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 19.559 18.337 19.733 23.443 25.2'79 26.166 27.864 27.745

Indeks Baza 1980= 100 100,0 93,7 100,9 119,9 129,2 133,8 142,5 141,9

Lancani indeksi

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

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, 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
indeks je 2.320' 1O0/l.8~0

3.2. GRUPNI

INDEKSI

130,1. To znaCi da se cena toga artiklau

1983. pove-

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:. I qo P

(3.1)

"'2:. qo Po

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:. qI . PI "'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< =

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. (3.6)

U praksi se <::esto izracunava i grup'1i indeks vrednosti proizvodnje ili prometa prema obrascu 1t>- - qi PI -~ ~ qoPo

~PI qO+~PI qi
~ Po qo + ~ Po qi

(3.3)

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
I1>F=

56.720.000 64.945.000

-"0 8733 0d nosno 87,33.

(3.7)

V ~ Poqo

~PIqO .~PIql . ~ Poqi

(3.4)

Izraeunavanje ponderisanih indeksa izvcleemo na primeru tabele 3.2.

Tabela 3.2.
Naziv artikla A B C Dobijanje grupnih indeksa cena i fizickog obima

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

.
Jedinica
mere t t t 1983. Po 1.990 1.730 30.180

Cena 1984. PI 2.690 2.650 37.150 1983. qo 1.000 1.500 2.000

Koliline 1984. qi 2.000 1.850 1.250

I 1>S= ~Po ~
a srednji indeks fizickog obirna

'" PI (Po qo)

""Poqo
'

(3.8)

Ills = Prema Laspejresovom obrascu indeks cena je 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
Tabela 3.3. Naziv artik1a A B C Ukupno PI Po 1,35 1,53 1,23

'" 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 fiziCkog obima po obrascu 3.2. U tabeli 3.3,na bazi podataka tabele :3~2. ati d . su elementi za izracunavanje srednjeg indeksa cena.
Izralunavanje srednjeg indeksa una

Poqo 1,990.000 2,595.000 60,360.000 64,945.000

PI Po qo Po

2,686.500 3,970.350 74,242.800 80,899.650

(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, odnosno 69,14.

(3.5)

Ips =

2: PI (Poqo)
l;o qo

80,899.650 = 1,2456, odnosno 124,56. = 64,945.000

50

4*

51

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 52

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.' IJaJugrafikon koeficlJenata senJske korelaclJe u odnosu na vehelDu distance; odnosno korelaciju prvog, drugog, treceg i veceg reda.
"

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

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 81:0 vise 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

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

II ~I

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 "f

= a + bX,

'""
"f

(3.10)

gde je X vremenski period uzet kao nezavisnapromenljiva;

pokazuje proseenu

ili oeekivanu vrednost posmatrane pojave u datom periodu; a i b su pararnetri. Jednaeina drugog stepena glasi "f = a + bX + cX2. (3.11)

I
.
~~

Izvor:

Statisticki

godinjaci Jugoslavije

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

160 150 140

~,
Ii

I, j/
J.

130 120 110 100 90 80 70

/

,
'\

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 "f

----

ORIGINALNI PODACI POKRETNI PROSECI/

'l

'-'1",
'\

= abx, = A + EX.

(3.12)

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

f2
0

?"

\
.
f

log "f

(3.13)

:::>

j /

/1
V

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 gde je n broj vremenskih perioda. 55 (3.14) (3.15)

1976

1977

1978

1979

1980

1981 1982 GODINA

1983

1984

1985

1986

1987

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

Tabcla 3.5.

Iz:racunavanje pravolinijskog trenda 0 proizvodnji elektricne energije u Jugoslaviji od 1979-1987. godine (u hiljadama MWh) X Proizvodnja y 55 59 60 62 67 73 74 78 81 609 XY -220 -177 -120 XS 16 9 4 1 0 1 4 9 16 60

80
~.

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

75 70
.J::. ~ ~ 65
0 0 0 :;)

-4 -3 -2 -1
0 1 2 3 4 0

- 62
0 73 148 234 324 200

60

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

55 ~ 50 L

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

- -

1""-

1979

1980

1981

1982 1983 1981. GODINA'

1985

1986

1987

:E Y

= na,

(3.16)

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

a jednaCina3.15. na
:EXY

= b :E X2.

3.5. ANALIZA CIKLICNIH (3.17)

KOLEBANJA

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=-=-= 609 :E XY ]00 b=-=--=3,33.. -:-

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 102

6766'

,.

:EX:!

60

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.11ost renda' t 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.

~ 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

56

tanja njihov glavni uzrok. Odstupanja od trenda se obieno sagledavaju na osnovu procenta iz odnosa podataka date godine prema vrednosti njenog trenda Y.IOO

njihovog trenda. Rezultati su precisceni sezonski indeksi. Ovaj je metod prikIadan kod pravoIinijskog trenda. 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 Y P -

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

-= r-

T.G.N

=G.N,

T.G.S.N =S.N
T.G

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.

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. 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.

3.6. SEZONSKA

KOLEBANJA

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,

Tabela 3.6. Godina 1982 1983 1984 1985 1986 1987

Izvor:
c .1 I

Proizvodnja benzina po kvartalima u.Jugoslaviji (u hiljadama t) Kvartali II 592 673 723 769 1.042 1.092
od 1983-1988.

Svega .III 769 658 1.025 886 1.033 924 IV 513 664 1.276 933 977 936 2.581 2.478 3.787 3.405 3.889 4.009

120. Opsti kvartalni prosek je-.!.. (70 + 90+ 160 -+- 120)= IlO. Sezonski indeksi
4 su prema tome: za prvi kvartaI~. IlO 100=63,6; za drugi 90. .100=81,8; IlO za

707 574 763 837 837 1.057

godine,

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 u5B

Indeksi

izd. SZS, Beograd

Tabela 3.7. Godina 1982 1983 1984 1985 1986 1987

Pokrerni trokvartalni

proseci na osnovu podataka

iz tabele 3.6.

587 717 961 937 1.042

Kvar"tali II 689 635 837 831 971 1.024

III 663 632 1.021 885 949 972

IV 652 682 1.023 954 1.034

59

Tabela 3.8. Godina

1982 1983 1984 1985 1986 1987 Sezonski indeksi

Odnos prema pokretnim prosecima i sezonski indeksi (00 osnovu tabela 3.6. i 3.7.)

Kvartali II 1,146 1,008 0,800 1,112 1,048 1,02 1,026 0,904 0,912 1,007 0,862 1,032 0,96

III 1,160 1,041 1,004 1,001 1,088 0,951 1,04 SERI]A

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

0,98

3.7. MODELl

VREMENSKIH

i/

U analizi vremenskih serija sve se vise ide na utvrdivanjc probabilistickog

modela. Metodi analize na ovoj osnovi nazivaju se stohastii5ki procesi.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 beskonai5nog skupa 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