomike. Matja e intensitetit

apo shpejtësisë së ndryshimit kohor bëhet me dy tregues të thjeshtë.
Yn  Y1
Shtesa mesatare: D 
n 1

Yn
Koeficienti mesatar i rritjes: K  n 1
Y1

Shembull: Produkti i brenshëm bruto në shqipëri në miliardë lekë Për periudhën

1997-2013:
Viti 1997 1998 1999 2000 2001 2002 2003 2004 2005
PBB 282.76 318.671 350.857 376.469 406.362 423.557 448.011 473.59 500.865
Viti 2006 2007 2008 2009 2010 2011 2012 2013
PBB 528.067 559.223 601.368 621.305 643.05 655.911 659.191 670.397

Yn  Y1 670.397  282.76
D D  24.227
n 1 17  1
Yn 670.397
K  n 1  K  17 1  1.0554
Y1 282.76

Pra PBB është shtuar çdo vit me 24.2 miliardë lekë dhe çdo vit PBB është rritur
mesatarisht me 1.055 herë. Norma mesatare e rritjes e shprehur në %
T= K (100)=1.05.54%x100=105.54%.
Normat dhe koeficientët e ndryshimit në formë baze dhe zinxhiri:
Për analizën më të plotë të ndryshimeve dinamike llogariten dhe koeficientët dhe
normat e rritjes apo të shtesës në formë baze dhe në formë zinxhiri.
Koeficientët e rritjes në formë baze:
Yt Yt
Koefic rritjes ne forme baze Kt /1  Koefic rritjes zinxhir K t / t 1 
Y1 Yt 1
Yt  Y1 Yt  Yt 1
Koefic e shteses baze = K 't /1  Koefic e shteses zinxhir = K 't / t 1 
Y1 Yt 1

Per t=2,3,4…..n.

Arben Kambo Leksion Serite Kohore

7

Duke shumëzuar këta koeficientë me 100 përfitojmë normat ose rritmet përkatëse
të rritjes. Kemi këto të dhëna për fitimin në vite të një kompanie.Koeficientët dhe
normat zinxhir do të ishin sipas të dhënave në tabelë:
Viti Fitimi Koef Koefic e Norma e Norma e Koeficientët Koefic e Norma e Norma e
Mln RRitjes shtesës rritjes shtesës e rritjes shtesës rritjes shtesës
leke baze baze baze baze zinxhir zinxhir zinxhir zinxhir
1 120 1.000 0.000 100 0.0 1.000 0.000 100 0.0
2 152 1.267 0.267 126.7 26.7 1.267 0.267 126.7 26.7
3 99 0.825 0.825 82.5 82.5 0.651 -0.349 65.1 -34.9
4 136 1.133 0.133 113.3 13.3 1.374 0.374 137.4 37.4
5 200 1.667 0.667 166.7 66.7 1.471 0.471 147.1 47.1
6 205 1.708 0.708 170.8 70.8 1.025 0.025 102.5 2.5
Nëse disa koeficientë rradhazi të rritjes në formë zinxhir, duke filluar me të parin
shumzohen mes tyre, atëhere do të rezultojë një koeficient në formë baze;Nëse dy
koeficientë të rritjes në formë baze pjestohen mes tyre atëhere rezulton një
koeficient në formë zinxhiri.Një tregues me rëndësi që përdoret për të mundësuar
krahasimet reale të rritjes së treguesve në kohë është dhe vlera absolute e 1%
normës së shtesës i cili llogaritet me formulën:
Yi  Yi 1
VA   0.01Yi 1
[(Yi  Yi 1 ) / Yi 1 ]100

Kështu po ti referohemi shembullit të mësipërm në vitin 2014 fitimi i kompanisë

është shtuar me 5 milion. Kësaj i korespondon shtesa në % 2.5%.Atëhere për cdo
përqind të normës së shtesës kemi një fitim prej:
205  200
VA   0.01*200  2 million leke.
[(205  200) / 200]100
1.5 Zbulimi i prirjes themelore të ndryshimit kohor
Zbulimi i prirjes themelore të një dukurie është një aspect kryesor i analizës së
dinamikës së një dukurie. Ky proces quhet shpesh herë sheshim.Disa nga metodat
kryesore të zbulimit të prirjes qëndrore ose trendit janë:

Arben Kambo Leksion Serite Kohore

8

 Metoda e mesatarizimit
 Metoda e zmadhimit të intervaleve të serisë
 Metoda e shtesës mesatare
 Metoda e koeficientit apo normës së rritjes
 Metoda e mesatares rreshqitëse
 Metoda e regresionit
 Metoda e sheshimit eksponencial
Një nga modelet kryesore statistikore të serisë është: Yt= T+R. po japim disa
metoda për vlerësimin e trendit për seri kohore me këtë përbërje strukturore.
Metoda e mesatarizimit: Kjo metodë konsiston në ndarjen e serisë në dy pjesë
afërsisht të njëjta dhe mesatarizimin e gjysmës së majtë dhe të djathtë të termave të
serisë. Pasi gjenden dy mesataret të dy pikat bashkohen dhe kjo vijë përfaqson
trendin.
Metoda e zmadhimit të intervaleve të serisë.Shpesh here është e vështirë të
përcaktohet trendi për shkak të luhatjeve të forta të treguesit. Në këto raste
bashkohen disa vite dhe për to llogaritet mesatarja.Kjo eleminon lëkundjet e rastit
dhe nxjer në pah trendin. Prsh në qoftë se kemi një seri me 20 vite dhe nuk dallohet
qartë trendi mund ta transformojmë në seri me terma 5 vjecarë në vartësi të
gjatësisë së serisë
Metoda e shtesës mesatare : Duke ju referuar të dhënave të shembullit për GDP ne
mund të përcaktojmë trendin me formulën: Tt  Y1  D(t  1) per t=1,2,...n
T1 =282.76+24.227*(1-1)=282.76 T2 =282.76+24.227*(2-1)=306.99

Trendi I PPB paraqitet sin ë tabele:

282.76 306.99 331.21 355.4 379.67 403.89 428.12 452.35 476.58
500.80 525.03 549.26 57.48 597.71 621.94 646.16 670.39

Arben Kambo Leksion Serite Kohore

9

Grafikisht trendi i vlerësuar me këtë metodë do të ishte një drejtëz sepse shtesa nga
një vit në një tjetër është konstante.
Metoda e koeficientit mesatar të rritjes:
Bazuar në këtë metodë llogarisim trendin bazuar në koeficientin mesatar të rritjes
( t 1) (11)
me formulën: Tt  Y1 K per t=1,2,3...n T1  Y1 K =282.76(1.0554)11  282.76
(2 1)
T2  Y1 K =282.76(1.0554)  298.42 .

Në pasqyrën e mëposhtme jepen të dhënat e trendit të llogaritura me metodën e

koeficientëve të rritjes mesatare.
282.76 298.42 314.96 332.40 350.82 370.26 390.77 412.42 435.27
459.38 484.83 511.69 540.04 569.95 601.53 634.85 670.02 -

Metoda e mesatareve rrëshqitëse: Sipas kësaj metode trendi përcaktohet me anen e

mesatarizimit të termave të serisë, bazuar në vetinë e mesatares që të eleminojë
efektet e rastit dhe të lerë efektet e qënësishme ose thelbësore.Në fillim përcaktohet
numri i termave për të cilat do të llogariten mesataret.Ky numër quhet hap i
mesatarizimit. Le të jetë ky numër h=3.
Trendi për PBB me metodën e mesatareve rrëshqitëse:
Viti Y T R
1 282.76 - -
2 318.673 317.429 1.24167
3 350.857 348.666 2.19133
4 376.469 377.896 -1.427
5 406.362 402.129 4.23267
6 423.557 425.977 -2.41967
7 448.011 448.386 -0.375
8 473.59 474.155 -0.565333

Arben Kambo Leksion Serite Kohore

10

9 500.865 500.841 0.0243333

10 528.067 529.385 -1.318
11 559.223 562.886 -3.663
12 601.368 593.965 7.40267
13 621.305 621.908 -0.602667
14 643.05 640.089 2.96133
15 655.911 652.717 3.191367
16 659.191 661.833 -2.642
17 670.397 - -
Marim tre termat e pare të serisë dhe llogarisim mesataren e tyre:
(282.76+318.671+350.857)/3=317.43. Lëshojmë termin e parë dhe përfshijmë në
mesatare termin pasardhës, ose rrëshqasim me një term dhe kemi:
(318.671+350.857+376.469)/3=348.67
Duke vijuar në këtë mënyrë llogarisim të gjitha mesataret rrëshqitëse. Numuri i
mesatareve rrëshqitëse është K=n-h+1=17-3+1=15. Praktikisht kemi dy periudha
pa mesatare, viti i parë dhe viti i fundit.Madhësia e hapit të mesatares ndikon në
cilësinë e zbulimit të trendit. Kur hapi është i vogël efekti i faktorëve të rastit mund
të mos eleminohet si duhet, kur hapi është i madh krahas eleminimit të faktorëve të
rastit mund të eleminohen dhe faktorë thelbësorë, prandaj mund të deformohet e
trendi mund të mos jetë real. Efekti i faktorëve të rastit llogaritet me formulën:
Rt=Yt-Tt
Metoda e regresionit linear:
Kjo metodë bazohet në supozimin që trendi është linear,pra që seria ka shpejtësi
konstante të ndryshimit dinamik.Duke konsideruar PBB =Y si variabël të varur dhe
kohën t=(X 1,2,3……17) si variabël të pavarur ne vlerësojme modelin linear:
Y=(T=273.55+25.289X)+R. Koeficienti pranë t është shpejtësia konstante e rritjes

Arben Kambo Leksion Serite Kohore

11

së PBB prej 33.2 mln lekesh ne vit. Vlerat e trendit për 2 vitet e para janë:
Y1=(T=273.55+25.289(1)=298.84
Y2=(T=273.55+25.289(2)=324.13. Për vitet e tjera trendi paraqitet sin ë tabelë:
Viti Y T R=Y-T
1 282.76 298.839 -16.079
2 318.673 324.128 -5.457
3 350.857 349.417 1.44
4 376.469 374.706 1.763
5 406.362 399.995 6.367
6 423.557 425.284 -1.727
7 448.011 450.573 -2.562
8 473.59 475.862 -2.272
9 500.865 501.151 -0.286
10 528.067 526.44 1.627
11 559.223 551.729 7.494
12 601.368 577.018 24.35
13 621.305 602.307 18.998
14 643.05 627.596 15.454
15 655.911 652.885 3.026
16 659.191 678.174 -18.983
17 670.397 703.463 -33.066
Po te ndertojmë grafikun dhe të krahasojmë vlerat faktike me ato të vlerësuara të
trendit linear do të shohim se kjo si metodë vlerësimi qëndron larg trendit real.
Y=25.28X+273.5 R2=0.988

Arben Kambo Leksion Serite Kohore

12

Modeli i Regresit eksponencial:

Nisur nga forma e grafikut të vlerave faktike të serisë, modeli i regresit
eksponencial mund të jetë formë më e mirë e zbulimit të trendit të serisë.
Supozojmë se modeli është shumëzues Yt=EXP(a+bX)+R ose Y=a*EXP(bX)+R. I
vlerësojmë këta modele me metodën e katrorëve më të vegjël dhe kemi:
Yt=EXP(5.7039+0.053253*X) dhe Yt=300.06e0.0533X R
Trendi me metoden e regresit eksponencial
Viti Y T R=Y/T
1 282.76 316.4871 0.893433
2 318.673 333.8135 0.954638
3 350.857 352.0885 0.996502
4 376.469 371.3639 1.013747
5 406.362 391.6946 1.037446
6 423.557 413.1383 1.025218
7 448.011 435.756 1.028124
8 473.59 459.6119 1.030413
9 500.865 484.7738 1.033193
10 528.067 511.3133 1.032766
11 559.223 539.3056 1.036931
12 601.368 568.8305 1.057201
13 621.305 599.9717 1.035557
14 643.05 632.8177 1.016169
15 655.911 667.462 0.982694
16 659.191 704.0029 0.936347
17 670.397 742.5442 0.902838
Ne mund te perdorim dhe një model trendi fuqi të formës Yt=aXb+R

Arben Kambo Leksion Serite Kohore

13

Vleresojme parametrat per shembullin e PBB dhe kemi:Yt=249.7X-0.3364+R

Nga analiza e grafikut dhe R2=0.956 ne shohim se dhe ky model nuk rezulton me i
mirë se modeli eksponenncial dhe se modeli linear.
Viti Y T R=Y-T
1 282.76 249.7 33.06
2 318.673 315.0533 3.617722
3 350.857 360.9483 -10.0913
4 376.469 397.5113 -21.0423
5 406.362 428.4036 -22.0416
6 423.557 455.4183 -31.8613
7 448.011 479.5837 -31.5727
8 473.59 501.5508 -27.9608
9 500.865 521.7608 -20.8958
10 528.067 540.5284 -12.4614
11 559.223 558.0867 1.136333
12 601.368 574.6136 26.75436
13 621.305 590.2488 31.05616
14 643.05 605.1038 37.94619
15 655.911 619.2693 36.6417
16 659.191 632.8203 26.37073
17 670.397 645.8194 24.57756

1.6 Metoda e sheshimit eksponencial

Kjo metode perdoret për të sheshuar serine, pra per të eleminuar efektet e faktoreve
të rastit në seri që nuk kanë trend dhe as efekte stinore.

Arben Kambo Leksion Serite Kohore

14

Tt=αYt+(1-α)Tt-1 Sips kesaj metode vlerat aktuale te periudhes t shumzohen me nje

konstante sheshimi α dhe duke i shtuar vleren e trendit te vleresuar per periudhen
(t-1) te shumzuar me konstanten (1-α). Tt-1 është vlera e trendit ne periudhen ( t-1)
dhe α quhet parameter i sheshimit eksponencial. Vlera e parametrit të sheshimit
percaktohet nga ai që bën vlerësimin.Në qoftë se α<=0.5 me pak peshe i jepet
vlerave aktuale se sa vlerave te te parashikuara, ne qoftë se >=0.5 me shumë peshë
i jepet vlearve aktuale se atyre të parashikuara
Shpesh here percaktimi i parametrit α te sheshimit bëhet përmes provash të
madhësive të ndryshme të saj. Më e mirë konsiderohet ajo vlerë që minimizon
shumën e katrorëve të diferencave të serisë faktike nga trendi. Shpesh
rekomandohet që α të meret më e madhe se 0.01 dhe më e vogël se 0.3, vlera
fillestare e Yt meret e barabartë me mesataren aritmetike Yt ose me vleren Y1.kjo
metodë quhet sheshim eksponencial sepse vlerat e trendit per çdo vit janë mesatare
me pesha eksponenciale të termave faktike të viteve të mëparshëm, pra me pesha
që vijnë duke u pakësuar me kalimin e kohës.
Shembull: Kemi këto të dhëna për numrin e shtëpive private në vite të zotëruara
nga familjet e një zone për 16 vite:
Viti Nr Tt e Tt e Tt e
banesave
1 1193 - - - - - -
2 1014 1193 -179 1193 -179 1193 1179
3 1200 1157.2 42.8 1103.5 96.5 1049.8 150.2
4 1288 1165.8 122.2 1151.8 136.2 1170 118
5 1457 1190.2 266.8 1219.9 237.1 1264.4 192.6
6 1354 1243.6 110.4 1338.4 15.6 1418.5 -64.5
7 1477 1265.7 211.3 1346.2 130.8 1366.9 110.1

Arben Kambo Leksion Serite Kohore

15

8 1474 1307.9 166.1 1411.6 62.4 1455 19

9 1617 1341.1 275.9 1442.8 174.2 1470.2 146.8
10 1641 1396.3 244.7 1529.9 111.1 1587.6 53.4
11 1569 1445.2 123.8 1585.5 -16.5 1630.3 -61.3
12 1603 1470 133 1577.2 25.8 1581.3 21.7
13 1705 1496.6 208.4 1590.1 114.9 1598.7 106.3
14 1848 1538.3 309.7 1647.6 200.4 1683.7 164.3
15 1956 1600.2 355.8 1747.8 208.2 1815.1 140.9
16 2068 1674.1 396.6 1851.9 216.1 1927.8 140.2
α=0.2 α=0.5 α=0.8
MAE 209.8 128.3 111.2
MSE 53110.5 21628.6 15245.4
F3=0.2(1014)+0.8(1193)=1157.2 F4=0.2(1200)+0.8(1157.2)=1165.8
F5=0.2(1288)+0.8(1165.8)=1190.2
Cila vlerë e α vlerësohet si më e mirë.Treguesit e matjes së gabimit gabimi mesatar
absolute dhe mesatarja e katrorëve të gabimit vlerëson si më të përshtatshem vleren
α=0.8

α 1-α (1 2 (1 3 (1  3

0.2 0.8 0.64 0.512 0.1024

0.5 0.5 0.25 0.125 0.625
0.8 0.2 0.04 0.08 0.0064
Formula e sheshimit eksponencial Tt  Yt  (1  t 1 mund te rishkruhet
Tt  Tt 1  (Yt  Tt 1 )

Metoda e sheshimit eksponencial të dyfishtë:

Arben Kambo Leksion Serite Kohore

16

Tt  Yt  (1  t 1
T 't  Yt  (1  't 1 0<  1

Sipas kësaj metode gjejmë trendin e trendit të gjetur pra e perdorim dy here
metoden e sheshimit eksponencial të thjeshtë dhe herën e dytë ajo përdoret mbi
bazën e serisë të gjetur në fazën e parë. Në lidhje me shembullin e PBB per 17 vite
do të kishim këto të dhëna:
Viti Y T Trendi ne hapin Tt’ trendi ne hapin
e pare e dyte
1 282.76 282.764 282.764
2 318.673 282.76 282.764
3 350.857 318.667 282.76
4 376.469 350.854 318.663
5 406.362 376.466 350.851
6 423.557 406.359 376.463
7 448.011 423.555 406.356
8 473.59 448.009 423.553
9 500.865 473.587 448.007
10 528.067 500.862 473.584
11 559.223 528.064 500.859
12 601.368 559.22 528.061
13 621.305 601.364 559.217
14 643.05 621.303 601.36
15 655.911 643.048 621.301
16 659.191 655.91 643.046
17 670.397 659.191 655.909

Arben Kambo Leksion Serite Kohore

17

Modeli Linear i Holtit:

Teknikat e sheshimit eksponencial janë të përshtatshme për serite kohore
stacionare po janë ineficente per parashikimin në kohë të serive me një trend.Për të
karakterizuar trendin mund të përdoret teknika e modelit Linear te Holtit me dy
parametra.
Lt Yt  (1   Lt 1  bt 1 ) bt  ( Lt  Lt 1 )  (1 bt 1 Ft m  Lt  bt m ,   (0,1)

Bt është vlerësimi për koeficientin këndor të modelit linear në kohën t

Trendi i PBB me metoden e Holtit
Viti Y T R
1 282.76 282.762 -0.00154143
2 318.673 304.383 14.2881
3 350.857 341.335 9.52157
4 376.469 374.217 2.25209
5 406.362 399.994 6.36797
6 423.557 430.351 -6.79443
7 448.011 447.052 0.959198
8 473.59 471.575 2.01496
9 500.865 497.301 3.56399
10 528.067 524.836 3.231
11 559.223 552.274 6.94912
12 601.368 583.937 17.4313
13 621.305 627.353 -6.04805
14 643.05 646.851 -3.80093
15 655.911 668.318 -12.4073
16 659.191 680.274 -21.0835
17 670.397 682.016 -11.6194

Arben Kambo Leksion Serite Kohore

18

14.7 Krahasimi i metodave të sheshimit

Pavarësisht se për një seri kohore mund të përdoren metoda të ndryshme sheshimi,
ato mund të mos jenë të gjitha të përshtatshme, duhet të përzgjidhet më e mira që
jep rezultatet më të mira.Për të përzgjedhur metodën më të mirë mund të përdoren
metoda të ndryshme disa prej të cilave janë:
Koeficienti i përcaktimit R2
Sipas kësaj metode mendohet si metoda më e mirë ajo që ka R2 më të lartë sepse
siguron përputhje më të lartë të vlerave faktike të serisë me ato të sheshuara ose me
trendin. Nga shembujt e trajtuar më sipër modeli linear siguronte R2=0.98
Metoda e gabimeve të sheshimit:
Sipas kësaj metode mbi bazën e termit të rastësisë R(termat e mbetur e) llogaritet
gabimi i peshimit.ka disa menyra për llogaritjen e gabimit:
N

E t
Gabimi Mesatar absolut MAE  t 1

N
N
Et
Y
t 1 t
Gabimi mesatar Absolute Relativ MAPE=
N
N

E t
2

Renja e Gabimit Mesatar Kuadratik RMSE  t 1

Inferenca Statistikore e trendit të serisë:

Seritë statistikore mund të jenë stacionare (kur nuk kanë trend) ose jo stacionare.
Në një seri kohore mund të egzistojnë tre lloje trendesh: trendi i vetë
treguesit,Trendi i variancës së treguesit dhe Trendi i autokorelacionit midis
termave të serisë. Nëse seria ka apo jo trend mund të përcaktohet me anë të
krahasimit të mesatareve, seria ndahet në dy gjysma afërsisht të barabarta

Arben Kambo Leksion Serite Kohore

19

llogariten mesataret për sejcilën e gjysëm dhe me anë të testit të studentit

krahasohen dy mesataret të dy gjysmave të serisë:
 Y Y1  1 1 S12 (n1  1)  S22 (n2  1)
t  2  S( y S  S2 
 S( y Y )  2 Y1 )
n1 n2 n1  n2  2
 2 1 
Nëse varianca ka ose jo trend kjo mund të provohet me anë të testit të Fisherit:
S22
F 2 duke krahasuar variancat e dy gjysmave të serisë.
S1

1.9 Vlerësimi i efekteve stinore

Shpesh here struktura e serive kohore është i formës:Yt=S+R ose Yt=T+S+R
1.9.1 Rasti strukturor Yt=S+R Në këtë rast efekti stinor zbulohet përmes
mesatarizimit të termave të serisë që largon termat e rastit R dhe lë komponenten
stinore S.
Shembull: Kemi këto të dhëna në lidhje me 4 tremujore dhe tre vite për normën e
interesave bankare.
Viti Trem I II III IV
1 4.1 5 4.1 2.1
2 5.1 4.2 3.8 2.5
3 4.3 3.8 4.2 2.2
Duke analizuar këtë seri ne shohim që nuk ka një trend të qartë nga viti në vit.Kjo
seri ka strukturën Yt=S+R. Llogarisim katër mesataret e normës së interest nga një
për sejcilin tremujor.
4.1  5.1  4.3 5  4.2  3.8 4.1  3.8  4.2
Y1   4.5% YII   4.3% YIII   4.03%
3 3 3
2.1  2.5  2.2 4.5  4.3  4.03  2.26
YIV   4.5% Y  3.77%
3 4
4.5 4.03
IS I  100  119.4% IS II  100  114.1%
3.77 3.77

Arben Kambo Leksion Serite Kohore

20

4.5 4.03
IS I  100  119.4% IS II  100  114.1%
3.77 3.77
Efekti i faktoreve stinore ka qënë +19.4%(119.4-100)=+19.4%, në tremujorin e
katërt ka qënë -40.1%(59.9-100)=-40.1%.
Rasti i Modelit strukturor Yt=T+S+R. Në këtë rast komponentja stinore zbulohet
duke larguar trendinn, permes mesatarizimit largohet R dhe mbetet vetem
komponentja S
Kemi këto të dhëna në lidhje me nnormën e interest bankar për tre vjet dhe 4
tremujorë dhe kemi provuar që seria ka trend.:
Viti I II III IV
1 4.1 5 4.1 2.1
2 5.1 4.2 4.2 2.5
3 5.3 4.8 4.8 2.6
Shohim që norma e interest ka një tendencë rritjeje nga viti në vit. Gjejmë trendin
me metodën e mesatareve rrëshqitëse si ne tabelen:
Viti Yt T Yt-T=S+R S
Viti I
I 4.1 _ _ 1.15
II 5.0 _ _ 0.40
III 4.1 3.96 0.14 0.18
IV 2.1 3.98 -1.88 -1.73
VitiII
I 5.1 3.89 1.21 1.15
II 4.2 3.95 0.25 0.40
III 4.2 4.02 0.18 0.18
IV 2.5 4.13 -1.63 -1.73

Arben Kambo Leksion Serite Kohore

21

Viti III
I 5.3 4.24 1.06 1.15
II 4.8 4.29 0.51 0.40
III 4.5 - - 0.18
IV 2.6 - - -1.73
Mesataret rrëshqitëse me katër terma të pacentruara janë si vijon:
3.83 4.08 3.88 3.9 4 40.5 4.20 4.28 4.3
Centrimi i tyre jep trendin tremujor ku dy tremujore e vitit të parë dhe dy të vitit të
fundit nuk rezultojnë me trend sipas kësaj metode. Diferenca (Yt—T) jep
S+R.Mesataret për cdo tremujor të vlerave (S+R) japin efektet stinore ose
komponenten stinore te cliruar nga efektet e rastit.
Në qoftë se do të konsideronim një model strukturor shumëzues do të kishim këto
të dhena sin ë pasqyrën e mëposhtme:
Tabela: trendi për normën e interest me metodën e mesatareve rrëshqitëse dhe
përbërëset e tjera të serisë së normave të interest (Modeli shumëzues).
Periudha Yt T SR R Seria
E Axhustuar
II 4.1 3.18
I II 5 4.56
I III 4.1 3.95 103.80 99.25 3.92
I IV 2.1 3.97 52.83 92.69 3.68
2I 5.1 3.88 131.19 101.89 3.96
2 II 4.2 3.95 106.33 96.95 3.83
2 III 4.2 4.02 104.35 99.78 4.02
2 IV 2.5 4.12 60.61 106.34 4.39
3I 5.3 4.24 125.07 97.14 4.12
3II 4.8 4.29 111.95 102.08 4.38
3 III 4.5 4.30
3IV 2.6 4.56

Arben Kambo Leksion Serite Kohore

22

Norma e interest banker dhe indekset stinore:

Viti I II III IV
1 4.1 5 4.1 2.1
2 5.1 4.2 4.2 2.5
3 5.3 4.8 4.5 2.6
Is 128.76 109.67 104.58 56.99
Duke pjestuar SR me indekset stinore të tremujorit përkatës marrim komponenten
R.Duke pjestuar termat e series Yt me indekset stinore perkatese sipas tremujorve
marim serine e normave te interest të axhustuar pa efektin e faktoreve stinore.Nëse
sheshimi fillestar do të ishte bërë me metodën e regresit linear atehere do te kishim
Tt=4.22-0.0276(t). te dhenat i praqesin në tabelën e mëposhtme:
Yt T Yt/T=SR S
4.1 4.194 0.978 1.187
5 4.166 1.200 1.151
4.1 4.138 0.991 1.061
2.1 4.111 0.511 0.601
5.1 4.083 1.249 1.187
4.2 4.055 1.036 1.151
4.2 4.028 1.043 1.061
2.5 4.000 0.625 0.601
5.3 3.973 1.334 1.187
4.8 3.945 1.217 1.151
4.5 3.917 1.149 1.061
2.6 3.800 0.668 0.601

Arben Kambo Leksion Serite Kohore

23

1.10 Autokorrelacioni dhe autoregresioni

1.10.1 Autokorelacioni
Një numër i madh dukurish ekonomike reflektohen në seri me rritje ose ulje të
vazhdueshme, sipas një procesi apo modeli të caktuar. Nivelet e mëpasme të serive
vijnë pas niveleve të mëparshme duke u rritur ose zvogëluar pak a shumë
rregullisht. Dukuritë ekonomike kanë dhe vetinë e akumulimit në kohë në kuptimin
që nivelet e mëvonshme përmbajnë atë cka është arritur në nivelet e mëparshme.
Shpesh here dukuritë ekonomike karakterizohen nga një lloj inercie, e cila bën që
nivelet e pasme të serive, për shkak të saj qoftë dhe pjesërisht të shprehin nivelet e
aritura më parë. Pshembull numri i krereve në blegtori ne vitin 2017 nuk mund te
jete i pavarur nga numri i blegtorise i viteve të mëparshme,prodhimi bujqësor,
prdhimi dhe konsumi i nje viti me prodhimin dhe konsumin e viteve të mëprashme.
Për këtë arsye midis niveleve pasardhëse dhe niveleve pararendase pritet te
egzistoje një lidhje.
Lidhja ose vartesia midis termave të një serie kohore(Yt) quhet
autokokorrelacion.Lidhja ose vartësia midis termave të një serie kohore (Yt) dhe
termave të periudhave të mëparshme të një apo disa serive kohore të tjera quhet
autokorrelacion serial. Autokorrelacioni (linear) shprehet me koeficientin e
korrelacionit linear midis termave të serisë (Yt-h) të zhvendosur me një hap të
caktuar h, e cila quhet vonesë kohore:
Koeficienti i autokorrelacionit t në formën e koeficientit të zakonshëm korrelacioni
midis termave et dhe et-h për një hap h të caktuar:


 (e e t t h )2
per t=(h+1),3.4...n
e t
2

Kemi keto te dhena për numrin e gjedhëve për një periudhë 11 vjecare:

Arben Kambo Leksion Serite Kohore

24

Vitet 1 2 3 4 5 6 7 8 9 10 11
Krere 221 230 232 251 262 260 282 305 312 318 350
I Llogaritur si koeficient korrelacioni midis termave Yt dhe Yt-1,h=1, koeficienti i
autokorrelacionit do të ishte Rau=0.954, i cili tregon lidhje të fuqishme positive
midis termave fqinje të serisëYt. Për të llogaritur koeficientin e autokorrelacionit
për termat e mbetjes më parë perdorim një model regresioni dhe mbi këtë bazë
llogarisim mbetjet et.. Përdorim modelin: yt=a+bt+et. Vlerësojmë parametrat e
modelit me anë të MZKV: Yt  200.36  12.409t (R=0.982)

e1  Y1  Y1  221  200.36  12.409(1)  8.23

e2  4.82
e3  5.59
e4  1
e5  0.40
e6  14.82
e7  5.23
e8  5.36
e9  312  200.36  12.409(9)  0.04
e10  318  200.36  12.409(10)  6.45
e11  350  200.36  12.409(11)  13.14

Koeficienti i korrelacionit të termave të rastit për h=1 do të ishte =-0.04 që flet për
lidhje të dobët të termave të rastit.Me qënë se këto terma janë rezultat i zgjedhjeve
të rastit lind nevoja e testimit të këtij koeficienti me anë të testit Durbin Watson:

d
 (e  e t t 1 )2
e 2
t

Procedura kalon në këto etapa kryesore:

Formulohet hipoteza bazë dhe ajo alternative
Caktohet hapi h i llogaritjes ne rastin tone h=1
D=1031,2/613.23=1.68

Arben Kambo Leksion Serite Kohore

25

Nga një pasqyrë e vecantë që quhet Durbin Watson gjejmë dy vlera ndihmëse du
dhe dl dhe vendimi në lidhje me hipotezën meret si në tabelën e mëposhtme:
Hipoteza Baze Vendimi Nqse
Ska autokorrelacion pozitiv Bie 0<d<Du
Ska autokorrelacion pozitiv ? Du=<d<=Dl
Ska autokorrelacion negativ Bie 4-Du<d<4
Ska autokorrelacion negativ ? 4-Dl=<d<=4-Du
Ska autokorrelacion Nuk bie Dl<d<4-Dl

Per rastin tone studimor do të kishim h=1,n=11,α=0.05 du=0.927 dl=1.324

H0 bie për mungesën e autokorrelacionit.
Autokorrelacioni i një serie mund të shihet edhe për hapa më të mëdhenj se 1, me
qëllim që për të zbuluar se cili është hapi që lidhet me autokorrelacionin më të
madh.Pasi llogaritet koeficienti i korrelacionit për hapa të ndryshëm, mund të
ndërtohet një grafik që quhet korelogramë, e cila ndihmon për të analizuar prirjen e
autokorrelacionit me rritjen e hapit h
1.10.2 Autoregresioni
Autoregresioni është studimi i varësisë ose i lidhjes midis termave paraardhës me
ata pasardhës të një serie kohore me anë të një modeli regresioni i cili quhet modeli
i autoregresionit. Kur modeli i regresionit supozohet linear dhe hapi h=1 dhe h=2
modeli i autoregresionit do të ishte:
Yt  a  bYt 1  et
Yt  a  bYt 1  cYt  2  et

Mund të përdoren dhe modele me hap h>2. Në rastin tonë studimor do të

kishimYt=10.714+1.088Yt-1+et (R=0.964)
Yt=-13.46+0.704Yt-1+0.411Yt-2+et
Parametri 1.088 në modelin e parë të regresionit tregon se kur numri i krerëve në
një vit të caktuar rritet me një mijë, numri i krerëve në vitin pasardhës pritet të
rritet në vitin pasardhës me mesatarisht 1088 krerë.Parametri 0.704 në modelin e

Arben Kambo Leksion Serite Kohore

26

dytë tregon se kur numri i krerëve në një vit rritet me 1000 krerë në vitin pasardhës
ai pritet të rritet mesatarisht me 704 krerë, kur numri i krerëve rritet me 1000 krerë
numri i tyre në vitin e dytë pasardhës pritet të rritet me 411 krerë. Duke përdorur
kriterin Durbin Watson d-2.33. Kur autokorrelacioni vërtetohet,parametrat e
modelit të vlerësuara me metodën MZKV nuk janë efektivë, ata janë të
pazhvendosur por nuk gëzojnë cilësinë e dispersionit minimal,prandaj duhet patur
kujdes në interpretimin e parametrave të rëgresionit.Ka metoda të tjera si ajo e
MKV e përgjithsuar që jep vlerësime efektive. Ka dhe metoda të tjera që kanë të
bëjnë me eleminimin e efekteve të autokorelacionit.
1.10.3 Korrelacioni dhe regresioni serial
Korrelacioni serial eshtë autokorrelacioni I nje serie kohoreYt jo me veten e saj por
me një apo disa seri të tjera të pavarura Xt, të zhvendosura këto me një hap h
kundrejt të parës. Pshembull, kur hapi h=1 dhe h=2 dhe vetëm një seri kohore do të
kishim:
Yt Xt-1 Xt-2
Y1 X2 X3
Y2 X3 X4
Y3 X4 X5
Y4 X5 X6
Y5 X6 X7
Y6 X7 X8
Y7 X8 -
Y8 - -

Variablat më sipër janë vetëm një mundësi,në modele mund të futen dhe variabla
të tjerë me hap më të madh se dy,po kështu nuk është e thënë që të gjithë variablat
të futen në model me të njëjtin hap.Futja e variablave të rinj ka kuptim të bëhet kur
variacioni i shtuar prej tyre dhe i provuar me metodat e njohura F dhe t është mjaft
i rëndësishëm. Korrelacioni serial shprehet me anë të koeficientit të korrelacionit
serial Rs.

Arben Kambo Leksion Serite Kohore

27

Shembull: kemi këto të dhëna për sipërfaqen e magazinimit dhe të ardhurat nga
shitjet për 15 vjet për një biznes tregtar:
Vitet t Siperfaqe magazinuese m2 Shitjet në mln lekë
1 21 6
2 25 8
3 26 9.4
4 38 12.5
5 45 16
6 52 18.6

7 80 25
8 111 30
9 120 32
10 143 45
11 145 45
12 165 58
13 211 76
14 256 98
15 319 112
Yt=-37.2+19.382t+et (R2=0.901,d=0.46)
Yt=10.341+2.708Xt+et (R2=0.982,d=0.84)
Yt=-3.55+4.478t+2.147xt+et (R2=0.988,d=0.84)
Yt=-8.105+5.776t+2.423xt+et (R2=0.989,d=2.08)
Yt=-9.411+5.464t+0.891Xt+1.238Xt-1+0.244Xt-2+et (R2=0.991,d=1.37)
Vihet re nje korelacion i lartë në sejcilin model.Kjo është një shenjë e kolinearitetit
të lartë të variablave.Futja në model e variablave me hap jo zero rrit koeficientin e

Arben Kambo Leksion Serite Kohore

28

përcaktimit. Se sa e rëndësishme është kjo mund të provohet me anë të analizës së

variacionit me anë të kriterit F.Egzistenca e kolinearitetit rrit gabimet mesatare të
koeficientëve të regresionit dhe zgjeron intervalin e besimit të tyre. Ka metoda të
ndryshme për zbulimin dhe mënjanimin e kolinearitetit:
R2 rezulton e lartë por vetëm disa koeficientë të regresionit janë të rëndësishëm
Metoda e indeksit të kushtëzuar
Korrelacione të larta midis variablave të pavarur
Korrelacion i lartë midis një variabli dhe gjithë variablave të tjerë të pavarur. Duke
u bazuar në modelin e fundit ne mund të llogarisim koeficientin e autokorrelacionit
dhe statistikën d:
 (e e )  1114.22
t t h
2

 (e  811.92
t
2

D=1114.22/811.92=1.37
1.11 Prognozimi mbi bazën e serive kohore
1.11.1 Kuptimi mbi prognozimin.
Një aspect i rëndësishëm i veprimtarisë ekonomike është dhe prognozimi në kohë i
dukurive ekonomike. Prognozimi ekonomik është procesi i hartimit dhe
vlerësimeve për nivelin dhe strukturën e dukurive ekonomike në periudhat e
ardhme, mbi bazën e rezultateve të analizës së të dhënave për periudhat e kaluara
dhe parashikimeve për variablat egzogjenë në të ardhmen.
Etapat e procesit të prognozimit janë:
Grumbullimi i të dhënave për dukuritë me interes për periudhat e shkuara dhe
ndërtimi i një modeli të ëprshtatshëm prognozimi
Hartimi ose marja e të dhënave për nivelet e variablave egzogjenë për periudhat që
kërkohet prognozimi
Hartimi i prognozave pikësore mbi bazën e modelit dhe ndërtimi i intervaleve të
besimit për to.

Arben Kambo Leksion Serite Kohore

29

Mbledhja e informacionit për niveelet e dukurive në të ardhmen dhe krahasimi i

tyre me prognozat për të identifikuar gabimet e mundshme
Korrigjimi i gabimeve të mundshme dhe fillimi i një procesi të ri prognozimi.
Për qëllime metodike po ndajme seritë me dhe pa lëkundje stinore. Ndër metodat
sasiore të prognozimit kemi dy lloje:metoda regressive dhe metoda e serive
kohore. Metoda regressive bazohet në një model regresioni, që lidh një ose disa
ndryshore të pavarura me nje ose disa ndryshore të pavarura. Metoda e serive
kohore konsiston në parashikimin e vlerave të mëvonshme të një serie kohore mbi
bazën e vlerave të mëparshme të tyre.
Disa parime të rëndësishme të prognozimit:
 Të përdoret një model sa më i thjeshtë dhe me numër sa më të vogël
ndryshoresh.
 Nëse është e mundur të përdoren modele një ekuacionore në vend të atyre
sitemore
 Në modelet me lag të shkurtohet sat ë jetë e mundur gjatësia e vonesës për
variablat shpjeguese
 Të përdoren seri sa më të gjata që të jetë e mundur
 Të testohet dhe eleminohet heteroscedasticiteti dhe autokorrelacioni
 Në fillim përdoren nivelet e ndryshoreve origjinale pastaj mund të përdoren
diferencat e tyre
 Paraprakisht duhet të analizohen përvoja e mëprashme në prognozime të
ngjashme
1.11.2 Llojet e prognozave
Sipas Afatit:Prognoza afatshkurtra(per me pak se nje vit)
Prognoza afat mesme(1-3 vjet)
Prognoza afatgjatë mbi tre vjet

Arben Kambo Leksion Serite Kohore

30

Sipas formës prognozat ndahen në pikësore dhe intervalore.

Zakonisht përdoren format pikësore të prognozave pasi ato intervalore jane modele
të komplikuara.
Sipas mënyrës së llogaritjes prognozat mund të jenë individuale ose mesatare.
1.11.3 Kuptimi ex-ante dhe ex post
Supozojmë se kemi të dhëna për GDP për periudhën 1991-2014. Të dhënat për
periudhën 1991-2010 përdoren për të ndërtuar modelin dhe llogaritur vlerat e
pritshme të GDP për këtë periudhë.Këto vlera të pritshme na shërbejnë për të
gjykuar cilësinë e modelit dhe gabimin e prognozimit ose saktësinë e prognozimit.
Pjesa e dytë e serisë 2011-2013 për të cilat ne bëjmë prognoza për GDP duke
përdorur modelin e vlerësuar, ndonëse vlerat e GDP për këtë periudhë
dihen.Prognoza për këtë periudhë dhe vetë periudha quhet ex post
Prognoza ex-post na vlejnë për të gjykuar më mirë për cilësinë prognozuese të
modelit, sepse mund të krahasojmë prognozat me vlerat e njohura të GDP. Duke
përdorur modelin ne mund të bëjmë prognoza për të gjitha periudhat 2014 dhe me
pas 2015,2016 që quhen exante.
1.11.4 Vleresimi i modelit
Aftësia prognozuese e modelit të prognozimit është shumë e rëndësishme për të
bërë prognoza sa më të sakta. Vleresimi i modelit bëhet me disa mënyra.
 Me anë të gabimit mesatar kuadratik të modelit ose ndryshores së varur Y që
shkurt shënohet GMK:

GMK=
 (Y t
p
 Yt )2
T k
Ku Ytp=është prognoza e ndryshores Y për periudhen ex-post,k është numri i
parametravetë modelit, dhe T është numri i viteve të periudhës Ex-post.Ky tregues
llogaritet për modele të ndryshëm dhe prej tyre zgjidhet ai model që ka GMK më të

Arben Kambo Leksion Serite Kohore

31

vogël. Një mënyrë tjetër për të vlerësuar modelin është duke regresuar vlerat Y me
vlerat Y t
Yt  a  bYt  et

Nëse prognoza është perfekte pritet që a=0 dhe b=1. Sidoqoftë parametric b
testohet me anë të testit student dhe nëse del i rëndësishëm modeli është i vlefshëm
për prognozë. Duhet theksuar fakti që disa modele janë të krahasueshme nëse kanë
të njëjtën ndryshore të varur. Nëse krahasohen modele me numër jo të njëjtë
ndryshoresh të pavarura mund të përdoret koeficienti i xhustuar i përcaktimit
2 n 1
R  1
(n  k )(1  R 2 )1
Një mënyrë tjetër është të përdorim kriterin Akaike,Kriterin Quin,Shvartz,malloë
Cp
1.11.5 Prognoza me anë të modeleve të serive kohore
Një metodë tjetër për të bërë prognozimin e dukurive ekonomike është përdorimi i
modeleve dinamike të serive kohore. Modelet më të thjeshta janë modelet e
trendit. Prognoza mbështetet mbi supozimin që prirja e vërtetuar në periudhën e
mëparshme do të vazhdojë të egzistojë pak a shumë në të ardhmen. Për periudhën
afat shkurtër ky supozim mund të jetë i vlefshëm, por për periudha afat mesme dhe
afatgjatë mund të cojnë në prognoza të pa sakta. Ka një numër modelesh që
bazohen në trendin e serisë kohore, si model linear, kuadratik,kubik,lin log,log
lin,dyfish logaritmik,logjistik etj
Në këto raste mund të ndodhë që termi i gabimit të modelit të prognozës të ketë
autokorrelacion.Kjo mund të dëmtojë cilësinë e prognozave të bëra me këtë model,
prandaj duhet të trajtohet si duhet autokorrelacioni. Një metodë tjetër prognozimi
bazuar në serite kohore është Metoda e Sheshimit Eksponencial.

Arben Kambo Leksion Serite Kohore

32

1.12 Metoda të tjera sheshimi dhe prognozimi

Metoda Random Ëalk (ecje rastesore). Sipas kësaj metode, niveli i një treguesi në
një periudhë ose moment të mëvonshëm është sa ai në një periudhë paraardhëse:
Yt  Yt 1

Metoda Random Noise (zhurme e rastësishme)

Me anë të këtij modeli , niveli i një treguesi në një periudhë të mëvonshme është sa
niveli mesatar për të gjitha periudhat (pershembull vitet nëse kemi terma vjetore të
mëparshme të njohura Yt    t
Konstantja e ketij modeli është mesatarja afat gjatë e treguesit Y. nga pikpamja
vizuale, ky model i përshtatet rastit kur Y është me dinamikë jot ë rregult dhe
variabli pak a shume të njëjtë rreth kësaj konstanteje që është mesatarja aritmetike
e treguesit. Kjo metodë quhet edhe modele pa kujtesë, sepse niveli i treguesit për
një periudhë nuk varet nga niveli I tij në një periudhë më parë.
1.12.1 Modeli autoregresiv linear AR
Sipas këtij modeli niveli I një treguesi në një periudhë ose moment Yt ështa
funksion linear I nivelit të mëparshëm të tij Yt 1 ose I nivelit p vite ose periudha
para tij. Në rastin e parë ai quhet AR(1) ose AR e rendit te pare dhe AR(p) I rendit
p.
Yt    Yt 1  t
Yt    1Yt 1  2Yt  2  ...   pYt  p  t


Mesatarja afatgjate  
1 

Në këtë model t quhet random noise dhe vetë ajo mund të modelohet me anë të
modelit të parë.Modeli (AR) quhet ndryshe dhe model me kujtesë sepse niveli I

Arben Kambo Leksion Serite Kohore

33

treguesit Y në një periudhë kohe varet nga nivelet e mëparshme.Me qënëse ky

model ka kujtesë mund të gjenerojë herë ngritje dhe herë ulje rreth një niveli
mesatar që është niveli mesatar afatgjatë I treguesit.Për këtë arsye ky model mund
të jetë i përshtatshëm për modele me lëkundje ciklike.Që procesi të jetë stabël
duhet që koeficienti fit e mare vlera ne intervalin 0;1. Sa me afer vlerës 1 të jetë fi
aq më shumë eleminohen lëkundjet e rastit.
Modeli i mesatares rreshqitëse linear MA
Sipas këtij modeli, cdo vrojtim ose term i serisë së treguesit Y përbëhet nga një
konstante afat gjate μ plus random noise t te po asaj periudhe dhe një pjesë e
random noise të periudhës së mëparshme.Modeli MA i rendit te pare do te kishte
formen: Yt    t  t 1 Nese mendohet që niveli i Y varet nga random noise e
periudhës nga fillimi deri në q atehere modeli MA(q) ose modeli MA e rendit q
do te ishte: Yt    t  t 1  2t 2  qt q
Duke e ndryshuar koeficientin fi nga 0 në 1 sheshimi përmirësohet. Modelet MA
quhen ndryshe dhe modelet me kujtese të kufizuar.
Modelet e përziera ARMA:
Këto janë modele ku integrohen në një të vetëm modeli AR dhe modeli MA.
Modeli AR është model me kujtesë të mirë (te largët),MA është me kujtesë të
dobët ose (të afërt). Modeli i rendit të parë ARMA(1) do te ishte:
Yt    Yt 1  t  t 1

Ku fi mer vlera nga o ne 1 dhe psi ne intervalin 0-1. Modelet ARMA mund të
përdoren për të prognozuar dukuri ekonomike që paraqesin sjellje ciklike dhe të
rastit.
Metoda Box Jenkins janë metoda të përshtatshme për prognoza afatshkurtra.
Numuri i të dhënave duhet të jetë të paktën 50.

Arben Kambo Leksion Serite Kohore

34

1.12.2 Shembull Metoda e mesatareve rrëshqitëse Formula e llogaritjes do te ishte:

1
Yt 1 
k
 Yt  j 1 per j=1,2,3...k
Ku k është numri i termave të mesatares rrëshqitëse.Duke ju referuar shembullit të
GDP në fillim llogarisim prognozën per vitin 2014 .
655.911  659.191  670.397
Y=  661.8
3
655.911  659.191  661.8
Y2014 =  663.8
3
659.191  670.397  663.8
Y2015   663.8
3
670.397  661.8  663.8
Y2016   665.3
3
661.8  663.8  665.3
Y2017   663.6
3
663.8  665.3  663.6
Y2018   664.2
3
1.14 Prognozimi i modelit strukturor Yt=SR
Në këtë rast prognozat mund të hartohen për stinë,muaj apo tremujore të
vecantë.Parashikimi vjetor korrigjohet me indekset stinore përkatëse,për tregues që
kanë natyrën e madhësive relative. Për tregues që kanë natyrën e madhësive
absolute,parashikimi vjetor pjestohet me numrin e periudhave(4 në rastin e
tremujorve dhe 12 në rastin e prognozave mujore) dhe rezultati shumzohet me
indeksin stinor përkatës.
Shembull : të parashikohet sa do të jetë norma e interest për tremujorin e tretë të
vitit 2010 nësë norma mesatare vjetore e interest parashikohet të jetë 5%.dimë që
për tremujorin e tretë indeksi stinor është 107%.
Y  5(107 /100  5.35

Shembull: Të parshikohet sa do të jetë e ardhura e kompanisë në tremujorin e

katërt nëse ky tregues ka efekte stinore, e ardhura vjetore është parashikuar 40
milion lekë dhe dimë që në tremujorin e katërt indeksi I ndikimit stinor për
tremujorin e katërt është 112.3%.
40
Y IV  112.3 /100  11.123
4

Arben Kambo Leksion Serite Kohore

35

1.13.1 Rasti i modelit strukturor Yt=TSR

Në këtë rast duhet të kemi përcaktuar paraprakisht trendin T të serisë. Trendi për
tremujorin ose muajin për të cilin kërkohet prognoza korrigjohet me indeksin stinor
përkatës.
Shembull: sa parashikohet të jetë norma e interest të tremujorit të katërt të vitit të
pestë,bazuar në të dhënat e shembullit të trajtuar më lart në këtë leksion..Kemi
gjetur që indeksi stinor për tremujorin e katërt është 1.06. Në bazë të modelit të
prirjes themelore gjejmë vlerën e trendit për tremujorin e katërt të vitit të pestë
(k=4+4=8,n=12)
Tn+k =4.22-0.276(n+k)=4.22-0.027(12+8)=3.68%
Y T  k  3.068(1.061)  3.904 %.
Kur seria ka trend linear dhe efekte stinore mund të përdoret edhe metoda e
sheshimit eksponencial Holt Ëinter me tre parametra. Modeli I prognozës do të
ishte. Tt k  [a(n)  b(n)k ]Ct k s
1.13.2 Interpolimi
Interpolimi është llogaritja e vlerave ndërmjetëse të panjohura të serisë kur dihen
vlerat e saj për periudha të caktuara.
Shembull:Në bazë të të dhënave për prodhimin bujqësor bruto (PBB) në shqipëri
sin ë tabelën në vijim të përllogaritet (interpolohet)PBB për vitin 2003.
Viti(t) 2000 2005 2006 2007 2008
PBB 118043 132474 137104 138260 145045
Interpolimi mund të bëhet me metodën e shtesës mesatare,me atë të normës
mesatare të rritjes ose me metodën e regresionit.
Me metodën e shtesës mesatare: PBB2003118043+3(3375.25)=128168.75
Me metodën e normës mesatare të rritjes:
PBB2003=118043(1.026)3=127491.82. Nëse përdorim një model regresioni psh një
model regresioni eksponencial në bazë të të dhënave modeli do të ishte :
Yt  e11.676 0.0247t
PBB2003e11.676 0.247(3)  126766.23

Arben Kambo Leksion Serite Kohore