MODELE

PRZYCZYNOWO-

SKUTKOWE

PROGNOZOWANIE

NA PODSTAWIE

SZEREGÓW

CZASOWYCH

METODY

HEURYSTYCZNE

METODY

ANALOGOWE

METODA

Modelowanie

ekonometryczne

Identyfikacja struktury,

charakterystyka natury zjawiska,

natężenia, siły, kierunku zależności,
określenie relacji ilościowych między

zmiennymi

Prognozowanie

Modelowanie ekonometryczne - cele

Modelowanie ekonometryczne - cele

Modelowanie ekonometryczne - cele

Modelowanie ekonometryczne - cele

Podstawowe wyróżniki:
•

wyjaśnia mechanizm zmian w prognozowanym

zjawisku;

•

przedstawia zależności pomiędzy zmienną, a

zmiennymi objaśniającymi;

•

ocena wpływu zmiennych objaśniających na

zmienną objaśnianą;

•

stosowane gdy do uzyskania prognozy

potrzebna jest znajomość mechanizmu zmian

prognozowanego zjawiska;

•

wysoka wartość poznawcza;

•

prognoza budowana jest zgodnie z

założeniami klasycznej teorii predykcji.

MODELOWANIE EKONOMETRYCZNE

Poprawny modelowy opis zjawiska:

»

realistycznie uwzględnia wszystkie elementy

badanego zjawiska;

»

umożliwia wnioskowanie na temat danego

zjawiska;

»

dostatecznie uwzględnia związki

występujące pomiędzy badanymi zjawiskami.

MODELOWANIE EKONOMETRYCZNE

Klasyfikacja modeli ekonometrycznych

Klasyfikacja modeli ekonometrycznych

Klasyfikacja modeli ekonometrycznych

Klasyfikacja modeli ekonometrycznych

Z poznawczego punktu widzenia:

»

modele przyczynowo-opisowe;

»

modele symptomatyczne;

»

modele tendencji rozwojowej;

Ze względu na powiązania zmiennych

endogenicznych:

»

modele proste,

Y

1

Y

2

Y

3

»

rekurencyjne

Y

1

Y

2

Y

3

»

o równaniach współzależnych Y

1

Y

2

Y

3

Wybór modelu ekonometrycznego

-

problemy do rozwiązania:

•

dobór zmiennych objaśniających;

•

wybór postaci analitycznej modelu;

•

estymacja parametrów modelu;

•

weryfikacja modelu;

•

wyznaczenie wartości zmiennych

objaśniających;

•

wybór zasady zgodnie z którą budujemy

prognozę;

•

zastosowanie modelu np. do

skonstruowania prognozy.

MODELOWANIE EKONOMETRYCZNE

Dobór zmiennych objaśniających

„znalezienie zestawu czynników, które mają i
będą mieć zasadniczy wpływ na zmienną
prognozowaną”

»

wstępny zestaw zmiennych objaśniających

na podstawie kryteriów merytorycznych.

»

ocena formalno-statystyczna.

»

optymalny zestaw zmiennych

objaśniających.

MODELOWANIE EKONOMETRYCZNE

Kryteria (merytoryczne) doboru zmiennych
objaśniających

»

związek merytoryczny ze zmienną

prognozowaną.

»

reprezentacja różnych aspektów badanego

odcinka rzeczywistości gospodarczej.

»

zmienne wyrażone w jednostkach

naturalnych.

»

zmienne powinny mieć określone tradycje

badawcze.

»

wiarygodność i dostępność danych

statystycznych.

»

mierzalny charakter.

MODELOWANIE EKONOMETRYCZNE

Kryteria (statystyczne) doboru zmiennych

objaśniających

»

współczynnik zmienności powyżej 10%.

»

dobre skorelowanie ze zmienną objaśnianą.

»

maksymalizacja stopnia dokładności, z jaką model

ekonometryczny opisuje rozwój badanego zjawiska.

»

autokorelacja składnika losowego modelu.

»

korelacji składnika losowego ze zmiennymi

objaśniającymi.

»

eliminacja współliniowości zmiennych objaśniających.

»

losowości i normalności rozkładu składnika losowego.

»

jednorodności wariancji składnika losowego.

»

zgodność, nieobciążoność, efektywność estymatorów.

»

minimalizacja wariancji predyktora.

»

istotna rola w okresie prognozowanym.

MODELOWANIE EKONOMETRYCZNE

Ustalenie

wartości

zmiennych

objaśniających w okresie prognozowanym

»

arbitralna ocena - stosowana w

symulacjach

»

metoda ekstrapolacji ich tendencji

»

łączenie wyników wielu metod.

MODELOWANIE EKONOMETRYCZNE

Wybór postaci analitycznej modelu

•

wstępna analiza materiału statystycznego,

•

teoria ekonomii,

•

doświadczenia z poprzednich badań

"Model jest naszym wyobrażeniem o

zjawiskach. Jeżeli te wyobrażenia są błędne,

to błędne będą też prognozy otrzymane na

podstawie modelu, choćby był on bardzo

poprawny pod względem formalnym".

MODELOWANIE EKONOMETRYCZNE

Weryfikacja modelu

ma na celu:

»

sprawdzenie przylegania modelu do

opisywanego fragmentu rzeczywistości;

»

zestawu zmiennych objaśniających z punktu

widzenia siły ich wpływu na zmienna objaśnianą;

»

rozkładu składnika losowego.

Modelowanie ekonometryczne

Modelowanie ekonometryczne

Modelowanie ekonometryczne

Modelowanie ekonometryczne

MODELE

PRZYCZYNOWO-

SKUTKOWE

PROGNOZOWANIE

NA PODSTAWIE

SZEREGÓW

CZASOWYCH

METODY

HEURYSTYCZNE

METODY

ANALOGOWE

METODA

Prognozowanie analogowe

podstawowe

wyróżniki:

•

podobieństwo kierunków i sekwencji zmian w czasie

zmiennych opisujących to samo zjawisko w różnych

obiektach lub różne zjawiska w tym samym objecie;

•

wskazują kierunek zmian

wskazują kierunek zmian;

•

pomocne w formułowaniu ocen i

pomocne w formułowaniu ocen i średniookresowych

prognozy;

•

identyfikacja punktów zwrotnych;

•

wysoka wartość poznawcza.

Metody analogowe

Metody analogowe

Metody analogowe

Metody analogowe

•

analogie historyczne;

•

analogie przestrzenne

analogie przestrzenne;

•

analogie przestrzenno-czasowe

analogie przestrzenno-czasowe;

•

biologiczne;

Metody analogowe

Metody analogowe

Metody analogowe

Metody analogowe

DYNAMIKA KRACHÓW

(1929,1987, 2008)

22

DYNAMIKA WZROSTU PKB

(rok poprzedni = 100)

Rynki wschodzące

Rynki wschodzące

i rozwijające się

i rozwijające się

Kraje

Kraje

rozwinięte

rozwinięte

Bańka

Bańka

internetowa

internetowa

Za J. Szambelańczyk: Sekcja Banków Spółdzielczych ZBP
26.01.2009

CLI koniunktury ogólnogospodarczej

BAROMETRY OECD

Państw

a OECD

USA

Strefa

EURO

Polska

ANALOGIE NA RYNKU ŻYWCA WIEPRZOWEGO

3000

3500

4000

4500

5000

5500

6000

6500

7000

7500

st

y-

90

st

y-

91

st

y-

92

st

y-

93

st

y-

94

st

y-

95

st

y-

96

st

y-

97

st

y-

98

st

y-

99

st

y-

00

01

-s

ty

02

-s

ty

03

-s

ty

04

-s

ty

05

-s

ty

ty

s

sz

t.

800

1000

1200

1400

1600

1800

2000

ty

s

sz

t./

ty

s

to

n

TC prosięta o wadze do 20 kg

TC warchlaki o wadze od 20 kg do 50 kg

TC pogłowie trzody na ubój o wadze 50 kg i więcej

TC produkcja żywca wieprzpwego

TC lochy prośne

R=0,63

(-5)

R=0,65

(-8)

R=0,54

(-7)

R=0,66 (-

12)

ANALOGIE NA RYNKU ŻYWCA WIEPRZOWEGO

800

900

1000

1100

1200

1300

1400

1500

st

y-

90

st

y-

91

st

y-

92

st

y-

93

st

y-

94

st

y-

95

st

y-

96

st

y-

97

st

y-

98

st

y-

99

st

y-

00

01

-s

ty

02

-s

ty

03

-s

ty

04

-s

ty

05

-s

ty

ty

s

to

n

0

1

2

3

4

5

6

zł

/k

g

TC produkcja żywca wieprzpwego

prognoza produkcji żywca wieprzpwego

cena skupu żywca wieprzowego

prognoza cen skupu żywca wieprzowego

PROGNOZY NA RYNKU ŻYWCA WIEPRZOWEGO

Metoda wartości przeciwstawnych

-3

-2

-1

0

1

2

3

4

5

6

st

y-

9

1

st

y-

9

2

st

y-

9

3

st

y-

9

4

st

y-

9

5

st

y-

9

6

st

y-

9

7

st

y-

9

8

st

y-

9

9

st

y-

0

0

0

1

-s

ty

0

2

-s

ty

0

3

-s

ty

0

4

-s

ty

700

800

900

1000

1100

1200

1300

1400

ty

s.

t

o

n

Cena skupu żywca wieprzowego

Produkcja żywca wieprzwego

-3

-2

-1

0

1

2

3

4

5

6

st

y-

91

st

y-

92

st

y-

93

st

y-

94

st

y-

95

st

y-

96

st

y-

97

st

y-

98

st

y-

99

st

y-

00

01

-s

ty

02

-s

ty

03

-s

ty

04

-s

ty

700

800

900

1000

1100

1200

1300

1400

ty

s.

to

n

Cena prosiąt

Krycie loch

Cena żywca/cena pasz

Cena skupu żywca wieprzowego

Produkcja żywca wieprzwego

R=-0,69

(-1)

R=-0,46 (-

2)

R=-0,84

(-2)

R=-0,72

(+1

)

ANALOGIE NA RYNKU ŻYWCA WIEPRZOWEGO

1050

1100

1150

1200

1250

1300

1350

1400

1450

st

y-

91

lip

-9

1

st

y-

92

lip

-9

2

st

y-

93

lip

-9

3

st

y-

94

lip

-9

4

st

y-

95

lip

-9

5

st

y-

96

lip

-9

6

st

y-

97

lip

-9

7

st

y-

98

lip

-9

8

st

y-

99

lip

-9

9

st

y-

00

lip

-0

0

01

-s

ty

01

-li

p

02

-s

ty

02

-li

p

03

-s

ty

03

-li

p

04

-s

ty

04

-li

p

05

-s

ty

ty

s.

to

n

-2,5

-2

-1,5

-1

-0,5

0

0,5

1

1,5

2

Produkcja żywca wieprzwego

Wskaźnik wyprzedzający podaż żywca wieprzowego

R=0,72 (-

23

)

O

W

t

t

P

max

max





O

W

t

t

P

min

min





ANALOGIE NA RYNKU ŻYWCA WIEPRZOWEGO

1050

1100

1150

1200

1250

1300

1350

1400

1450

st

y-

91

lip

-9

1

st

y-

92

lip

-9

2

st

y-

93

lip

-9

3

st

y-

94

lip

-9

4

st

y-

95

lip

-9

5

st

y-

96

lip

-9

6

st

y-

97

lip

-9

7

st

y-

98

lip

-9

8

st

y-

99

lip

-9

9

st

y-

00

lip

-0

0

01

-s

ty

01

-li

p

02

-s

ty

02

-li

p

03

-s

ty

03

-li

p

04

-s

ty

04

-li

p

05

-s

ty

06

-li

p

ty

s.

to

n

-3

-2

-1

0

1

2

Produkcja żywca wieprzwego
Wskaźnik wyprzedzający podaż żywca wieprzowego
Prognoza

R=0,72

(0

)

ANALOGIE NA RYNKU ŻYWCA WIEPRZOWEGO

MODELE

PRZYCZYNOWO-

SKUTKOWE

PROGNOZOWANIE

NA PODSTAWIE

SZEREGÓW

CZASOWYCH

METODY

HEURYSTYCZNE

METODY

ANALOGOWE

METODA

...twarde fakty:

kwantyfikacja kluczowych
zmian w celu dostarczenia
wiarygodnych i
porównywalnych danych
ilościowych

...głębokie zrozumienie

dogłębne poznanie, które

może zapewnić tylko

podejście jakościowe

Tylko jedna ścieżka badawcza:

integracja metod w całym procesie - od

zbierania danych do analiz i interpretacji

Najefektywniej wyrasta

trafność prognoz

Metody

jakościowe

Metody

ilościowe

INTEGRACJA METOD PROGNOZOWANIA

Metody heurystyczne

podstawowe

zastosowania:

•

wskazywanie dat zajścia określonego zdarzenia;

•

określenie poziomu badanej zmiennej;

•

określenie punktów zwrotnych badanych zmiennych;

•

określenie prawdopodobieństwa zaistnienia danego

zdarzenia;

•

określenie natężenia występowania zjawisk nowych;

•

tworzenie ocen faktów determinujących przyszłość

•

ocena przydatności utworzonych modeli

prognostycznych.

METODY HEURYSTYCZNE

Metody heurystyczne

=

porządkowanie

wypowiedzi i ocen ekspertów z danej dziedziny wiedzy
dotyczącej przyszłości.

grupa ekspertów powinna być:

»

uniwersalna, złożona z osób wszechstronnych,

przedstawicieli różnych dziedzin nauki i praktyki,

»

liczna, by reprezentować różne poglądy,

oraz

»

wybrane osoby powinny niezależnie myśleć oraz mieć

niezależną wizje przyszłości.

METODY HEURYSTYCZNE

metodę indywidualnych
ekspertyz

METODY HEURYSTYCZNE

metodę ekspertyz zespołowych
(równoległych lub kolejnych)

»

metoda delficką,

»

metoda SEER (System for Event Evaluation and

Review),

»

"burza mózgów" (brain storming),

»

"buzz session",

»

synektyka,

»

metoda kolektywnego generowania pomysłów,

»

metoda wpływów krzyżowych (Cross - Impact

Matrics).

KONSTRUKCJA PROGNOZY METODĄ DELFICKĄ

Określenie zadania prognostycznego

Wybór grupy ekspertów

Opracowanie i rozesłanie ankiety

Analiza uzyskanych odpowiedzi

Zgoda

została

osiągnięta?

Rozesłanie kolejnej ankiety

Analiza uzyskanych odpowiedzi

Sformułowanie

prognozy

- Rozstęp międzykwartylowy
(skala przedziałowa)

- Współczynnik dyspersji
względnej klasyfikacji
(skala nominalna)

- Współczynnik dyspersji
względnej klasyfikacji
(skala nominalna)

Metoda delficka - zalety

:

1. Niezależność opinii ekspertów (izolowanie

ekspertów);

2. Anonimowo wypowiadanych sądów (ankietowanie);

3. Wieloetapowo postępowania (zestaw ankiet

przeplatany zbiorczymi opiniami ekspertów);

4. Uzgadnianie i sumowanie opinii osób

kompetentnych.

METODY HEURYSTYCZNE

Metoda delficka - wady

:

1. Zaangażowanie wielu osób do opracowania ankiet i

odpowiedzi uczestników;

2. Długi czas trwania badania;

3. Brak możliwości wymiany poglądów między

uczestnikami;

4. Małe zaangażowanie ekspertów jeżeli nie wprowadzi

się ich w szczegóły zagadnienia;

5. Trudno w zbudowaniu jednoznacznej ankiety dającej

jednoznaczne odpowiedzi;

6. Trudno w doborze właściwych osób do grupy

ekspertów;

7. Wykorzystywanie metody do prognoz

długookresowych (przesunięcie w czasie ich

weryfikacji).

METODY HEURYSTYCZNE

METODA DELFICKA - ocena zgodności opinii

)

(

12

3

2

k

k

n

S

W





2

1

1

 





















k

j

n

i

ij

x

x

S











k

j

ij

n

i

x

k

x

1

1

1

Współczynnik konkordancji:

Parametr S:

Przeciętna ranga

N - liczba ekspertów

k - liczba wariantów

)

1

(

12

2





k

nk

S



Statystyka

Czterech ekspertów poproszono o opinie dotyczące wielkości inflacji
w Polsce w latach 2000– 2005. Przyjęto, że może wystąpić pięć
różnych wariantów inflacji a zadaniem ekspertów jest przypisanie
rang, które oceni kolejno według szans wystąpienia określonej
wielkości inflacji.

METODA DELFICKA - przykład

Konferencje problemowe

:

•

sformułowanie problemu będącego przedmiotem

zainteresowania,

•

dobór ekspertów,

•

przekazanie ekspertom informacji w zakresie

problematyki konferencji,

•

przeprowadzenie konferencji,

•

opracowanie wyników dyskusji.

METODY HEURYSTYCZNE

Zespół twórczy oraz zespół oceniający

specjaliści

a) z różnych dziedzin b) z danej dziedziny

Konferencje problemowe - burza mózgów

- reguły stosowania :

•

Nie ograniczać inwencji dyskutantów (nie ograniczać czasu wypowiedzi,

interweniować i naciskać).

•

Każdy pogląd powinien być poddany analizie.

•

Opóźniać formułowanie ostatecznych wyników akceptowanych przez

większość dyskutantów.

•

Liczba pomysłów jest ważniejsza od ich jakości.

•

Pomysły powinny być rozwijane i wykorzystywane przez uczestników.

•

Zakaz krytyki prezentowanego poglądu przez innych dyskutantów.

•

Krytyczną ocenę prezentowanych poglądów powinno się przeprowadzić

na innym posiedzeniu, często przez inny zespół.

•

Czas posiedzenia powinien się zawierać między 10-60 minutami

.

METODY HEURYSTYCZNE

Prognozowanie otoczenia przedsiębiorstwa

prognozowanie makrootoczenia

prognozowanie mikrootoczenia

prognozowanie zmiennych wewnętrznych

WYBRANE ASPEKTY BADANIA

WYBRANE ASPEKTY BADANIA

KONIUNKTURY

KONIUNKTURY

test koniunktury

test koniunktury

WYBRANE ASPEKTY BADANIA

WYBRANE ASPEKTY BADANIA

KONIUNKTURY

KONIUNKTURY

test koniunktury

test koniunktury

Podstawowy cel:

•Określenie aktualnego stanu aktywności gospodarczej

w

porównaniu z okresem poprzednim

•Wyznaczenie prawdopodobnego kierunku zmian

w następnym

okresie

.

TEST KONIUNKTURY - badanie intencji

Zawartość ankiety przewiduje:

•Pytania diagnostyczne;
•Pytania prognostyczne;
•Pytania specjalne;

oraz

warianty odpowiedzi

wyróżniające:

•stan normalny (typowy, najczęściej spotykany w danym

obiekcie)
•stan polepszenia w stosunku do okresu poprzedniego
•stan pogorszenia w stosunku do okresu poprzedniego.

PROGNOZY NA RYNKU BANKOWOŚCI

- diagnoza działalności gospodarczej w czasie rzeczywistym

- informacja z „pierwszej ręki”

- artykułowanie oczekiwań podmiotów gospodarczych

- regularność i częstość prowadzonych badań

- przedstawienie procesów gospodarczych w aspekcie ex post oraz
ex ante

- jednoczesna obserwacja wielu zmiennych

- opis procesów makroekonomicznych informacją o skali mikro.

TEST KONIUNKTURY

Dlaczego warto stosować test koniunktury?

WYBRANE ASPEKTY BADANIA

WYBRANE ASPEKTY BADANIA

KONIUNKTURY

KONIUNKTURY

barometr koniunktury

barometr koniunktury

WYBRANE ASPEKTY BADANIA

WYBRANE ASPEKTY BADANIA

KONIUNKTURY

KONIUNKTURY

barometr koniunktury

barometr koniunktury

.... pomocne w ocenie bieżącej sytuacji oraz

krótkookresowych prognozach, w tym prognozach

ostrzegających przed spowolnieniem wzrostu gospodarczego

lub niekorzystną sytuacją gospodarczą

Odpowiednio dobrane zestawy wskaźników

oraz wyprowadzane z nich wskaźniki zbiorcze

...

BAROMETR KONIUNKTURY

BAROMETR KONIUNKTURY



OCENY aktualnego stanu rynku

Wskaźnik referencyjny pozwala ocenić aktualny stan
gospodarki na bieżąco w ujęciu miesięcznym nie czekając na

dane sprawozdawcze podsumowujące rok lub kwartał.



oraz PERSPEKTYW rozwoju rynku

Wskaźnik wyprzedzający informuje o przyszłych tendencjach w
myśl zasady. „Kto wie lepiej i wcześniej niż inni ten wygrywa,

korzysta z boomu, przygotowuje się na kryzys”.



przewidywanie PUNKTÓW ZWROTNYCH

W jakiej fazie cyklu znajduje się obecnie rynek? Czy grozi mu recesja albo
przegrzanie?

ANALOGIE HISTORYCZNE -

barometr koniunktury

Wyprzedza

jące

Referenc

yjne

Opóźnio

ne

Wyprzedzają

cy

Referencyj

ny

Opóźnion
y

ANALOGIE HISTORYCZNE -

trzy grupy wskaźników

S01/89

S09/79

Źródło: Obliczenia własne na podstawie danych

GUS.

S07/98

S08/78

S04/88

S01/95

S07/97

S02/96

BAROMETR KONIUNKTURY - ROLNICTWO

WYBRANE ASPEKTY PROGNOZOWANIA

WYBRANE ASPEKTY PROGNOZOWANIA

poziomu życia

poziomu życia

WYBRANE ASPEKTY PROGNOZOWANIA

WYBRANE ASPEKTY PROGNOZOWANIA

poziomu życia

poziomu życia

Prognozowanie poziomu życia



Poziom życia – stopień zaspokojenia potrzeb ludzkich

(materialnych, niematerialnych)



Określenie grup potrzeb oraz zmiennych (wskaźników) mierzących

stopień zaspokojenia potrzeb w obrębie poszczególnych grup



Przykładowe grupy potrzeb: wyżywienie, mieszkanie, ochrona

zdrowia, oświata i wykształcenie, kultura, zagospodarowanie
materialne, usługi dla ludności, bezpieczeństwo fizyczne i psychiczne,
samorealizacja, harmonia z przyrodą

UWAGA! Zbiór wskaźników dla pełnej oceny poziomu życia musi być kompletny

(opis wszystkich uznanych za istotne i ważne aspektów badanego zjawiska)



Ze względu na złożoność zjawiska, jakim jest poziom życia, do jego
opisu wykorzystuje się zmienne syntetyczne powstałe z agregacji
zmiennych cząstkowych, oparte na określonym wzorcu



Trzeba dokonać wyboru wzorca (kraj, grupa krajów o wyższym
poziomie życia, lub obiekt szerszy geograficznie zawierający
badany obiekt)



Za wartości wzorca wybrać można np. wartości średnie określające
poziom życia w obiekcie wzorcowym



Koncepcja wyboru wzorca w oparciu o obiekt szerszy geograficznie
pozwala na wychwycenie zróżnicowania poszczególnych regionów
kraju pod względem poziomu życia.



Prognozowanie polega na wyznaczeniu przyszłych wartości
wszystkich obserwowanych wskaźników (zarówno w obiekcie
badanym jak i wzorcowym) i wyznaczeniu na ich podstawie
przyszłej wartości syntetycznego miernika np. zaspokojenia
potrzeb. Na podstawie miernika wnioskuje się o przyszłych
zmianach np. w poziomie życia

Syntetyczny miernik :













2

1

1

0

2

1

0

1

1

1

m

i

iT

iT

m

i

iT

iT

T

x

x

m

x

x

m

z

Gdzie:

m

1

– liczba wskaźników – stymulant

m

2

– liczba wskaźników – destymulant

x

iT

– wartość prognostyczna i-tego wskaźnika w obiekcie

badanym

x

0

iT

– wartość prognostyczna i-tego wskaźnika w obiekcie

wzorcowym

z

T

– prognoza stopnia zaspokojenia potrzeb ludności w

obiekcie

badanym w stosunku do wzorcowego

Przykład 1. Prognoza poziomu życia w woj. pomorskim na tle

Polski na rok 2005

Wybrano następujące grupy potrzeb:



Samorealizacja (wskaźnik zatrudnienia w %) (1)



Mieszkanie (zasoby mieszkaniowe/1000

mieszkańców) (2)



Ochrona zdrowia (l.lekarzy/1000 mieszkańców)

(3)



Zagospodarowanie materialne

(l.zarejestrowanych samochodów

osobowych/1000 mieszkańców) (4)



Usługi dla ludności (liczba miejsc noclegowych

na 1000 mieszkańców) (5)

Tabela 3. Kształtowanie się mierników syntetycznych w
latach 1999-2006, zbudowanych na podstawie
wybranych wskaźników

Rok

1999

2000

2001

2002

2003

2004

2005

Miernik syntetyczny

0,998

0,995

1,068

1,142

1,101

1,081

1,086

Interpretacja: w pierwszych latach zanalizowanego okresu
zaspokojenie potrzeb mieszkańców województwa XXX było
gorsze niż średnio w Polsce. Poprawa nastąpiła w roku 2001 i
od tego okresu poziom życia w tym województwie był lepszy
w stosunku do wzorca chociaż różnice między badanymi
obiektami malały.