Analiza szeregów czasowych

dr Małgorzata Radziukiewicz
 Szereg czasowy

 Szereg czasowy (chronologiczny)

zbiór wartości badanej cechy lub wartości

określonego zjawiska zaobserwowanych w
różnych momentach (przedziałach) czasu
uporządkowany chronologicznie
 Przykłady szeregów czasowych

 Szeregi czasowe dotyczące zjawisk społeczno-

ekonomicznych
 - nakład książek i broszur w latach 1990-1997 (w mln egz.);
 - wartość produkcji w pewnym przedsiębiorstwie w latach 1993 – 2002 (w
mld zł.);
 - produkcja energii elektrycznej w latach (w mln kWh);
 - skup mleka w woj. poznańskim w latach 1989 -1995(w mln litrów);
 - liczba zawartych małżeństw w Polsce w latach 1989 – 1993 (w tys.) itp..
 Szeregi czasowe

 Szeregi czasowe
Dłuośc linii kolejowych w Polsce w latach 1990-2004
dotyczące zjawisk społeczno-
ekonomicznych można 9

przedstawić w formie graficznej 8

– elementy szeregu 7

prezentowane są przez punkty

tys. km
6
płaszczyzny o współrzędnych 5
(t,y), które łączy się odcinkami 4
linii prostej
3 1990

1991

1992

1993

1994

1995

1996

1997

1998

1999

2000

2001

2002

2003

2004
lata
 nakład książek i broszur w latach 1990-1997 (w mln egz.)

 W badanym 8-elementowym Nakład książek i broszur w latach 1990-1997

szeregu czasowym występuje
200
składowa systematyczna w postaci wartości rzeczywiste
180
trendu oraz wahania przypadkowe.
160

w mln egzemplarzy
140
 Ocena wzrokowa wykresu 120
wskazuje, ze do opisu przebiegu 100
zmiennej można wykorzystać 80
funkcję liniową 60
1990 1991 1992 1993 1994 1995 1996 1997
 nakład książek i broszur w latach 1990-1997 (w mln egz.)

 Parametry modelu liniowego

oszacowano MNK. Obliczenia
związane z szacowaniem Nakład książek i broszur w latach 1990-1997
parametrów linii trendu, 200 wartości rzeczywiste
wyznaczeniem miar 180
wartości teoretyczne

„dobroci”dopasowania, prognozy 160

punktowej i prognozy

w mln egzemplarzy
140
przedziałowej, błędów prognoz
120
zawarte są w prezentacji pt.
100
”Szeregi czasowe”.
80
 Wartości rzeczywiste i teoretyczne
60
zmiennej przedstawia rysunek obok. 1990 1991 1992 1993 1994 1995 1996 1997
 wartość produkcji w pewnym przedsiębiorstwie w latach 1993 – 2002 (w mld zł.)

 Ocena wzrokowa wykresu wskazuje, ze wartość produkcji w latach 1993-2002 (w mld zł)
w badanym szeregu czasowym
30
występuje składowa systematyczna w
26,4
postaci trendu rosnącego oraz wahania 25

przypadkowe. 20 21

mld zł
16,1 15,5
 Wzrost wartości zmiennej jest jednak 15

coraz szybszy. W takim przypadku 10 11

7,6
możemy zastosować funkcję o rosnącym 5 4,5 4,1 5
3,5
tempie wzrostu, np. funkcję wykładniczą. 0
 Wykładniczą funkcję trendu sprowadza 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002

się do postaci liniowej przez

logarytmowanie, a następnie szacuje się 60
jej parametry za pomocą MNK – zob. 50
produkcja prognoza 53,3
prezentację pt. ”Wykładniczy model
42,1
trendu”. 40
33,2
 Wykresy przedstawiają wartości 30
mld zł

rzeczywiste, teoretyczne i prognozy 26,2

20 20,7
zmiennej 16,4
12,9
10 10,2
6,4 8,1
3,1 4,0 5,0
0
 zużycie energii elektrycznej w firmie latach 2005 - 2007(w mln kWh)

 Analiza wzrokowa wykresu

Kwartalne zużycie energii elektrycznej w latach 2005-2007
wartości zmiennej prognozowanej
wskazuje, że zużycie energii w 5,5
firmie cechuje się liniową tendencją 5
rozwojową oraz wahaniami 4,5

sezonowymi. 4
3,5
 Zadanie: 3
wyznaczyć prognozy zużycia 2,5
energii na następne dwa kwartały 2
2008 roku. 1 2 3 4 5 6 7 8 9 10 11 12

2005 2006 2007

rok 2005 2006 2007

kw. I II II IV I II II IV I II III IV
Y 2,8 3,7 3,0 4,6 3,0 4,2 3,5 5,0 3,5 4,7 4,0 5,3
 Analiza szeregów czasowych

 Poziom zjawiska gospodarczego, które

odzwierciedla szereg czasowy, wykazuje
różnego rodzaju zmiany:
 zmiany określające pewien ogólny kierunek
(tendencję rozwojową) czyli tzw. trend; Produkcja energii elektrycznej w Polsce w latach 1991-1994 (w mln kWh)
 wahania cykliczne, czyli koniunkturalne
(wahania o kresie dłuższym niż rok, które z 15000
grubsza odpowiadają cyklom
14000
koniunkturalnym);
 wahania sezonowe powtarzające się 13000
periodycznie w pewnych określonych porach 12000
każdego roku lub miesiąca;
 wahania nieregularne (które trudno 11000
zanalizować i ująć w pewien określony 10000
schemat):
 wahania katastrofalne spowodowane 9000
przez zdarzenia historyczne (wojna, 8000
katastrofy żywiołowe, epidemie); 1 4 7 10 13 16 19 22 25 28 31 34 37 40 43 46

 wahania przypadkowe będące miesiące

wynikiem działania wielkiej liczby
przyczyn ubocznych.
 Analiza szeregów czasowych

 Rys.1. Składowe szeregu czasowego

Yt wahania cykliczne

wahania sezonowe

trend

wahania przypadkowe

czas
 Analiza szeregów czasowych

 Każdą obserwację szeregu czasowego możemy więc rozłożyć na trzy

składniki lub czynniki:
- trend (T);
- sezonowość (S);
- składnik przypadkowy (U).

 Charakter powiązań między trendem, sezonowością i zmiennością losową w

szeregach:
 - powiązania addytywne:

yt = Tt + S t + U t (1)
 - i multiplikatywne:

yt = Tt  S t  U t ( 2)
 gdzie:
 yt - obserwacje szeregu czasowego
 Tt - trend i wahania cykliczne
 St - sezonowość
 Ut - zmienność o charakterze losowym (czynnik przypadkowy).
 Subskrypt t oznacza, że analizujemy zachowanie się zjawiska w czasie.
 Analiza szeregów czasowych

 Analiza statystyczna może dotyczyć wszystkich składników szeregu czasowego.

 Zwykle dąży się do wyodrębnienia poszczególnych składników szeregu
czasowego i pomiaru ich wielkości – dlatego analizę szeregu czasowego określa
się jako jego „dekompozycję”.
 W celu „dekompozycji” szeregu stosuje się wiele różnych metod statystycznych.
 Wyznaczenie z szeregu trendu jest najprostsze.
 Zadanie wyznaczenia trendu – funkcji f(t) – jest nazywane wygładzaniem
(wyrównywaniem) szeregu czasowego.
 Możemy tego dokonać stosując jedną z dwóch metod:
 - metodę analityczną (modelowanie rozwoju zjawiska z uwzględnieniem analizy
regresji – określamy postać funkcji charakteryzującą tendencję rozwojową
szeregu i wyznaczamy jej parametry);
 - metodę mechaniczną.
 Analiza szeregów czasowych

 Metoda analitycznego wyrównywania szeregów polega na założeniu, że jego

tendencję rozwojową (trend) da się przedstawić na wykresie za pomocą pewnej
linii matematycznej np. prostej, krzywej wykładniczej itp. o określonym wzorze
analitycznym.

 Metoda analitycznego wyrównania opiera się na dwóch rodzajach dowolnie

przyjętych założeń:
 krzywa, którą uważa się za najlepsze wyrównanie szeregu ma określony z góry
charakter analityczny;
 mogą istnieć różne kryteria, na podstawie których ocenia się "najlepsze dopasowanie
krzywej" do wykresu danego szeregu.

 Jeżeli oba założenia zostaną ustalone, poszukiwana krzywa jest określona

jednoznacznie i wyznaczenie jej analitycznego wzoru jest tylko sprawą
rachunkową.
 Po wyborze postaci funkcji trendu i oszacowaniu jej parametrów, dokonuje się
oceny jakości otrzymanego modelu.
 Model wykorzystujemy do sporządzania prognoz.
 Analiza szeregów czasowych

 Przyszłą wartość zmiennej Y uzyskuje się przez ekstrapolację funkcji

trendu tj. przez podstawienie do modelu w miejsce zmiennej czasowej
numeru momentu lub okresu T, na który wyznaczamy prognozę:

YTP  f (T ) dla T  n
 zużycie energii elektrycznej w firmie latach 2005 - 2007(w mln kWh)

 Rozważamy przypadek, gdy w

szeregu czasowym występują Kwartalne zużycie energii elektrycznej w latach 2005-2007
wahania sezonowe.
5,5
 Odpowiedni model musi więc
5
zawierać parametry i zmienne
4,5
charakteryzujące te wahania w
4
poszczególnych fazach tego cyklu. 3,5
 Dla uproszczenia rozważań i zapisu 3
rozpatrujemy zjawisko o rocznym 2,5
cyklu wahań z kwartałami jako 2
1 2 3 4 5 6 7 8 9 10 11 12
fazami tego cyklu.
2005 2006 2007
 zużycie energii elektrycznej w firmie latach 2005 - 2007(w mln kWh)

Kwartalne zużycie energii elek trycznej w latach 2005-2007

5,5
5
4,5
4
3,5
3
2,5
2
1 2 3 4 5 6 7 8 9 10 11 12
2005 2006 2007

 Zakładając, że funkcja trendu jest liniowa a wahania okresowe

(kwartalne) nakładają się na tendencję rozwojową w sposób addytywny
sformułujemy model następująco:

Y t =  +   t   1 X t ,1   2 X t , 2   3 X t ,3   4 X t , 4  t (1)
 gdzie:
Xt,i (i=1,2,3,4; t=1,2,3…,n) są zmiennymi zero-jedynkowymi reprezentującymi poszczególne
fazy cyklu
 zużycie energii elektrycznej w firmie latach 2005 - 2007(w mln kWh)

 Zmienne zero-jedynkowe:

1 dla obserwacji i  tego kw.

X t ,i  { ( 2)
0 dla obserwacji poz. kw.

 Parametry stojące przy zmiennych zero-jedynkowych (λi) charakteryzują

absolutną wielkość wahań okresowych w poszczególnych kwartałach.
 Założenia dotyczące składnika losowego εt są takie same jak w modelu
nie uwzględniającym wahań okresowych.
 zużycie energii elektrycznej w firmie latach 2005 - 2007(w mln kWh)

 Kolumny macierzy X są liniowo

zależne
1 1 1 0 0 0
1 2 0 1 0 0
 
1 3 0 0 1 0
 
1 4 0 0 0 1
1 5 1 0 0 0
 
1 6 0 1 0 0
X   (3)
1 7 0 0 1 0
 
1 8 0 0 0 1
1 9 1 0 0 0
 
1 10 0 1 0 0
1 11 0 0 1 0
 

1 12 0 0 0 1

 zużycie energii elektrycznej w firmie latach 2005 - 2007(w mln kWh)

 W modelu należy jedną spośród zmiennych przedstawić jako kombinację

pozostałych (oznacza to eliminację tej zmiennej).
 Zastąpimy zmienną Xt,1 przez kombinację liniową otrzymaną z
zależności:

X t ,i
1 (4) czyli

X t ,1  1  X t , 2  X t ,3  X t , 4 (5)
 zużycie energii elektrycznej w firmie latach 2005 - 2007(w mln kWh)

 W wyniku podstawienia model (1) przyjmie następującą postać:

Y t =  +   t   1[1  X t , 2  X t ,3  X t , 4 ]   2 X t , 2   3 X t ,3   4 X t , 4   t ( 6)

Y t = ( +  1 )    t  ( 2   1 ) X t , 2  ( 3   1 ) X t ,3  ( 4   1 ) X t , 4  t (7 )
 zużycie energii elektrycznej w firmie latach 2005 - 2007(w mln kWh)

 Model tendencji rozwojowej z liniową funkcją

trendu oraz wahaniami sezonowymi przyjmie
zatem postać:
Y t = ( +  1 )    t  ( 2   1 ) X t , 2  ( 3   1 ) X t ,3  ( 4   1 ) X t , 4  t (7 )

 gdzie : yt – poziom zjawiska w okresie t,

( +  1 ) - stała,
 - parametr przy zmiennej czasowej,
( i   1 ) - parametr przy zmiennej Xt,i
εt – składnik losowy dla okresu t
 zużycie energii elektrycznej w firmie latach 2005 - 2007(w mln kWh)

 Przyjmując odnośnie do rozkładu εt takie same założenia jak w klasycznym

modelu regresji, uzyskujemy podstawę do szacowania parametrów funkcji trendu
za pomocą MNK.
 dane niezbędne do obliczeń:
X – macierz wartości zmiennych objaśniających (kolumny są liniowo niezależne)
Y- wektor zaobserwowanych wartości zmiennej Y

1 1 0 0 0  2,8 
1 2 1 0 0 3,7 
   
1 3 0 1 0  3,0 
   
1 4 0 0 1
 4,6
1 5 0 0 0  3,0 
   
1 6 1 0 0
X   4,2
Y  
1 7 0 1 0  3,5 
   
1 8 0 0 1
5,0 
1 9 0 0 0  3,5 
   
1 10 1 0 0 4,7 
1 11 0 1 0  4,0
   

1 12 0 0 1
  5,3 
 zużycie energii elektrycznej w firmie latach 2005 - 2007(w mln kWh)
 wektor ocen parametrów modelu trendu z wahaniami sezonowymi

   1  2,569
    0,106 
   
~
a   2   1   0,994 (8)
   
 
 3 1  0,187 
 4   1  1,548 

 obliczamy ze wzoru:

a~  ( X T X ) 1 X T y (9)
 zużycie energii elektrycznej w firmie latach 2005 - 2007(w mln kWh)

 Wybrane wyniki (obliczenia w Excel) wskazują, iż model jest dobrze dopasowany

do danych empirycznych (parametry strukturalne są statystycznie istotne,
współczynniki φ2 i V przyjmują wartości bardzo małe):

PODSUMOWANIE - WYJŚCIE

Statystyki regresji
Wielokrotność R 0,995918125
R kwadrat 0,991852912
Dopasowany R kwadrat 0,987197433
Błąd standardowy 0,093859064
Obserwacje 12

ANALIZA WARIANCJI
df SS MS
Regresja 4 7,5075 1,876875
Resztkowy 7 0,061666667 0,008809524
Razem 11 7,569166667

Współczynniki Błąd standardowy t Stat

Przecięcie 2,56875 0,068243081 37,6411788
t 0,10625 0,008296048 12,80730366
z2 0,99375 0,077083333 12,89189189
z3 0,1875 0,078411182 2,39124057
z4 1,547916667 0,080575651 19,21072495
 zużycie energii elektrycznej w firmie latach 2005 - 2007(w mln kWh)
 Model zużycia energii elektrycznej w firmie jest postaci:

Yˆ t = 2,569  0,106 t  0,994 X t , 2  0,187 X t ,3  1,548 X t , 4 ( R 2  0,992)

( 0 , 068) ( 0 , 008) ( 0 , 077) ( 0 , 078) ( 0 , 080)

 interpretacja:
 2,569 – jest oceną wyrazu wolnego modelu (7) na który składa się wyraz wolny i odchylenie
okresowe dla I kwartału z modelu w postaci wyjściowej (5);
 0,106 – ocena współczynnika trendu, wyraża tendencję rozwojową zużycia energii
elektrycznej i jest interpretowany jako średni kwartalny wzrost zużycia energii w firmie (w mln
kWh) w latach 2005-2007;
 0,994- ocena parametru stojącego przy zmiennej X t,2 reprezentuje odchylenie sezonowe
zużycia energii dla II kwartału w porównaniu z I kwartałem. Oznacza, że z tytułu wahań
sezonowych zużycie energii w firmie w II kwartale każdego roku jest wyższe o 0,994 mln kWh
od zużycia w I kwartale;
 Podobnie (jak ocenę parametru stojącego przy zmiennej X t,2 ) interpretuje się oceny 0,187 i
1,548 parametrów przy Xt,3 oraz Xt,4 .
 zużycie energii elektrycznej w firmie latach 2005 - 2007(w mln kWh)

 Prognoza zużycia energii w firmie:

 w I kwartale 2008 roku

Y13P = 2,569  0,106  13  0,994  0  0,187  0  1,548  0
Y13P  3,947

 w II kwartale 2008 roku

Y14P = 2,569  0,106  14  0,994  1  0,187  0  1,548  0
Y14P  5,047
 zużycie energii elektrycznej w firmie latach 2005 - 2007(w mln kWh)

Kwartalne zużycie energii elektrycznej w firmie w latach 2005-2007

(w mln kWh) i prognoza na I i II kwartał 2008 roku

6,00
5,50
5,00
4,50
4,00
3,50
3,00
prognoza
2,50
zużycie energii
2,00
1 2 3 4 1 2 3 4 1 2 3 4 1 2
2005 2006 2007 2008