Корреляционно-регрессионный анализ - Часть 39

Например, расход топлива в весенне - летние месяцы значительно больше чем в осенне - зимние месяцы, довольно неодинаковыми течение года оказываются цены на сельскохозяйственную продукцию на рынке и т.д. Такие внутригодовые колебания, имеющие периодический характер, называют сезонными. Они всегда связаны с воздействием природных факторов, особенно в сельском хозяйстве.

Сезонность - явление негативное, ведь она обусловливает неравномерность осуществления производственных процессов, приводит к снижению производительности труда и повышения себестоимости производства продукции. Поэтому преодоление сезонности является важным резервом повышения экономической эффективности производства. Отсюда вытекает вопрос о необходимости изучения сезонности и количественного измерения сезонных колебаний (сезонной волны), является одной из важных задач анализа рядов динамики.

Рассмотрим некоторые методы, разработанные статистике для выявления и измерения сезонной волны.

Первый способ.А. Для уровней ряда рассчитывается средняя

арифметическая величина (в), затем с ней сравнивают (в%) уровень каждого месяца (Уи). Полученное процентное отношение называется

ис =А Х1оо

индексом сезонности: В.

Б. Влияние на месячные данные случайных колебаний обусловливает необходимость расчета для каждого месяца средних показателей за трехлетие. Затем находят процентное отношение средних для

Ис=и-100

каждый месяц до общего среднего уровня, т.е. в, где

Уи - средняя для каждого месяца за 3 года, у - общий средний уровень за 3 года. Схему этого способа расчета приведены в таблице 62.

Таблица 62

Расчет индексов сезонности по первому способу

Луна

Средняя дневная выработка на трактор, га условной пахоты

Индексы сезонности (^: ~ в) х100%

2002г.

2003г.

2004г.

В среднем

Января

4,6

4,5

4,2

4,4

(4,4:5,7) = 100 = 77

Февраль

5,0

4,8

4,5

4,7

(4,7:5,7) = 100 = 84

Март

4,9

5,1

6,0

5,3

(6,3:6,7) = 100 = 93

...

. . .

. . .

. . .

. . .

. . .

Декабрь

4,2

4,3

4,8

4,4

(4,4:5,7) = 100 = 77

Средний уровень ряда

5,9

5,5

5,7

В= 5,7

100

Второй способ.При наличии данных за три года рассчитывают индексы сезонности для каждого года по первому способу (А), а затем по полученным индексам находят среднюю арифметическую.

Рассмотрим данный способ на примере осуществив расчет для января. Индексы сезонности для каждого года составляют: 2002 год - (4,6:5,9) 100 = 78%; 2003 год - (4,5: 5,5) 100 = 82%; 2004 год - (4,2:5 , 7) 100 = 74%. Отсюда средний индекс сезонности для января составляет:

78+82 + 74 = 78 "% 3.

Аналогично осуществляют расчеты для февраля марта и т.д.

Приведенные результаты расчетов свидетельствуют о том, что индексы сезонности (для января) почти не отличаются между собой. Это объясняется стабильностью месячного уровня в разные годы. В случаях, когда наблюдается тенденция к увеличению или уменьшению года в год месячных уровней, то предпочтение отдают второму способу.

Третий способзаключается в вычислении отношений фактических поместных уровней в скользящей средней, расчетные для 12 месяцев. На основании таких отношений (индексов сезонности) за ряд лет находят среднюю арифметическую для каждого месяца. Эти средние считаются индексами сезонных колебаний.

По аналогичной схеме расчетов индексы сезонности можно построить на основании отношений фактических помесячных уровней к уровням, выровненных по математическим формулам (прямой, параболы, гиперболы и т.д.). Существуют и другие более сложные способы (методы) расчета индексов сезонности.

Особенности корреляционного анализа рядов динамики и методические основы статистического прогнозирования их уровней

Объектом корреляционного анализа могут быть не только статистические (пространственные) совокупности, но и совокупности, характеризующие изменение явлений во времени, т.е. динамические. Разработанная методология корреляции для анализа явлений в пространстве не приемлема для динамических совокупностей. Поэтому при использовании корреляционного метода необходимо знать особенности и пределы его использования. Прежде всего это касается проверки предсказаний и интерпретации результатов анализа рядов динамики.

foto_00043.jpg