Prof.

dr STEV AN HAD2IVUKOVIC

STATISTIKA
Trece, izmenjeno i dopWljeno izdanje

Privredni pregled -- Beograd

1989.

3. INDEKSNI

BROJEVI I ANALIZA VREMENSKIH SERIJA

1

[ndeksi sa stalnom bazom i lancani indeksi na osnovu podataka 0 proizvodnji rude

bakra u Jugoslaviji od 1980-1987.
godine
Tabela 3.1.
eu hiljadama tona)

Godina

1980
1981
1982
1983
1984
1985
1986
1987

Proizvodnja
rude bakra

Indeks
Baza 1980= 100

Lancani
indeksi

19.559
18.337
19.733
23.443
25.2'79
26.166
27.864
27.745

100,0
93,7
100,9
119,9
129,2
133,8
142,5
141,9

93,7
107,6
118,8
107,8
103,5
106,5
99,6

Izvor: Statisticki godinjak Jugoslavije, SZS, str. 267 i 270.

3.1. INDEKSNI BROJEVI

3.2. GRUPNI

U prouCavanju promena u vremenu indeksni brojevi imaju veliku primenu

U principu indeksni broj se dobija iz odnosa veliCina jedne pojave u dva razlicita
perioda. U brojitelju je tekuca vrednost a u imenitelju bazna vrednost. Tako, ako
imamo podatke 0 proizvodnji u 1982. i 1983.godini, indeks cemo dobiti iz odnosa
podataka 0 proizvodnji u 1983. sa proizvodnjom u 1982. godini. Indeksni brojevi
se izraZavaju u procentima te je kolienik potrebno pomnoziti sa 100. Ako je cena
nekog artilda iznosila L860 dinara u 1982. godini, a 2.320 dinara u 1983. godini,
indeks je 2.320'

1O0/l.8~0

130,1. To znaCi da se cena toga artiklau

1983. pove-

Cala za 30,1 % u odnosu na 1982. godinu. UopSt:e, indeks ispod 100 znaCi opadanje
obima pojave u odnosu na bazni period, a preko 100 njen porast.
Kod vremenske serije do indeksa mozemo da dodemo uzimanjem za bazu
jednog perioda sa kojim se uporeduju vrednosti svih drugih perioda. To su indeksi
sa stalnom bazom. Kao baza moze da sluzi i vrednost svakog prethodnog perioda.
To su lanlani indeksi. U tabeli 3.1. prikazana je vremenska serija za koju su izraeunati indeksi sa stalnom bazom i 1aneani indeksi. Za osnovu izraeunavanja indeksa
sa stalnom bazom UZetaje 1975. godina, a mogla je &abude i bilo~oja druga godina.
Izbor baze uporedenja je vaZno pitanje jer od nje zavise izraeunati indeksi.
Obieno to treba da bude onaj vremenski period koji se smatra kao "normalan" u
dinamici posmatrane pojave. Vremensko razdoblje u kome je ispoljen nenoqnalno
nizak ili visok obim pojave po pravilu ne bi trebalo uzimati za bazu uporedenja.
Da bi se osigurala normalnost baze uporedenja, ponekad se uzima prosek od nekoliko uzastopnih perioda. Na primer, prosek proizvodnje od 1950--1955. godine i s1.
Indeksi se primenjuju i kod uporedenja iste pojave dva razliCita geografska
podrucja i uopste na podatke geografskih serija. Na primer, cene u dva razliCita
grada mogu da se izraze preko indeksnog broja, gde cena jednog od njih sluzi kao
baza uporedenja.
Ovo su individualni indeksi. Pored toga, kao sinteticki pokazatelji upotrebljavaju se grupni indeksi pomocu kojih se izraZava dinamikaproizvodnje grupe razliCitih proizvoda, njihovih cena, itd.
.
Indeksni brojevi su od velikog znacaja u sagledavanju dinamike, posebno kod
analize razlicitih ekonomskih aktivnosti. U t1i svrhu se izracunavaju razliCiti indeksi,
kao industrijske i poljoprivredne proizvodnje, cena na veliko i malo, indeks vrednosti uvoza, izvoza, produktivnosti rada itd.
48

INDEKSI

Putem grupnih indeksa se preko jedinstvenog pokazatelja za vise proizvoda,

usluga ili cena, koji na izvestan nacin predstavljaju jednu celinu, sagledavaju njihove
promene u vremenu. Grupni indeksi su normalno ponderisani. Kod izraeunavanja
indeksa cena za pondere se uzimaju koliCine proizvoda, dok obratno kod ind{.ksa
fiziCkog obima za pondere sluze cene pojedinih proizvoda. Ako bismo, 11aprimer,
kod indeksa cena kao pondere uzeli koliCine proizvedenih Hi prodatih artikala u
tekucem i baznom periodu ne bismo mogli dobiti pravu predstavu promep.a cena
posmatrane grupe proizvoda, posto bi tako izracunati inde.ks odrazavao i te promene. Zbog toga, da bi se doslo do jednog skupnog pokazatelja koji odraZava promene sarno u cenama, nuzno je da se pode od istih vrednosti pondera, odnosno
kolicina i za bazni i tekuCi period. Tom prilikom se moze postupiti dvojako: da se
za pondere uzmu koliCine baznog perioda ili, pak, koliCine tekuceg perioda. Sastavljanje grupnog indeksa cena sa ponderima baznog perioda vezano je za ime nemackog statisticara Laspejresa. Izracunavanje toga indeksa izrazeno je formulom
I pL = "'2:.PI qo

(3.1)

"'2:.Po qo

gde su PI cene tekuceg perioda, po cene baznog perioda, a qo koliCina baznog perioda. Nesto docnije, drugi nemacki statistiCal', Pase je u izracunavanju indeksa
cena za pondere uzeo kolicine tekuceg perioda (qI). Obrazac toga indeksa glasi
Ipp=

"'2:.PI qI .
"'2:.POqI

(3.2)

Primena Laspejresovog i Paseovog obrasca na iste cene iz dva perioda, dovodi

po pravilu do vece ili manje razlike u rezultatu. Nairne, kod indeksa cena sa ponderima baznog perioda polazi se od jednog konstantnog sastava kolicina uz pretpostavku nepromenjenosti toga sastava i u tekucem periodu. U drugom sluCaju polazi
se od pretpostavke da je nepromenjen sastav koliCina,ali da je to sastav tekuceg
perioda. Ni jedna formula nije idealno resenje jer pretpostavlja nepromenjenu strukturu prometa proizvoda. Kako cene tako i koliCine se menjaju i upravo od promene
strukture koliCina zavisi razlika u primeni jednog ili drugQg obrasca. Sa praktiene
tacke gledista, podesniji je indeks cena izracunat prema Laspejresovoj formuli,
4 Sta tistika - III

49

poto ona ne zahteva stalnu promenu strukture od jednog do drugog perioda. Poto
utvrdivanje pondera obicno nije jednostavno, najveCi broj indeksa cena uzima koliCine baznog perioda. Medutim, treba imati na .umu da se primena nepromenjene
strukture pondera za duZe vreme ne preporucuje, jer se ona takode menja i ako
se 0 tome ne bi vodilo racuna, izracunati indeksi ne bi bili realni.
1;)a bi se otklonile nezgodne strane i jedne i druge formule, neki autori smatraju dii se za pondere treba da uzmu strukture koliCina oba perioda. U tom slucaju
formula glasi
11>1<
=

~PI qO+~PI qi

a sa cenama tekuceg perioda

Illp= ~ qi PI = (2.000.2.690)+ (1.850.2.650)+(1.250.37.150)
~ qOPI (1.000.2.690)+(1.500.2.650)+(2.000.37.150)
= 0,7005, odnosno 70,05.

I1>F=

(3.3)

~PIqO .~PIql .
~ Poqi

(3.4)

V ~ Poqo

Izraeunavanje ponderisanih indeksa izvcleemo na primeru tabele 3.2.

Tabela 3.2.

1t>-- -~ qi PI
~ qoPo

Naziv
artikla
A
B
C

--

56.720.000
64.945.000

Jedinica

'" PI (Po qo)

Cena

mere

1983.
Po

t
t
t

1.990
1.730
30.180

I 1>S= ~Po~

Koliline
1984.
PI
2.690
2.650
37.150

- 0 8733 0d nosno 87,33.

-"

1983.
qo

1984.
qi

1.000
1.500
2.000

2.000
1.850
1.250

""Poqo

(3.8)

'

a srednji indeks fizickog obirna

Ills =
Prema Laspejresovom obrascu indeks cena je

(3.7)

Ovaj indeks zavisi kako od promena u cenama tako i od promena u fizickom obimu.
U praksi se upotrebljavaju i postupci za obracun srednjih indeksa. Do njih .
se dolazi, na osnovu ,Ponderisanja individualnih indeksa sa odgovarajucim vrednostima koje neposredno treba da odraZavaju vrednosnu strukturu proizvodnje i1iprometa, pq-:Ovi ponderi mogu da se utvrde po cetiri osnove (Poqo,PIq!, PIqo i Poql)
i iz njih proizlaze eetiri razliCite formule za izracunavanje srednjeg indeksa. Ako
za ponder uzmemo umnoZak cena i kolicina baznog perioda, tj. pogo,tada je srednji
indeks cena

Dobijanje grupnih indeksa cena i fizickog obima

(3.6)

U praksi se <::estoizracunava i grup'1i indeks vrednosti proizvodnje ili prometa

prema obrascu

~ Po qo + ~ Po qi

Ova formula je u stvari aritmeticka sredina iz indeksa dobijenog po Laspejresovom i Paeovom obrascu. Preporucuje se i primena Fierove tzV. "idealne"
foi:mulepo kojoj se grupni indeks cena izracunava kao geometrijska sredina dva
indeksa

'" qi (qoPo)
Lqo

~ qoPo

(3.9)

Srednji indeks cena po 3.8. se svodi na formulu Laspejresovog grupnog indeksa

cena (3.1), a srednji indeks fizickogobima po 3.9. se svodi na formulu grupnog indeksa fiziCkogobima po obrascu 3.2. U tabeli 3.3,na bazi podataka tabele :3~2.dati
.
su elementi za izracunavanje srednjeg indeksa cena.

I1>L=~P1qO= (2.690.1.000)+(2.650.1.500)+(37.150.2.000)
=
~ Poqo (1.990. 1.000)+ (1.730. 1.500)+ (30.180..~.000)
= 1,2466, odnosno 124,66.
Paeovobrazac daje sledeci indeks
11>;=~ PI qi = (2.690.2.000) + (2.650. 1.850)+ (37.150. 1.250)
l:.PoqI
(1.990.2.000) + (1.730. 1.850)+ (30.180. 1.250)
= 1,2631 odnosno 126,31.
PonderiJanje grupnog indeksa jizickog obima proizvodnje izvodi se po istom
principu kao i grupnog indeksa cena s tom razlikom sto se za pondere ovde uzimaju
cene u baznom Hi tekueem periodu. Sa cenama baznog perioda kao ponderima,
indeks na osnovu podataka tabele 3.2. je
IIlL = ~ ql Po
~ qoPo

(2.000. 1.990)+ (1.850' 1.730)+ (1.250. 30.180)

(1.000.1.990)+(1.500.1.730)+(2.000.30.180)
=0,6914,

50

Izralunavanje srednjeg indeksa una

Tabela 3.3.

odnosno 69,14.

Naziv
artik1a

PI
Po

A
B
C

1,35
1,53
1,23

Ukupno

Poqo

PI
Po qo
Po

1,990.000
2,595.000
60,360.000

2,686.500
3,970.350
74,242.800

64,945.000

80,899.650

(3.5)

Ips =

4*

2: PI (Poqo)
l;o

qo

80,899.650 = 1,2456, odnosno 124,56.

= 64,945.000

51

napitaka je znatno veca u letnjim nego u zimskim mesecima. Da bi se mogle utvrditi

zakonitosti u sezonskim kolebanjima potrebne su serije za vise godina.
Neregularna kolebanja kao sto su suse, poplave, zemljotresi, a u njih spadaju i
tehnoloski i tehnieki pronalasci, ne mogu se predvideti unapred, niti se ispoljavaju
u jednom odredenom pravcu.Pri analizi, neregularna kolebanja su obieno ostatak
varijacija u seriji nakon iskljueenja uticaja sezone, trenda i ciklusa.
Od posebnog znaeaja je analiza stacionarnih vremenskihserija kod kojihnema
sistematskihpromena u srednjoj vrednosti (nema trenda), niti promena u varijabilitetu (ista varijansa). Probabilistieka teorija vremenskih serija ima prvenstveno
u vidu ovu vrstu serija. Zbog toga se analiza eesto uslovljava eliminisanjem uticaja
trenda i sezone iz podataka, a zatim se utvrduje model varijacije sluCajnih kolebanja
(reziduala) putem stacionarnih stohastickih procesa.
ZnaCajni indikatori svojstva neke vremenske serije su prosti koeficijenti autokorelacije ili koeficiienti serijske korelacije. Oni pruZaju meru korelacije izmedu
posmatranih vredno~ti u seriji na razlieitim distancama podataka (prvi, drugi i veci
red). Oni mogu da' pomognu u utvrdivanju probabilistickog modela koji generisu
.
podaci.'

3.3. UZROCI KOLEBANJA VREMENSKIH SERIJA

Analiza vremenske serije moze da se izvede pomoCu jednostavne ili vrio kompleksne tehnike. Prvi korak se norrnalno svodi na graficki prikaz da bi se dobila
gruba predstava 0 kretanju pojav.e i ta predstava u velikoj meri utiee na izbor daljeg
pravca analize. Ide se obien9 na sagledavanje faktora kolebanja serije. Sva ta brojna
kolebanja statistika svrstava !J eetiri kategorije: dugoroenakolebanja ili trend, ciklicna,
sezonska i neregularna kolebanja. OdgovarajuCim metodama statistie!;;e analize izdvajaju se i posmatraju ova kolebanja i tako utvrduje njihov uticaj na kretanje neke
.
vremenske serije.
Trend ili dugoroena kolebanja ispoljavaju se nakon duzih vremenskih razdoblja,
10-15 pa i vise godina. Tako, ako na duzi rok pratimo kretanje prinosa neke poljoprivredne kulture, bez obzira na nejednake godisnje oscilacije koje ta kultura obicno
ispoljava, najeesce ce se uoeiti tendencija porasta. Ispitivanje trenda treba da ukaze
na opstU tendenciju razvitka pojave uz zanemarivanje kolebanja kratkorocnijeg
karaktera. Kako su tendencije razvitka raznovrsne, odgovarajuCi statistieki metod
treba da ih osvetli.
Trend se prouCava iz dva prakticna razloga. Prvo, ispitUje se u cilju ekstrapolacije ili pre,dvidanja buduceg kretanja ,D!:kepoj!!ve. Polazi se 00. utvrdivanja njenog kretanja u proteklom perioau z:!lkdji imamo' podatke. Cilj istrilzivanJa trenda
rnoze da bude sagledavanje pravca razvitka u proteklom periodu ili interpolacija,
81:0je od posebnog znaeaja u raznim komparativnim analizama. Ekstrapolacija se
formalno izvodi uz pretpostavku da ce se pojava ubuduce kretati kao i u proslosti,
pri cemu se dopusta moguCnost da se vodi raeuna 0 nekom momentu za koji se
ocenjuje da ce delovati u buduCnosti, a ranije nije bio prisutan. Svaka ekstrapolacija,
narocito u drustveno-ekonomskim kretanjima, skopeana je sa veCim ili manjim
rizikom~ .JJopste uzevsi, ekstrapolacija je realnija na kraCi nego na duzi rok. Drugo,
trend se prouCava da bi se njegovim odstranjivanjem iz neke vremenske serije mogle
sagledati druge vrste kolebanja, na primer, sezonski uticaji.
Cikliena kretanja su povratna, a ne i striktno periodiena, kolebanja oko trenda
sa neujednacenom duZinom trajanja i karakterisu ekonomska kretanjazerna1ja trZiSne
privrede. Njihovom ispitivanju se posle velike svetske ekonomske krize 1929. godine
u kapitalistiCkim zemljama pridaje veliki maCaj. Cilj je da se predvidi nastUpanje
i intenzitet ciklicnih kolebanja pri cemu su statisticki podaci i metodi obilato korisceni. Nije se pronaSao jedan adekvatan matematieko-statistiCki metod koji bi
na zadovoljavajuci nacin predvideo nastupanje ciklusa, jer oni zavise 00. niza unutrasnjih i spolji1,ihfaktora kojima su podlozne nacionalne ekonomije. KIasiena analiza vremenskih~lserija je dosta neprecizna za sagledavanje cikliCnih kretanja. Ta
analiza poCiva mtirezidualnoj osnovi; iz vremenske serije eliminisu se uticaji drugih
kolebanja i po de,finiciji ostatak se pripisuje ciklicnim i neregularnim uticajima.
Posto se neregulama kolebanja tesko mogu da predvide, to se pri postavljanju prognoza ne pokusava sa njihovim izdvajanjem iz cikliCnih kretanja. Treba ipak istaCi
osnovanost ovakvog postupka u analizi cikliCnih kretanja, jer se i sluCajna kolebanja,
ako ne dode do nekih nepredvidljivih dogadaja, mogu postaviti u izvesne okvire,
polazeci 00. ranijih saznanja.
Sezonska kolebanja dolaze do izrazaja periodieno u toku kalendarske godine.
Osnove njihove analize su uglavnom meseene ili kvartalne vremenske serije. Ove
serije iz godine u godinu, kod brojnih pojava, sistematski ispciljavaju veti obim u
jednom delu godine, a izrazito manji u drugom. Na primer, prodaja osveZavajuCih

"

Veliku pomo~.u analizi.~erijske kor~lacijepruZajukor.e~ogra"!i

koji.predstav-

IJaJugrafikon koeficlJenata senJske korelaclJe u odnosu na vehelDu distance; odnosno

korelaciju prvog, drugog, treceg i veceg reda.

I.I

,1

3.4. ISTRA:lIVANJE

TRENDA

U istrazivanju trenda primenjuje se vise metoda. Po jednom uproscenom

metodu, na linijski grafikon originalnih podataka slobodno se :.lcrta prava ili kriva
linija koja treba da je sto bolje prilagodena originaJnim podacima. Ovakav metod,
iako neprecizan, cesto zadovoljava potrebe analize. Medutim, on se ne upotrebljava
kod kompleksnijih istraZivanja vremenskih serija kojima je cilj da se utvrde i drugi
uzrod kolebanja.
Bolje je da se trend utvrdi na osnovu izraeunavanja. U praksi se najeeSce
primenjuju metod pokrernih proseka i metod najmanjih kvadrata. Metod pokretnih
proseka ublaza'la kratkoroene oscilacije i omogucava da se istakne sarno osnovna
rendencija razvitka. Pokretni prosed se izraeunavaju na osnovu podataka za 3, 4,
5 ili vise godina.. Ti se podad sukcesivno sabiraju i dele sa brojem godina. IIustraciju i~racunavanja pokretnih trogodisnjih proseka izveli smo na podacima iz tabele
3.4, gde su prvo izraeunati trogodisnji pOkretni totali i na njihovoj osnovi pokretni
proseci. Za prvu i poslednju godinu nema pokretnih proseka jer nedostaju podaci
za njihovo izractmavanje. Grafieki prikaz te serije dat je na slici 3.1.
Ublazavanje oscilacija na slid 3.1. bilo bi vece da su ti prosed izraeunati na
osnovu vise godina. Da bi se 81:0vise istakao relativni znacaj godine za koju se izraeunava pokretni prosek, ponekad se vrednost za tu godinu uzima duplo, tako da
se pokretni total deli sa eetiri. IIi, ako se prosed izraeunavaju na osnovu pokretnih
totala 00. po pet godina, onda se centralna godina moze da uzme tri puta, dye poboene godine dva puta i sledece jedanput. Tada se pokretni totali dele sa 9, a ne
sa 5 itd.
Pokretni proseci mogu ponekad da dovedu do pogreSnog zakljucka 0 trendu
pojave. Tako, oni lako mogu da prikriju da je pre ree 0 eksponencijalnom trendu
53

52

II
~I

Izracunavanje trogodiInjihpokretnih i roseka na osnovu podataka

0 iz'lJOZU
vina iz Jugoslavije
Tabela 3.4.
(u hil;adama tona)
Kolicina
3-godinji
3-godinji
Godina
vina
pokretni
pokretni
total
prosek
1976
73,2
1977
77,8
233,4
77,8
1978
82,4
267,3
89,1
1979
107,1
301,9
100,6
1980
1124
352,1
117,4
1981
132,6
398,4
132,8
1982
153,4
426,7
142,2
1983
140,7
421,7
140,6
1984
127,6
393,6
131,2
1985
125,3
377,3
125,8
1986
124,4
358,8
119,6
1987
109,1

nego 0 linearnom, naroCito ako nisu ponderisani. Trogodisnji pokretni proseci se

ne mogu da izraeunaju za prvu i poslednju godinu u seriji, petogodisnji za dye prve
i dye poslednje itd. Treba dodati da pokretni prosed nisu dobijeni na osnovu matematiekih jednaeina pa se smatraju primitivnijim oblikom analize trenda.
Bolje resenje za sagledavanje trenda je pomoCu matematieke funkcije koja
se prilagodavapodacima posmatrane serije. Najcesce primenjivani oblik su jednaCin~prvog i kvadratnog stepena. Jednacina prvog stepena odgovara pravolinijskom
trendu i glasi

Izvor:

Statisticki

godinjaci Jugoslavije

"f

gde je X vremenski period uzet kao nezavisnapromenljiva;

I
~~

Ii

I, ,

j/
J.

130

f2

----

120

:::>

110

1",

'l

90

log "f

100

/1
V

70

1976

1977

1978

1979

1980

1981 1982
GODINA

1983

1984

1985

1986

SI. 3.1. Linija originalnih podataka i pokretnih proseka na osnovu tabele 3.4.'
54

pokazuje proseenu

= abx,

(3.12)

Ako se za promenljivu Y uzmu logaritmi, jednaeina 3.12. se svodi na sledecu jednaeinu prvog stepena

'\

?"

80

"f

'-'-

ORIGINALNIPROSECI/
PODACI
POKRETNI

'\

"f

U raeunskom postupku potrebno je primenom metoda najmanjih kvadrata doti do

parametara a i b u prvoj jednacini i pararnetara a, b i c u drugoj. Ovaj se metod
moze koristiti i za izraeunavanje jednacine veceg stepena, ukoliko bi se ona bolje
prilagodavala podacima vremenske serije.
JednaCina prvog stepena primenice se ha vremensku seriju 'sa neprekidnom
rastucom ili opad,ajucom tendencijom razvoja. Jednacina drugog stepena odgovara
podacima kod kojih se tendencija razvitka u meduvremenu promenila. Ako trend
pokazuje da su relativne promene jednake, tj. ako je porast takav da je proporcija
uvek ista u poredenju sa vec dostignutim nivoom iz prethodnog perioda, onda je
ovakav odnos bolje izraren preko eksponencijalne jednaeine

.
~,

160

140

(3.10)

'""

ili oeekivanu vrednost posmatrane pojave u datom periodu; a i b su pararnetri.

Jednaeina drugog stepena glasi
"f = a + bX + cX2.
(3.11)

1979, 1983, 1986. i 1988, SZS, str. 316, 320, 326 i 320-

150

= a + bX,

1987

= A + EX.

(3.13)

Kod grafiekog prikaza ove jednaCine, skala na ordinatnoj osi za Y je logaritamska.

Ponekad se primenjuju logaritarnske jednaCine koje poeivaju sarno na logaritmima
za XiIi na logaritmima za X i Y. Za neka specifiena istrazivanja primenjuju se
jednaeine poznate kao Gompercova i logistieka kriva.
U ispitivanju trenda primenjuje se metod najmanjih kvadrata, jer se pomocu
njega dobija linija najbolje prilagodena stvarnim podacima serije. Taj metod ima
dva svojstva: I) suma odstupanja stvarnih podataka serije od interpolisane linije
ili Iinije trenda jednaka je nuli ~ (Y - "f)= 0 i 2) suma kvadrata tih odstupanja
~ (Y - "f)2= minimum, te otuda i njegov naziv.
U produzetku cemo na primeru datom u tabeli 3.5. prikazati izraeunavanje
jednaeine pravolinijskog trenda. Da bismo dosli do pararnetara a i b, potrebno je
na uobicajeni naein resiti sistem od dye jednacine
~Y=na+b~X
~ XY = a ~ X + b ~ X2

(3.14)
(3.15)

gde je n broj vremenskih perioda.

55

Tabcla 3.5.

Iz:racunavanje pravolinijskog trenda 0 proizvodnji elektricne energije

u Jugoslaviji od 1979-1987. godine
(u hiljadama MWh)

Godina
X

-4
-3
-2
-1

1979
1980
1981
1982
1983
1984
1985
1986
1987
Ukupno
bvor:

0
1
2
3
4

55
59
60
62
67
73
74
78
81

609

80
~.

Proizvodnja
y

XY

XS

-220
-177
-120

0
73
148
234
324

16
9
4
1
0
1
4
9
16

200

60

- 62

75

.J::.
~
~ 65
0
0
0
:;)

Stausticki godisnjak Jugoslavije 1983. i 1988, izd. SZS, str. 266 i 280.

50
L

- -

= na,

(3.16)

609

6766'

,.

1979

1980

1981

1982 1983 1981.

GODINA'

1985

1986

1""-

1987

KOLEBANJA

(3.17)

:E XY
]00
b=-=--=3,33..

:EX:!

3.5. ANALIZA CIKLICNIH

= b :E X2.

Pararnf'.tar a se dobija iz jednacine 3.16, a parametar b iz jednaCine 3.17. U nasem

primfru njihove vrcdnosti su
:E Y
a=-=-=

SI. 3.2. Linearni trend na osnovu podataka tabele 3.5.

a jednaCina3.15. na
:EXY

60

55

Izraeunavanje se moze pojedno3taviti akQ se uzm~ da je :EX = 0 na naCin

pokazanu tabeli3..5. Dakle za godinu u sredini serije X! je nula, a godine koje joj
prethode imaju za X : 1, 2, ... a koje slede imaju za X! : 1, 2, . . .. U tom
slueaju jednacina 3.14. se svodi na
:E Y

70

Ako se neka vremenska serija ~toji od godisnjih podataka, onda na njene

oscilacije uticu trend, cikliena i neregulama kolebanja, ali ne i sezonska koja se
ispoljavaju sarno u toku godine. Kad se izraeuna trend, onda je normalno da se
varijacije od njegove linije pripisu ciklienim i neregulamirn kolebanjima. Ukoliko
nije bi10 naglaSenih slueajnih ko1ebanja, logieno je pretpostaviti da su cikliena kre104

-:-

60
102

Prcma tome, jednaCina trenda je

? = 67,66 + 3,33x.
Vrednost trenda za 1979. godinu je Y79 = 67,66 + 3,33 (-4) = 54,34. G,'dficki,
prikaz podataka iz tabele 3.5. i njihovog trcnda dat je na slici 3.2. Vred.11osttrenda'
za svaku godinu sadrzi tabcla 3.5. u kojoj su u poslednje dye kolone, isto tako,
prikazana odstupanja originalnih podataka od trenda i njihovi kvadrati. Da bi
se povukla linija trenda, dovoljno je da se utvrdc njegove vrednosti za dye godine
i zatim se pomocu lenjira izvodi interpolacija za ceo posmatrani period i eventualno ekstrapolacija. Tako, ekstrapolacija za 1988. godinu daje vrednost trenda
Yss= 67,66 3.33 (5) = 84,31.

56

~ 100 100

98
96
1979 1980

1981

1982

'SB3 1981.
GODINA

1985

1986

1987

SI. 3.3. Odnos prema trendu na osnovu tabele 3.5.

57

tanja njihov glavni uzrok. Odstupanja od trenda se obieno sagledavaju na osnovu

procenta iz odnosa podataka date godine prema vrednosti njenog trenda

njihovog trenda. Rezultati su precisceni sezonski indeksi. Ovaj je metod prikIadan

kod pravoIinijskog trenda.

Y.IOO

Metod odnosaprerna pokretnim prosecima ima ceScu primenu. Kod ovog metoda
postupa se suprotno od prethodnog. Naime, prvo se eliminiSe uticaj trenda i donekIe cikIicnih i neregulamih varijadja. Tu se prvo izraeunaju pokretni prosed.
Zatim se stavljaju u odnos podaci serije svakog perioda sa pokretnim prosedma.
lndeksi dobijeni iz ovog odnosa mogu se izraziti na osnovu sledece formuIe

Na ovaj naCin je eIiminisan uticaj trenda, tako da su ciklicna i neregularnakolebanja

izraiena u procentima od odgovarajuce vrednosti trenda. Taj odnos postaje jasniji
ako se izrazi na sledeci nacin
Y

-=
r-

T.G.N

Y P -

=G.N,

gde su T, C i N uticaji trenda, cikIicnih i neregularnih kolebanja. Ponekad se praktikuje izracunavanje relativne cikIicne rezidualne vrednosti prema obrascu:
(Y - r-). loo/r-. Ove vrednosti su pozitivne Hi negativne, zavisnoda Ii je obim
pojave date godine ispod ili iznad trenda.

3.6. SEZONSKA

IIustradju izraeunavanja sezonskih indeksa po metodu odnosa prema pokret- .

nim prosecima izvescemona kvartainim podacima prikazanim u tabeli 3..6. Pokretni prosed na bazi cetiri kvartala prikazani su u tabeli 3,7, a odnosi prema pokretnim prosecima u tabeli 3.8, gde poslednji red sadrli sezonske indekse koji su
proste aritmeticke. sredine podataka za svaki kvartal.

KOLEBANJA

u5B

Kvartali
II

1982
1983
1984
1985
1986
1987

za

treCi: 160 .100 = 145,4 i za cetvrti kvartal: 120. 100 = 109,1.Kadase analiza
110
110
oslanja na mesecne serije, trebalo bi. voditi racuna i 0 uticaju kalendarskog faktora
s obzirom na nejednak broj dana po mesecima.
Problem u analizi sezonskih varijacija je da se iz originainih podataka iskIjuce
svi drugi uzroci kolebanja izuzev sezonskih. Za to se upotrebljavaju podaci za vise
godina iz kojih ce se eliminisati uticaj trenda, cikIusa i neregularnih kolebanja. Od
vise razliCitih postupaka ovde cemo ukazati na dva. Metod prostih sredina ili Boulijev
metod se sastoji u tome da se prvo izracunavaju proseci za svaki mesec Hi kvartal.
Ako je to bila osmogodisnja serija, svaki takav prosek je dobijen na osnovu osam
podataka za svaki mesec ili kvartaI. Ovim se postupkom iz sezonskih vrednosti
iskIjueuje uticaj dkIicnih i neregularnih kolebanja. Medutim, uticaj trenda je i daije
prisutan. Da bi se i on odstranio, izracunava se trend za celu seriju, a za korekturu
uzimaju njegove mesecne ili kvartalne vrednosti u sredisnoj godini. Uticaj trenda
se iskIjucuje stavljanjem u odnos meseCnih ili kvartalnih sredina prema vrednostima

(u hiljadama t)

Godina

za drugi 90. .100=81,8;

IlO

Proizvodnja benzina po kvartalima u.Jugoslaviji

Tabela 3.6.

120. Opsti kvartalni prosek je-.!.. (70 + 90+ 160 -+- 120)= IlO. Sezonski indeksi
100=63,6;

T.G

gde je P pokretni prosek, a S sezonski uticaj. Da bi se iz tako dobijenih indeksa

odstranio uticaj preostaIih, prvenstveno nereguIamih kolebanja, izracunavaju se
njihovi prosed za sv!iki mesec ili kvartal i tako dolazi do sezonskih indeksa.

Statisticki problem analize sezonskih uticaja se sastoji u trazenjunaCina da

se ona izmere i da se primenom odgovarajuceg metoda analize iz njih iskljuce drugi
uzroci kolebanja. CHj, medutim, moze da bude da se utvrde, a zatim odstrane sezonska kolebanja u cilju sagledavanja nekih drugih uticaja, cikIicnih na primer. Da bi
se doslo do preciscenih Uticaja izrazenih putem sezonskih indeksa, primenjuje se
vise metoda. Ako raspolazemo sa mesecnim ili kvartalnim podacima sarno za jednu
godinu, do sezonskih indeksa se dolazi tako da se mesecni Hi kvartalni prosek uzima
za bazu uporedenja i podaci svakog meseca iIi kvartala stavljaju u odnos prema
tom proseku. Na primer, neka je proizvodnja po kvartalima iznosiIa 70, 90, 160,

su prema tome: za prvi kvartaI~.

IlO

T.G.S.N =S.N

Izvor:

592
673
723
769
1.042
1.092

Indeksi

707
574
763
837
837
1.057

od 1983-1988.

godine,

Svega
.III

IV
513
664
1.276
933
977
936

769
658
1.025
886
1.033
924

2.581
2.478
3.787
3.405
3.889
4.009

izd. SZS, Beograd

c
.1
I

Tabela 3.7.

Pokrerni trokvartalni

Godina
1982
1983
1984
1985
1986
1987

587
717
961
937
1.042

proseci na osnovu podataka

Kvar"tali
II
689
635
837
831
971
1.024

III
663
632
1.021
885
949
972

iz tabele 3.6.

IV
652
682
1.023
954
1.034

59

Tabela 3.8.

Odnos prema pokretnim prosecima i sezonski indeksi

(00 osnovu tabela 3.6. i 3.7.)

Godina
1982
1983
1984
1985
1986
1987
Sezonski
indeksi

Kvartali
II

III

IV

1,146
1,008
0,800
1,112
1,048

1,026
0,904
0,912
1,007
0,862
1,032

1,160
1,041
1,004
1,001
1,088
0,951

0,787
0,974
1,247
0,978
0,945

1,02

0,96

1,04

0,98

3.7. MODELl

VREMENSKIH

SERI]A

i/

U analizi vremenskih serija sve se vise ide na utvrdivanjc probabilistickog

modela. Metodi analize na ovoj osnovi nazivaju se stohastii5kiprocesi.NajveCibroj

autora pod stohastiekim procesom podrazumeva slucajnu ili stohasticku komponentu u vremenskoj seriji koja je sastavni deo njene fizicke vrednosti, ali istovremenD i matematicki model koji karakterise kretanje te serije. Matematicki, stohastieki p,roces moze da se definise kao skup, T, slucajnih promenljivih u vremenu
[X(t), t E T], gde je X(t) slueajna prom~nljiva u vrem~nu t. Ako je skup T neprekidan. onda je -00 < t <- + 00, a ako je prekidan:
t = 0, :f: 1, :f: 2, . . .. Za
svaku slueajnu promenljivu za jedan ishoi procesa imamo jedno posmatranje i ta
su posmatranja hronoloska i krecu se prema zakonu verovatnoce.
Treba ukazati na specificnost statisticke analize vremenskih serija postavljene
na probabilistickim osnovama. U strukturalnoj analizi ispituje se uzorak na bazi
veceg broja jedinica i donosi zakljucak 0 celom skupu. Kod vremenskih serija imamo
sarno jedno posmatranje slueajne promenljive u vremenu t. Konceptualno, jedna
vremenska serija moze da se smatra kao jedan clan iz beskonai5nogskupa vremenskih
serija. Svaki ovaj clan je moguca i posebna realizacija stohastiekog procesa. Posto
je ree 0 sarno pojmovnom skupu, analiza serije poCiva na probabjlistiekom modelu.
Problem amilize vremenskih serija na ovim osnovama je pronalaZenje adekvatnog modela. Njegov izbor zavisi od svojstva serije, odnosno ispoljene tendencije
u njenom kretanju, pri eemu njen graficki prikaz moze da bude posebno koristan.
Taj izbor cesto zavisi od velicine serije, kao i od naeina na koji ce se taj model da
upotrebi. Tehnika koju preporueuju Boks i Dzenkins ima danas znatan broj pristalica. Ona je u osnovi kompleksna i njena primena je olaksana zahvaljujuCi raeunarima. Treba imati u vidu da komplikovana tehnika ne mora uvek da znaci i bolju
analizu. Cesto jednostavniji postupak moze da pruzi zadovoljavajuci rezultat. Zbog
toga se izbor metoda na bazi modela treba dobro da prouei pre nego sto se donese
konaena odluka.
Poslednjih godina teorija stohastickih procesa se, na toj osnovi, veoma razvila
i predstavlja siroko podrucje na kome rade brojni, prvenst'leno, teorijski statisticari.
Slican se problem postavlja kada se vrSi predvidanje ili ekstrapolacija pri
cemu treba imati u vidu cilj predvidanja, njegovu dliZinu, duzinu serije itd. Logieno je da podaci prethodnog perioda slliZe kao oslonac za predvidanje, i kod kraceg perioda se moze ocekivati veca izvesnost.
60

Priroda,podataka je jedan znacajan momenat 0 kome mora da se vodi racuna

prilikom predvidanja. Tako, sa vise izvesnosti moze da se predvidi buduce prirodno kretanje stanovnistva nego, recimo, visina padavina u toku vegetacionog
perioda. Cesto se izvode paralclna' predvidanja na bazi vise hipoteza, ponekad uz
primenu razliCitih metoda.
Ponekad, u predvidanju moze da se koristi i neki subjektivni kriterijum. Na
primer, neko preduzece je na reklamu svojih proizvoda trosilo odredeni procenat
svoga dohotka uz realizaciju koju pokazuje vremenska serija. Ako se to preduzece
u meduvremenu reSilo da u narednom periodu znatno poveea izdatke za reklamu,
predvidanje buduce prodaje treba da uzme u obzir i taj momenat.
Ekstrapolacija trenqa metodom najmanjih kvadrata pociva u celini na rezultatima prethodnih posmatranja ispitivane pojave. Medutim, kod predvidanja mogu
da'se uzmu u obzir i podaci drugih promenljivih, na primer, potrosnja u zavisnosti
od dohotka. Tada se radi 0 regresionimili multivarijacionim modelima koji su u osnovi
ekonometrijskih mod~la.
Ekonometrijskl modeli se tdko konstruisu usled niza nepredvidljivih cinilaca
te nije redak slucaj da model na bazi jedne promenljive pruza bolji rezultat nego
multivarijacioni model.
I u ovom domenu je u poslednje vreme bilo pokusaja sa Boks-Dzenkinsovom
procedurom koja moze da se primeni i na multivarijaciona predyidanja. Pored toga,
najveCi broj univarijacionih predvidanja su potpuno formalizovana i za odredenu
vrstu podataka on.a su automatska. Boks-Dzenkinsov postupak ima, medutim, i
subjektivan akcenat, jer prliZa mogucnost izbora iz skupa od veceg broja modela.
Ovo predstavlja kako dobru tako i losu stranu ovog postupka, za Ciju je primenu
potrebno dobro poznavanje teorije i prakticno iskustvo.

/'
61