Autor opracowania: Marek Walesiak
1
PROJEKT C – metoda wskaźników sezonowości
Nazwisko i imię studenta 1: ..........................................
Rok i forma studiów studenta 1: ......
Numer grupy lub specjalność studenta 1: .....
Nazwisko i imię studenta 2: ..........................................
Rok i forma studiów studenta 2: ......
Numer grupy lub specjalność studenta 2: .....
Uwagi dla studentów:
1. Program R należy pobrać ze strony: http://cran.r-project.org/
2. Co najmniej jeden projekt (A, B, C) należy przesłać na e-mail prowadzącego laboratoria
3. Projekty można wykonywać osobiście lub w zespołach dwuosobowych (jakość i estetyka wykonania
oraz liczba zrealizowanych projektów będzie decydować o ocenie z laboratorium dla przedmiotu Eko-
nometria)
4. Liczba obserwacji w projekcie A oraz B musi wynosić co najmniej 13 (trzynaście). Dla projektu C
musi być co najmniej pięć cykli. Dla danych statystycznych należy koniecznie podać źródło. Dane
powinny być aktualne
5. Nie wolno w projektach stosować zmiennych użytych w przykładowych projektach prezentowanych
na laboratoriach
6. Wstępnym warunkiem poprawności projektu A i B jest współczynnik determinacji (
Multiple R-
Squared
) nie mniejszy nić 0,50
7. Wraz z każdym projektem opracowanym w edytorze Word (może też być jego odpowiednik z pakietu
OpenOffice) należy przesłać:
a) pliki danych w formacie csv
b) odpowiednie procedury w programie R
8. Termin przesłania projektu (projektów): 03 stycznia 2012 roku
9. Proszę przesyłać projekty z własnych e-maili podając w e-mailu skład zespołu (imię i nazwisko, rok i
forma studiów, numer grupy lub specjalność)
10. Warunkiem przyjęcia projektu (projektów) jest uzyskanie pozytywnej odpowiedzi od prowadzącego
laboratoria
11. Odpowiedzi na e-maile informujące o akceptacji projektu lub projektów będą przesyłane w ciągu
siedmiu dni od ich nadesłania
12. Projekty, które wykonali inni studenci będą odrzucane
Autor opracowania: Marek Walesiak
2
1. Przewozy pasażerów transportem lotniczym w Polsce w latach 2003-2008 (w tys. osób) – dane
kwartalne
Źródło: Biuletyny Statystyczne GUS z lat 2003-2008.
http://www.stat.gov.pl/gus/5840_738_PLK_HTML.htm?action=show_archive
a) wprowadzić dane statystyczne do programu EXCEL w następującym układzie:
Plik dane_7
Plik dane_7a
Autor opracowania: Marek Walesiak
3
b) zapisać dane w formacie csv na dysku (podać nazwę pliku (odpowiednio): dane_7.csv;
dane_7a.csv)
2. Wykorzystując w programie R procedurę Estymacja7_bez.r:
Przeprowadzić analizę sezonowości badanego zjawiska. W przykładzie fazę stanowi kwartał, a cykl
obejmuje jeden rok (mamy łącznie 6 cykli). Wykorzystać metodę wskaźników sezonowości zgodnie z
procedurą:
a) wyodrębnić trend za pomocą metody trendu liniowego. Przedstawić graficznie dopasowanie modelu
trendu do danych;
b) wyeliminować trend z szeregu czasowego (uwolnienie wyrazów szeregu czasowego od trendu). Za-
stosować wahania sezonowe bezwzględne (obliczamy różnice między szeregiem pierwotnym a sze-
regiem wygładzonym):
t
t
t
Y
Y
e
ˆ
;
c) wyeliminować wahania przypadkowe przez obliczenie średnich arytmetycznych
t
e dla okresów
jednoimiennych, tj. pochodzących z tej samej j-tej fazy (
p
j
,
,
1
,
p
– liczba faz cyklu).
j
e
– są
to bezwzględne wskaźniki sezonowości (addytywne). Informują o ile jednostek poziom zjawiska w
danej fazie wahań jest wyższy lub niższy od poziomu, jakie osiągnęłoby zjawisko, gdyby jego roz-
wój przebiegał zgodnie z trendem;
d) obliczyć skorygowane (czyste) wskaźniki wahań sezonowych: obliczenie różnicy między surowym
wskaźnikiem bezwzględnym danej fazy cyklu i wskaźnikiem korekcyjnym:
p
j
j
j
b
j
e
p
e
s
1
1
;
e) na podstawie wyznaczonej funkcji trendu oraz skorygowanych wskaźników sezonowości wyzna-
czyć prognozy dla kolejnych kwartałów następnego roku (
j
– j-ta faza okresu prognozowania
):
model addytywny:
b
j
j
s
f
Y
j
)
(
ˆ
. Przedstawić graficznie wyniki prognozowania.
Autor opracowania: Marek Walesiak
4
ODPOWIEDZI Z WYKORZYSTANIEM obliczeń w programie R
a) wyodrębnić trend za pomocą metody trendu liniowego
[1] Krok 1 - wyniki estymacji modelu trendu
Call:
lm(formula = y ~ t, data = d, x = TRUE, y = TRUE)
Residuals:
Min 1Q Median 3Q Max
-622,130 -189,151 -4,621 204,625 608,405
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 856,163 127,850 6,697 9,88e-07 ***
t 41,707 8,948 4,661 0,00012 ***
---
Signif. codes: 0 ‘***’ 0,001 ‘**’ 0,01 ‘*’ 0,05 ‘.’ 0,1 ‘ ’ 1
Residual standard error: 303,4 on 22 degrees of freedom
Multiple R-squared: 0.4969, Adjusted R-squared: 0.474
F-statistic: 21.73 on 1 and 22 DF, p-value: 0,0001200
Oszacowany model trendu
t
Y
t
707
,
41
163
,
856
ˆ
a) przedstawić graficznie dopasowanie modelu trendu do danych
[1] Krok 1 - graficzna prezentacja dopasowania modelu trendu do danych
5
10
15
20
1000
1500
2000
t
y
Autor opracowania: Marek Walesiak
5
b) wyeliminować trend z szeregu czasowego (uwolnienie wyrazów szeregu czasowego od trendu).
Zastosować wahania sezonowe bezwzględne (obliczamy różnice między szeregiem pierwotnym
a szeregiem wygładzonym):
t
t
t
Y
Y
e
ˆ
[1] Krok 2 - wyeliminowanie trendu z szeregu czasowego: wahania sezonowe bez-
względne
et
1 -170,870000
2 57,423043
3 249,716087
4 -150,990870
5 -155,697826
6 189,595217
7 376,888261
8 -96,818696
9 -309,525652
10 6,767391
11 2,060435
12 -360,646522
13 -304,353478
14 157,939565
15 337,232609
16 -182,474348
17 -209,181304
18 502,111739
19 608,404783
20 -11,302174
21 -261,009130
22 63,283913
23 283,576957
24 -622,130000
c) wyeliminować wahania przypadkowe przez obliczenie średnich arytmetycznych
t
e dla okre-
sów jednoimiennych, tj. pochodzących z tej samej j-tej fazy (
p
j
,
,
1
,
p
– liczba faz cyklu).
j
e
– są to bezwzględne wskaźniki sezonowości (addytywne). Informują o ile jednostek poziom
zjawiska w danej fazie wahań jest wyższy lub niższy od poziomu, jakie osiągnęłoby zjawisko,
gdyby jego rozwój przebiegał zgodnie z trendem
[1] Krok 3 - wyeliminowanie wahań przypadkowych: bezwzględne wskaźniki sezo-
nowości
[1] -235,1062 162,8535 309,6465 -237,3938
Autor opracowania: Marek Walesiak
6
d) obliczyć skorygowane (czyste) wskaźniki wahań sezonowych: obliczenie różnicy między suro-
wym wskaźnikiem bezwzględnym danej fazy cyklu i wskaźnikiem korekcyjnym:
p
j
j
j
b
j
e
p
e
s
1
1
[1] Krok 4 - obliczenie skorygowanych wskaźników wahań sezonowych: bezwzględ-
ne wskaźniki sezonowości
[1] -235,1062 162,8535 309,6465 -237,3938
UWAGA! Parametry modelu trendu szacowano MNK, więc wartości skorygowane z punktu d) równa-
ją się wartościom surowym z punktu c) (średnia reszt w MNK równa się bowiem zeru).
e) na podstawie wyznaczonej funkcji trendu oraz skorygowanych wskaźników sezonowości wy-
znaczyć prognozy dla kolejnych kwartałów dwóch kolejnych lat (
j
– j-ta faza okresu pro-
gnozowania
): model addytywny:
b
j
j
s
f
Y
j
)
(
ˆ
[1] Krok 5 - obliczenie prognozy: bezwzględne wskaźniki sezonowości
t prognoza
1 25 1663,731
2 26 2103,397
3 27 2291,897
4 28 1786,564
e) przedstawić graficznie wyniki prognozowania
[1] Krok 5 - graficzna prezentacja wyników prognozowania
0
5
10
15
20
25
1000
1500
2000
t
y
25
26
27
28