1
1
Analiza
Analiza
zjawisk rynkowych
zjawisk rynkowych
2
2
Program wykładu
Program wykładu
- szeregi czasowe
- szeregi czasowe
- metody analizy szeregów czasowych
- metody analizy szeregów czasowych
- postacie funkcji trendu
- postacie funkcji trendu
- prognozowanie
- prognozowanie
- wykorzystanie arkusza Excel
- wykorzystanie arkusza Excel
3
3
Analiza przebiegu zjawisk w czasie polega
Analiza przebiegu zjawisk w czasie polega
na wyodrębnieniu składników oddziałujących
na wyodrębnieniu składników oddziałujących
na nie i stworzeniu na tej podstawie modelu
na nie i stworzeniu na tej podstawie modelu
matematycznego
matematycznego
Składowe szeregu czasowego:
- tendencje rozwojowe (trend)
- wahania okresowe (periodyczne, regularne)
- wahania nieregularne
Metody analizy szeregów czasowych to metody
ilościowe (obiektywne)
4
4
Tendencja rozwojowa
Tendencja rozwojowa (trend):
to istotne, trwałe zmiany rozmiarów badanego
zjawiska, będące wynikiem oddziaływania
określonego zespołu przyczyn głównych.
• rosnący
• malejący
• stały lub średni (pozostaje na takim samym
poziomie)
5
5
6
6
Wahania okresowe
Wahania okresowe
odzwierciedlają pewien cykl zmian, które mają mniej
więcej takie same rozmiary i powtarzają się co
pewien okres.
Wahania periodyczne w skali
• dnia
• tygodnia
• dekady
• miesiąca
• kwartału
• sezonu
• roku
7
7
Wahania nieregularne
Wahania nieregularne
odnoszące się do siły, kierunku i częstości
występowania zjawisk.
- przypadkowe (czysto losowe)
- wahania incydentalne (katastroficzne)
Wahania okresowe
Wahania okresowe uwzględniając długości
cyklu
• wahania krótkookresowe (
dni, tygodnie, miesiące)
• wahania sezonowe (
roczny okres wahań, przyczyny
naturalne)
• wahania koniunkturalne (
tzw. cykliczne, > 1 roku)
8
8
Modele opisujące przebieg zjawisk
rynkowych
Model addytywny
Model
multiplikatywny
t
s
c
t
f
y
t
s
c
const
y
t
s
c
const
y
t
s
c
t
f
y
f (t) – funkcja trendu
const – stały (średni) poziom
zjawiska
c – wahania cykliczne
s – wahania sezonowe
- składnik losowy
Wahania o stałej
amplitudzie
Wahania o zmiennej
amplitudzie, ale w
przybliżeniu o stałym
stosunku
9
9
Ważne!
Charakterystyczną cechą metod analizy szeregów czasowych jest
wykorzystywanie tylko jednej zmiennej -
czasu
.
Należy pamiętać, iż nie jest on bezpośrednią przyczyną zmian, a
jedynie odzwierciedla wpływ czynników na rozwój zjawiska.
Metody wyodrębniania trendów
Ważne!
Istotne jest, że koszty opracowania analiz opartych na modelu
szeregów czasowych mogą być niewspółmiernie niższe w
porównaniu z kosztami zdobycia wiedzy o przyczynach
wystąpienia zjawiska?
Cel analizy
Określenie tego, co się zdarzy, a nie wyjaśnienie, dlaczego to się
zdarzy.
10
10
- metoda średnich ruchomych
- metoda graficzna
- metoda najmniejszych kwadratów
Wygładzanie szeregów czasowych
Rok
Pługi eksport
3-letnie
śr. ruchome
5-letnie
śr. ruchome
2001
347
-
-
2002
560
563,7
-
2003
784
797,3
815,2
2004
1048
1056,3
1081,8
2005
1337
1355,0
1347,8
2006
1680
1635,7
-
2007
1890
-
-
3
3
2
1
2
y
y
y
y
5
5
4
3
2
1
2
y
y
y
y
y
y
Excel
Excel !!!
11
11
Produkcja maszyn dla rolnictwa w
Produkcja maszyn dla rolnictwa w
tys. szt.
tys. szt.
rok
ciągniki
pługi
siewni
ki
kosiark
i
stan
ciągników
1980
57,5
30,0
13,4
11,0
619
1990
35,4
31,1
13
24,2
1185
1995
21,5
19,0
6,4
12,3
1319
2000
7,2
5,3
2,2
6,2
1307
2001
5,7
5,7
1,6
6,2
1309
2002
5,1
6,8
1,7
5,4
1365
2003
5,8
7,7
1,8
5,4
1371
2004
8,3
6,1
2,3
5,1
1365
2005
6,0
5,2
2,0
5,5
1437
2006
6,7
6,7
2,9
5,8
2007
7,4
7,0
2,7
5,9
1553
2008
6,5
4,9
3,8
4,4
1566
2009
3,7
12
12
Produkcja ciągników w latach 2000-2009 –
Produkcja ciągników w latach 2000-2009 –
trend wyznaczony metodą średnich
trend wyznaczony metodą średnich
ruchomych
ruchomych
rok
ciągnik
i
3-
letni
e
śred.
5-
letni
e
śred
.
200
0
7,2
200
1
5,7
200
2
5,1
6,0
200
3
5,8
5,5
200
4
8,3
6,4
6,4
200
5
6,0
6,7
6,2
200
6
6,7
7,0
6,4
200
7
7,4
6,7
6,8
200
8
6,5
6,9
7,0
200
9
3,7
5,9
6,1
13
13
Założenie :
-
trend jest funkcją liniową
Metoda najmniejszych kwadratów
pozwala na minimalizację sumy różnic kwadratów
odchyleń wartości teoretycznych od wartości
empirycznych (rzeczywistych), co gwarantuje najlepsze
dopasowanie funkcji do badanego szeregu, czyli dla
t
b
a
y
N
t
b
y
a
2
2
t
t
N
t
y
yt
N
b
Excel
Excel !!!
t
b
a
y
2
min
a
t
b
y
minimalizuje się wyrażenie
14
14
Dobór modelu funkcji
Metoda empiryczna
1. Przedstawienie szeregu czasowego w układzie współrzędnym
2. Analiza otrzymanego wykresu
3. Formułowanie hipotezy dotyczącej kierunku i natężenia rozwoju
zjawiska
Uwaga !
Jeśli więcej niż jedna funkcja prawidłowo, tzn. dokładnie (wsp.
zbieżności), opisuje kształtowanie się tendencji rozwojowych,
wtedy zwykle wybiera się
najprostszą postać funkcji.
15
15
Metoda analityczna
1. Wyboru funkcji dokonuje się na podstawie przesłanek
teoretycznych
2. Wybór zależy od charakteru zjawiska, rodzaju i etapu cyklu życia
dobra,
3. Analiza przyrostu badanej zmiennej w odniesieniu do czasowej
zmiennej
Funkcja liniowa
-
jednakowym przyrostom czasu odpowiadają
równe przyrosty zmiennej zależnej
Funkcja wykładnicza
-
jednakowym przyrostom czasu
odpowiadają
stałe względne przyrosty zmiennej zależnej
Funkcja potęgowa
-
względne przyrosty zmiennej zależnej są
wprost proporcjonalne do względnych
przyrostów zmiennej czasowej
Funkcja logarytmiczna
-
przyrosty zmiennej zależnej są wprost
proporcjonalne do względnych przyrostów
czasu
1
1
t
t
c
y
y
t
t
1
1
t
t
c
y
y
t
t
t
t
c
y
y
t
t
1
t
t
c
y
t
16
16
Zalety wybranych funkcji
Funkcja krzywoliniowa – wykładnicza
y = ab
t
,
lub
y = ae
bt
możliwość i łatwość obliczenia średniego rocznego tempa
rozwoju zjawiska w czasie. Taka informacja jest przydatna przy
porównywaniu rozwoju wielu różnorodnych zjawisk
gospodarczych
I
p
= b
100 - 100
I
p
– przeciętne tempo wzrostu lub spadku zjawiska
- Jeśli I
p
> 0, to tempo wzrostu jest dodatnie,
- Jeśli I
p
< 0, to tempo wzrostu jest ujemne (średnie tempo
spadku),
Excel !!!
b
t
a
y
ab
y
t
log
log
log
Parametry funkcji wykładniczej szacuje się metodą
najmniejszych kwadratów – postać liniowa -
logarytmowanie:
17
17
Zalety wybranych funkcji
Funkcja krzywoliniowa – potęgowa →
y = at
b
- wartość bezwzględna parametru
b
mówi o sile elastyczności
badanego zjawiska względem czasu (przyrost
t
o 1% powoduje
wzrost zjawiska
y
o
b%
)
- znak przy parametrze
b
informuje, czy jest to zależność wprost
proporcjonalna
(b>0)
czy odwrotnie proporcjonalna
(b<0)
Funkcja krzywoliniowa – paraboliczna →
y = a +
bt + ct
2
t
b
a
y
at
y
b
log
log
log
Parametry funkcji potęgowej szacuje się metodą
najmniejszych kwadratów – postać liniowa -
logarytmowanie:
18
18
Produkcja ciągników w latach 2000-2009 –
Produkcja ciągników w latach 2000-2009 –
trend wyznaczony za pomocą różnych modeli
trend wyznaczony za pomocą różnych modeli
rok
t
ciągni
ki
198
0
1
57,5
199
0 11
35,4
199
5 16
21,5
200
0 21
7,2
200
1 22
5,7
200
2 23
5,1
200
3 24
5,8
200
4 25
8,3
200
5 26
6,0
200
6 27
6,7
200
7 28
7,4
200
8 29
6,5
200
9 30
3,7
19
19
Przykład 1
Badamy popyt na dobro nowo wprowadzane na rynek,
które dopiero znajduje się w fazie rozpowszechniania.
Zastosujemy jedną z funkcji:
- wykładniczą
- potęgową
- kwadratową
t
ab
y
b
at
y
2
ct
bt
a
y
Wskazówki doboru typu funkcji
Wstęp - graficzna analiza układu danych
empirycznych
20
20
Przykład 2
Jeśli wzrost analizowanego zjawiska przebiega coraz
wolniej i dąży do stałego poziomu, czyli mamy
względne nasycenie rynku, wzrost popytu jest coraz
wolniejszy (produkty już istniejące na rynku są
wypierane przez lepsze, konkurencyjne artykuły)
Zastosujemy jedną z funkcji:
- logarytmiczną
- potęgową (przy 0 < b < 1)
- kwadratową
- wymierną
- hiperboliczną
b
at
y
2
ct
bt
a
y
b
t
at
y
t
b
a
y
t
b
a
y
ln
Lub inne funkcje, które:
0
,
0
2
2
dt
y
d
dt
dy
21
21
Przykład 3
Zjawiska rynkowe, które charakteryzuje tendencja
spadkowa należy podzielić na dwie grupy. Grupa I -
maleje w tempie przyspieszonym, Grupa II - spadek jest
coraz wolniejszy.
2
ct
bt
a
y
b
at
y
Paraboliczne
Potęgowe
Logarytmiczne
t
b
a
y
ln
22
22
Funkcja logistyczna
→
przebieg zjawisk w dłuższym okresie, analiza całego cyklu
rozwojowego np. krzywą życia produktu. Przebieg logistyczny
charakteryzuje wiele zjawisk przyrodniczych i ekonomicznych,
tych ograniczonych do pewnej przestrzeni.
Tak można opisać zjawiska dotyczące popytu na dobra trwałego
użytku, rozpowszechniania się innowacji oraz naśladownictwa.
at
be
k
y
1
Zaleta funkcji
- interpretacja parametru
k
, w którym momencie
badane zjawisko zmienia tempo wzrostu z rosnącego na
malejące - na wykresie jest to punkt przegięcia o współrzędnych
Szacowanie parametrów funkcji jest skomplikowane (metoda
Hotellinga) i polega na podwójnym stosowaniu metody
najmniejszych kwadratów.
k
b
a
2
1
,
ln
1
oraz jaki jest jego poziom nasycenia – asymptota pozioma
y = k
Szacowanie parametrów funkcji logistycznej metoda Hotellinga
Szacowanie parametrów funkcji logistycznej metoda Hotellinga
Różniczkowanie i pomnożenie przez
Różniczkowanie i pomnożenie przez
1/
1/
y
y
23
23
at
be
k
y
1
y
k
a
a
y
y
Podstawienia
Podstawienia
y
y
R
k
a
q
a
p
qy
p
R
Stosując metodę najmniejszych kwadratów – układ równań
Stosując metodę najmniejszych kwadratów – układ równań
N
y
q
R
p
2
2
y
y
N
y
R
y
N
q
Znając parametry
Znając parametry
p
p
i
i
q
q
, oblicza się parametry
, oblicza się parametry
k
k
i
i
a
a
p
a
q
a
k
Parametr
Parametr
b
b
szacuje się przez ponowne zastosowanie metody najmniejszych
szacuje się przez ponowne zastosowanie metody najmniejszych
kwadratów. Bierze się pod uwagę 4 wartości
kwadratów. Bierze się pod uwagę 4 wartości
t
t
, dla których
, dla których
y
y
jest bliskie
jest bliskie
1/2
1/2
k
k
n
t
a
y
k
b
1
ln
ln
b
e
b
ln
Przykład
Przykład
: wyposażenie gospodarstw rolników (na 100) w
: wyposażenie gospodarstw rolników (na 100) w
regionie północno-wschodnim w sam. osobowe w latach 1994-
regionie północno-wschodnim w sam. osobowe w latach 1994-
2002
2002
Lata
t
y
∆y
R
y
2
1994
1 37,4 4,5 0,12
0
1398,76
1995
2 41,9 0,8 0,01
9
1755,61
1996
3 42,7 8,1 0,19
0
1823,29
1997
4 50,8 5,7 0,11
2
2580,64
1998
5 56,5 2,2 0,03
9
3192,25
1999
6 58,7 1,9 0,03
2
3445,69
2000
7 60,6 4,7 0,07
8
3672,36
2001
8 65,3 2,5 0,03
8
4264,09
2002
9
a
67,8
-
-
-
Ogółe
m
413,
9
30,
4
0,62
8
22132,6
9
24
24
a
Dane z tego okresu służą wyłącznie do obl. ∆y dla poprzedniego okresu.
Informacji pochodzących z ostatniego okresu nie uwzględnia się przy określaniu liczby
analizowanych okresów (N) oraz przy sumowaniu (∑y)
003
,
0
9
,
413
69
,
22132
8
9
,
413
628
,
0
4
,
30
8
2
2
2
y
y
N
y
R
y
N
q
234
,
0
8
9
,
413
003
,
0
628
,
0
N
y
q
R
p
234
,
0
p
a
78
003
,
0
234
,
0
q
a
k
Lata
t
y
k/y ln(k/y-1)
1994
1 37,4 2,09 0,082
1995
2 41,9 1,89 -0,149
1996
3 42,7 1,83 -0,190
1997
4 50,8 1,54 -0,625
Ogółe
m
10 172,
8
-
-0,882
Parametr b, 4 wartości t,
dla których y = 1/2k,
czyli y = ½*78=39
365
,
0
4
10
234
,
0
882
,
0
1
ln
ln
n
t
a
y
k
b
441
,
1
365
,
0
ln
e
e
b
b
t
e
y
234
,
0
441
,
1
1
78
ˆ
Funkcja
logistyczna
Nasycenie
k
= 78
sam. na 100 gosp.
Punkt przegięcia
y
= ½*78 = 39
Dalej będzie przyrost
zmniejszający się
Wyposażenie gospodarstw rolników (na 100) w
Wyposażenie gospodarstw rolników (na 100) w
regionie północno-wschodnim w sam. osobowe w
regionie północno-wschodnim w sam. osobowe w
latach 1994-2002
latach 1994-2002
25
25
Przykład
Przykład
: stan ciągników w latach 2000-2010
: stan ciągników w latach 2000-2010
26
26
05
865
,
3
14346
20682064
10
14346
199
,
0
282
10
2
2
2
E
y
y
N
y
R
y
N
q
Δ
075
,
0
10
14346
05
865
,
3
1993
,
0
E
N
y
q
R
p
075
,
0
p
a
1940
05
865
,
3
075
,
0
E
q
a
k
Lata
t
y
k/y ln(k/y-1)
2000
1
1307
1,48 -0,725
2001
2
1309
1,48 -0,730
2002
3
1365
1,42 -0,864
2003
4
1371
1,41 -0,879
Ogółe
m
10 5352 -
-3,199
Parametr b, 4 wartości t,
dla których y = 1/2k,
czyli y = ½*1940=970
612
,
0
4
10
075
,
0
199
,
3
1
ln
ln
n
t
a
y
k
b
542
,
0
612
,
0
ln
e
e
b
b
t
e
y
075
,
0
542
,
0
1
1940
Funkcja logistyczna
Nasycenie
k
= 1940
stan ciągników
Punkt przegięcia
y
= ½*1940 = 970
Dalej będzie przyrost zmniejszający się
rok
t
y
Δy R
y^2
2000
1
1307 2
0,0015 1708249
2001
2
1309 56 0,0428 1713481
2002
3
1365 6
0,0044 1863225
2003
4
1371 -6
-
0,0044 1879641
2004
5
1365 72 0,0527 1863225
2005
6
1437 58 0,0404 2064969
2006
7
1495 58 0,0388 2235025
2007
8
1553 13 0,0084 2411809
2008
9
1566 12 0,0077 2452356
2009 10 1578 11 0,0070 2490084
2010
1589
ogółem
1434
6 282 0,1993
2068206
4
Przykład
Przykład
: stan ciągników w latach 2000-2010
: stan ciągników w latach 2000-2010
27
27
t
at
e
be
k
y
075
,
0
678
,
0
1
2080
1
rok
t
yH
Ei^2
yH^
różnica (yH^-
yH)^2
błąd względny, %
2000
1
1307 895,5794
1277
900
-2,3
2001
2
1309 20,48987
1314
25
0,38
2002
3
1365 247,3472
1349
256
-1,17
2003
4
1371 175,1983
1384
169
0,95
2004
5
1365 2846,085
1418
2809
3,88
2005
6
1437 211,6899
1452
225
1,04
2006
7
1495 125,7451
1484
121
-0,74
2007
8
1553 1442,865
1515
1444
-2,45
2008
9
1566 432,6767
1545
441
-1,34
2009
10 1578 13,61007
1574
16
-0,25
2010
11 1589 177,6787
1602
169
0,82
punkty
starto
we
k=
2080,622
1940
a=
0,07457
0,07
b=
0,677925
0,5
Suma= 6588,965 min
t
at
e
be
k
y
075
,
0
542
,
0
1
1940
1
metoda Hotellinga
metoda Hotellinga
solver
Stan ciągników w latach 2000-2010 – aproksymacja
Stan ciągników w latach 2000-2010 – aproksymacja
porównawcza
porównawcza
t
e
y
075
,
0
678
,
0
1
2080
t
H
e
y
075
,
0
542
,
0
1
1940
metoda Hotellinga
metoda Hotellinga
solver
k=1940
k=2080
29
29
Trend (funkcja) segmentowa
stosuje się, jeśli trudno określić prawa rozwojowe
charakteryzujące zjawisko w całym przedziale czasowym
Rozwój zjawiska przebiega segmentowo, obrazem jest funkcja
wyznaczana sekwencyjne, za pomocą odcinków linii prostej
pomiędzy punktami zwrotnymi.
1 - zmiana prędkości
V
2 - zmiana kierunku
k
3 – uskok const
V i k
4 – uskok i zmiana
V i k
30
30
Dopasowanie trendu
• współczynnik zbieżności (zgodności)
pozwala ocenić, jaki procent wartości rzeczywistych
(y)
nie został
wyjaśniony przez przyjętą funkcję
2
2
2
ˆ
y
y
y
y
Przy
2
0
- zgodność danych empirycznych
do teoretycznych jest idealna
Przy
2
1
- brak zgodność danych
empirycznych
z teoretycznymi
31
31
•współczynnik determinacji
to różnica między jednością a wartością współczynnika
zbieżności.
2
2
2
2
ˆ
1
1
y
y
y
y
R
Współczynnik informuje, jaki procent wartości rzeczywistych
(y)
został wyjaśniony przez przyjęty model trendu
Przy
R
2
0
- wybrana funkcja trendu jest gorzej
dopasowana do wartości
empirycznych
Przy
R
2
1
- wybrana funkcja trendu dobrze
opisuje wartości empiryczne
Excel !!!
32
32
•standardowy błąd szacunkowy
ocena dopasowania funkcji trendu jest przedstawiana nie
procentowo, ale w wartościach bezwzględnych, czyli
informuje o ile dane teoretyczne różnią się od wartości
rzeczywistych.
n
- liczba obserwacji
k
- liczba szacowanych
parametrów
k
n
y
y
S
2
ˆ
33
33
Prognozowanie
wnioskowanie o zdarzeniach nieznanych na podstawie zdarzeń
znanych
Prognozowanie powinno być
-
racjonalne
(logiczny proces wnioskowania)
-
naukowe
(sąd o zajściach uzyskany w wyniku reguł i metod
naukowych)
Prognozowanie w oparciu o techniki ekstrapolacyjne.
- przyjmujemy założenie, że nastąpi ilościowe „przedłużenie”
tendencji na pewien okres w przyszłości, zakładając że dane o
rozwoju zjawiska w przeszłości są wiarygodne a warunki jego
kształtowania się będą podobne w przyszłości.
34
34
Prognozowanie zjawisk rynkowych
-
model średniej ruchomej
- prostej
- ważonej
Ważne !
Aby prawidłowo wnioskować o przyszłości, należy zebrać
Aby prawidłowo wnioskować o przyszłości, należy zebrać
dane
dane
z przynajmniej 10 okresów.
z przynajmniej 10 okresów.
-
funkcji
trendu
(Mynarski)
1
*
1
t
k
t
i
i
t
y
k
y
1
1
1
*
1
t
k
t
i
k
i
i
t
w
y
k
y
prognoza poziomu zjawiska wyznaczona w czasie t
y
i
– poziom zjawiska w okresie t,
k – stała wygładzania
*
t
y
n
k
k
t
t
y
n
n
k
n
y
1
*
1
1
6
4
n – liczba obserwacji
Prognozowanie na podstawie funkcji
trendu
2
1
*
2
t
t
t
y
y
y
Przyjmując n = 2, 3, …, 7
3
2
1
*
3
2
3
1
3
4
t
t
t
t
y
y
y
y
4
2
1
*
2
1
2
1
t
t
t
t
y
y
y
y
5
4
3
2
1
*
5
2
10
1
5
1
2
1
5
4
t
t
t
t
t
t
y
y
y
y
y
y
6
5
4
3
2
1
*
3
1
15
2
15
1
15
4
15
7
6
4
t
t
t
t
t
t
t
y
y
y
y
y
y
y
7
6
4
3
2
1
*
7
2
7
1
7
1
7
2
7
3
7
4
t
t
t
t
t
t
t
y
y
y
y
y
y
y
Z rozwinięcia wynikają następujące relacje:
• Wpływ zaobserwowanych wartości w
poszczególnych okresach na wartość
prognozowaną jest tym większy, im mniejsza
jest liczba obserwacji.
• Największy dodatni
wpływ na wartość
prognozowaną mają
wartości pochodzące z
okresów bezpośrednio
poprzedzających okres
prognozowany; później
wpływ ten stopniowo
słabnie, a następnie – w
przypadku najstarszych
obserwacji – zaczyna
oddziaływać ujemnie.
36
36
Etapy prognozowanie zjawisk rynkowych
- analiza tendencji otoczenia makroekonomicznego
- prognozowanie kierunku i natężenia zmian w nim zachodzących
- pokazanie trendów dla gałęzi przemysłu
- prognoza dla możliwych kierunków rozwoju w ujęciu globalnym
- prognozy dla grup asortymentów
- określenie perspektywy rozwoju dla określonego produktu
(uwzględniamy: podaż, popyt, import, eksport)
- sporządzamy prognozę dla firmy
(uwzględniamy: wielkość produkcji, sprzedaż, poziom kosztów)
Excel – przykład siewniki!!!
Charakterystyka metody ekstrapolacji
Charakterystyka metody ekstrapolacji
trendu
trendu
Analizowane wymiary
Analizowane wymiary
37
37
Charakterystyka metody
Charakterystyka metody
Czas
Czas
Horyzont czasowy prognozy
Horyzont czasowy prognozy
raczej krótko- i średnioterminowe
raczej krótko- i średnioterminowe
prognozy; istnieje możliwość
prognozy; istnieje możliwość
prognozowania długoterminowego
prognozowania długoterminowego
Pilność (czy prognoza będzie
Pilność (czy prognoza będzie
potrzebna natychmiast?)
potrzebna natychmiast?)
można szybko uzyskać wyniki, gdy
można szybko uzyskać wyniki, gdy
zebrano niezbędne dane
zebrano niezbędne dane
Częstotliwość (czy będzie
Częstotliwość (czy będzie
potrzebna i możliwa częsta
potrzebna i możliwa częsta
aktualizacja prognoz?)
aktualizacja prognoz?)
prognozy mogą być w łatwy sposób
prognozy mogą być w łatwy sposób
systematycznie aktualizowane
systematycznie aktualizowane
Zasoby
Zasoby
Umiejętność posługiwania
Umiejętność posługiwania
się metodami statystycznymi
się metodami statystycznymi
wymagany jest podstawowy poziom
wymagany jest podstawowy poziom
wiedzy z zakresu statystyki
wiedzy z zakresu statystyki
Sprzęt i oprogramowanie
Sprzęt i oprogramowanie
komputerowe
komputerowe
jest konieczne (znacznie przyśpiesza
jest konieczne (znacznie przyśpiesza
opracowanie prognozy)
opracowanie prognozy)
Zasoby finansowe
Zasoby finansowe
jeśli niezbędne dane są łatwo dostępne, to
jeśli niezbędne dane są łatwo dostępne, to
koszt opracowania prognozy jest
koszt opracowania prognozy jest
minimalny
minimalny
Charakterystyka metody ekstrapolacji
Charakterystyka metody ekstrapolacji
trendu
trendu
Analizowane wymiary
Analizowane wymiary
38
38
Charakterystyka metody
Charakterystyka metody
Dane wejściowe
Dane wejściowe
Dane o przeszłości
Dane o przeszłości
logicznie powiązane z zadaniem
logicznie powiązane z zadaniem
prognostycznym
prognostycznym
Zmienność (czy występują istotne
Zmienność (czy występują istotne
wahania?)
wahania?)
duże wahania zmniejszają dokładność
duże wahania zmniejszają dokładność
prognozy
prognozy
Stabilność (czy nastąpią istotne
Stabilność (czy nastąpią istotne
zmiany we wzajemnych
zmiany we wzajemnych
powiązaniach między zmiennymi?)
powiązaniach między zmiennymi?)
nie można przewidzieć takich zmian;
nie można przewidzieć takich zmian;
jedyną zmienną reprezentującą wpływ
jedyną zmienną reprezentującą wpływ
wszystkich czynników jest czas
wszystkich czynników jest czas
Wyniki
Wyniki
Dokładność
Dokładność
możne być mierzona za pomocą
możne być mierzona za pomocą
odpowiednich wskaźników
odpowiednich wskaźników
Zdolność wykrywania zmian
Zdolność wykrywania zmian
kierunkowych
kierunkowych
brak (nie można określić tzw. punktów
brak (nie można określić tzw. punktów
zwrotnych)
zwrotnych)
Forma prezentacji
Forma prezentacji
Prognozy ilościowe
Prognozy ilościowe
Stałość (czy można przewidzieć
Stałość (czy można przewidzieć
znaczące zmiany w otoczeniu?)
znaczące zmiany w otoczeniu?)
prognozy nie przewidują takich zmian;
prognozy nie przewidują takich zmian;
przyjmuje się pewną konsekwencję w
przyjmuje się pewną konsekwencję w
rozwojowi zjawiska
rozwojowi zjawiska