วิธีคำนวณระดับเฉลี่ยของชุดตัวอย่างไดนามิก ตัวบ่งชี้อนุกรมเวลา: การคำนวณและการพยากรณ์ วิธีการจัดตำแหน่งเชิงวิเคราะห์
16. อินดิเคเตอร์ชุดไดนามิก การคำนวณ และการใช้งานจริง
ชุดไดนามิกเป็นชุดของปริมาณที่เทียบเคียงได้เป็นเนื้อเดียวกันซึ่งแสดงการเปลี่ยนแปลงของปรากฏการณ์ภายใต้การศึกษาในเวลา นี่เป็นรูปแบบทางสถิติของการแสดงพัฒนาการของปรากฏการณ์เมื่อเวลาผ่านไป ตัวเลขที่ประกอบเป็นอนุกรมไดนามิกมักจะเรียกว่าระดับของอนุกรม ระดับของชุดข้อมูลสามารถแสดงด้วยตัวเลขสัมบูรณ์ ค่าสัมพัทธ์ และค่าเฉลี่ย .
ซีรีย์ไดนามิกมีประเภทต่อไปนี้
เรียบง่ายเป็นชุดที่ประกอบด้วยค่าสัมบูรณ์ลักษณะ
พลวัตของปรากฏการณ์เดียว
อนุกรมง่าย ๆ เป็นจุดเริ่มต้นสำหรับการสร้างอนุกรมที่ได้รับ
อนุพันธ์เป็นชุดที่ประกอบด้วยค่าเฉลี่ยหรือค่าสัมพัทธ์
อนุกรมช่วงเวลาประกอบด้วยชุดตัวเลขตามลำดับที่แสดงลักษณะการเปลี่ยนแปลงของปรากฏการณ์ในช่วงเวลาหนึ่ง (ในเวลา)
ช่วงเวลา ซีรีส์ประกอบด้วยปริมาณที่กำหนดขนาดของปรากฏการณ์ไม่ใช่ช่วงเวลาใดเวลาหนึ่ง แต่สำหรับวันที่ - ช่วงเวลาหนึ่ง
เพื่อความเข้าใจที่ลึกซึ้งยิ่งขึ้นเกี่ยวกับสาระสำคัญของการพัฒนาปรากฏการณ์ทางสังคม ตัวชี้วัดดังกล่าวของชุดข้อมูลแบบไดนามิก เช่น การเติบโตแบบสัมบูรณ์ อัตราการเติบโต อัตราการเติบโต ค่าสัมบูรณ์ของการเติบโต 1%
การเติบโตอย่างสัมบูรณ์ระบุความแตกต่างระหว่างแต่ละระดับที่ตามมาและระดับก่อนหน้า การเติบโตอย่างสมบูรณ์อาจเป็นบวกหรือลบ
อัตราการเจริญเติบโตคืออัตราส่วนของแต่ละระดับที่ตามมากับระดับก่อนหน้า ซึ่งแสดงเป็นเปอร์เซ็นต์
อัตราการเจริญเติบโตคืออัตราส่วนของการเติบโตสัมบูรณ์ต่อระดับก่อนหน้า คิดเป็น 100%
เนื่องจากค่าสัมบูรณ์บางอย่างสอดคล้องกับตัวบ่งชี้ที่เกี่ยวข้องกัน เมื่อศึกษาอัตราการเติบโต จึงจำเป็นต้องพิจารณาว่าค่าสัมบูรณ์ใดที่สอดคล้องกับการเติบโตแต่ละเปอร์เซ็นต์ เนื้อหาคืออะไร สำหรับสิ่งนี้ ตัวบ่งชี้เช่น ค่าสัมบูรณ์หนึ่งเปอร์เซ็นต์ การเจริญเติบโต. มันถูกกำหนดให้เป็นเชาวน์ของการเติบโตสัมบูรณ์ในช่วงเวลาที่กำหนดหารด้วยอัตราการเติบโตในช่วงเวลาเดียวกันนั้น
เพื่อแสดงการคำนวณของตัวบ่งชี้ทางสถิติที่พิจารณา เรานำเสนอชุดของไดนามิก
ลองมาดูตัวอย่างกัน จำเป็นต้องวิเคราะห์พลวัตของอัตราการเกิดในบางพื้นที่ (ตารางที่ 5)
ตารางที่ 5 - พลวัตของอัตราการเกิดในภูมิภาค พ.ศ. 2539-2548.
อัตราการเกิด, % |
การเติบโตอย่างสัมบูรณ์ |
อัตราการเจริญเติบโต, % |
ค่าสัมบูรณ์เพิ่มขึ้น 1% |
||
1. ตรวจสอบการเพิ่มขึ้นแน่นอน: 8.9 - 9.4 = - 0.5; 9.2 - 8.9 = 0.3 เป็นต้น
เราคำนวณอัตราการเติบโต: - 0.5 × 100 / 9.4 \u003d - 5.3 เป็นต้น
3. ค้นหาอัตราการเติบโต: 8.9 × 100 / 9.4 = 94.7 เป็นต้น
4. เราได้ค่าสัมบูรณ์เพิ่มขึ้น 1%: - 0.5 / - 5.3 = 0.09
ชุดไดนามิกไม่ได้ประกอบด้วยระดับที่เปลี่ยนแปลงอย่างต่อเนื่องในทิศทางของการลดลงหรือเพิ่มขึ้นอย่างสม่ำเสมอ บ่อยครั้งที่ระดับของช่วงไดนามิกผันผวนอย่างรวดเร็ว และสิ่งนี้ไม่ได้ทำให้เราสามารถระบุแนวโน้มหลักที่มีอยู่ในปรากฏการณ์ภายใต้การศึกษาในช่วงระยะเวลาหนึ่ง ในกรณีเช่นนี้ การจัดตำแหน่งชุดไดนามิกจะดำเนินการ มีหลายวิธีในการทำให้อนุกรมเวลาเท่ากัน: การขยายช่วงเวลา การปรับให้เรียบโดยการคำนวณค่าเฉลี่ยเคลื่อนที่ การจัดแนวเส้นตรงเชิงวิเคราะห์ ฯลฯ
พิจารณาการจัดแนวเส้นตรงซึ่งทำได้ดังนี้:
Y t (ระดับทฤษฎี) \u003d a o + a 1 t โดยที่ t เป็นสัญลักษณ์ของเวลา และ o และ a 1 คือพารามิเตอร์ของเส้นที่ต้องการ ซึ่งพบได้จากการแก้ปัญหาของระบบสมการ:
na 0 + a 1 Σt = Σy;
0 Σt + a 1 Σt 2 = Σyt; โดยที่ y - ระดับจริง n คือจำนวนแถวของไดนามิก ระบบสมการจะง่ายขึ้นถ้าเลือก t เพื่อให้ผลรวมเท่ากับ 0 นั่นคือ จุดเริ่มต้นของการนับถอยหลังจะถูกย้ายไปยังช่วงกลางของช่วงเวลาที่พิจารณา แล้ว:
0 = Σy/n; a 1 = Σyt/ Σt 2 .
แทนที่ค่าที่ได้รับของ 0 และ 1 ลงในสูตรคำนวณค่าทั้งหมดของระดับทฤษฎี
พิจารณาตัวอย่างต่อไปนี้ (ตารางที่ 6):
ตารางที่ 6: การปรับอัตราการเกิดในปี 2546-2551
ภาวะเจริญพันธุ์ (y) |
เงื่อนไข สัญกรณ์เวลา t |
ระดับทฤษฎีหลังการจัดตำแหน่ง |
ค่าเฉลี่ยเคลื่อนที่ 3 ปี |
|||
n = 6 Σy = 53.6 Σyt = – 30.6 Σtt=70
หากแถวเป็นเลขคู่ การนับถอยหลังจะมาจาก 1 (ตรงกลางแถว) จากนั้นจะเป็นเลขคี่ 3, 5, 7 เป็นต้น ในทั้งสองทิศทาง (ขึ้นด้วย -; ลงด้วย +); หากแถวเป็นเลขคี่ สัญลักษณ์เวลาจะนับจาก 0 (ตรงกลางแถว) จากนั้น - 1, 2, 3 เป็นต้น ไป - กลับ.
ลำดับการคำนวณมีดังนี้:
Y t (ระดับทฤษฎี) = a o + a 1 t;
0 = Σy/n; a 1 = Σyt/ Σt 2 ;
0 \u003d 8.9 a 1 \u003d - 0.4;
8.9 + (-0.4) × (-5) = 11;
8.9 + (-0.4) × (-3) = 10.1; เป็นต้น
ขั้นตอนการคำนวณค่าเฉลี่ยเคลื่อนที่:
สำหรับปี 2547 (9.4 + 8.9 + 9.2) / 3 = 9.2
สำหรับปี 2005 (8.9 + 9.2 + 8.3) / 3 = 8.8 เป็นต้น
ช่วงเวลาจะถูกขยายโดยการสรุปข้อมูลสำหรับช่วงเวลาที่อยู่ติดกันจำนวนหนึ่ง (ตารางที่ 7)
ตารางที่ 7
ภาวะเจริญพันธุ์ |
สำหรับปี 2546-2548 อัตราการเกิดคือ 9.4+8.9+9.2=27.5
สำหรับปี 2549-2551 อัตราการเกิดคือ 8.3+9.4+8.4=26.1
17. การเชื่อมต่อระหว่างปรากฏการณ์ (หน้าที่, สหสัมพันธ์) ประเภทของสหสัมพันธ์ในด้านความแรงและทิศทาง วิธีสหสัมพันธ์แบบอนุกรม (เพียร์สัน) ขั้นตอนการคำนวณสัมประสิทธิ์สหสัมพันธ์ การประเมินความน่าเชื่อถือ
ปรากฏการณ์ทั้งหมดในธรรมชาติและสังคมเชื่อมโยงถึงกัน ตามลักษณะของการพึ่งพาปรากฏการณ์ ได้แก่
การทำงาน (สมบูรณ์);
ความสัมพันธ์ (ไม่สมบูรณ์) การเชื่อมต่อ
การเชื่อมต่อการทำงานหมายถึงการพึ่งพาปรากฏการณ์อย่างเคร่งครัดเมื่อค่าใด ๆ ของหนึ่งในนั้นสอดคล้องกับค่าหนึ่งเสมอและค่าเดียวกันของอีกค่าหนึ่ง
มีความสัมพันธ์กันค่าเดียวกันของแอตทริบิวต์หนึ่งสอดคล้องกับค่าที่ต่างกันของแอตทริบิวต์อื่น ตัวอย่างเช่น มีความสัมพันธ์กันระหว่างส่วนสูงและน้ำหนัก ระหว่างอุบัติการณ์ของเนื้องอกร้ายกับอายุ เป็นต้น
ตามทิศทางความสัมพันธ์โดยตรงและผกผันมีความโดดเด่น ด้วยเส้นตรงการเพิ่มขึ้นของสัญญาณหนึ่ง ๆ จะทำให้สัญญาณอื่นเพิ่มขึ้น ในกรณีตรงกันข้าม เมื่อเพิ่มขึ้นในหนึ่งเครื่องหมาย อันที่สองจะลดลง
ความแรงของการเชื่อมต่อสามารถแข็งแกร่ง ปานกลาง และอ่อน จากการวิเคราะห์ทางสถิติ เป็นไปได้ที่จะระบุการเชื่อมต่อ ทิศทาง และการวัดความแข็งแกร่ง
วิธีหนึ่งในการวัดความสัมพันธ์ระหว่างปรากฏการณ์คือการคำนวณสัมประสิทธิ์สหสัมพันธ์ ซึ่งแสดงเป็น r xy วิธีที่ถูกต้องที่สุดคือวิธีการของกำลังสอง (เพียร์สัน) ซึ่งค่าสัมประสิทธิ์สหสัมพันธ์ถูกกำหนดโดยสูตร:
, ที่ไหน
r xy คือสัมประสิทธิ์สหสัมพันธ์ระหว่างอนุกรมทางสถิติ X และ Y
d x คือค่าเบี่ยงเบนของตัวเลขแต่ละตัวของอนุกรมสถิติ X จากค่าเฉลี่ยเลขคณิต
d y คือค่าเบี่ยงเบนของตัวเลขแต่ละตัวของอนุกรมสถิติ Y จากค่าเฉลี่ยเลขคณิต
ค่าสัมประสิทธิ์สหสัมพันธ์สามารถอยู่ในช่วงตั้งแต่ 0 ถึง 1 (-1) ทั้งนี้ขึ้นอยู่กับความแรงของการเชื่อมต่อและทิศทาง ค่าสัมประสิทธิ์สหสัมพันธ์ 0 บ่งชี้ว่าขาดการเชื่อมต่ออย่างสมบูรณ์ ยิ่งระดับสัมประสิทธิ์สหสัมพันธ์ใกล้ชิดกับ 1 หรือ (-1) มากเท่าไร ค่าโดยตรงหรือผลป้อนกลับที่วัดได้ก็จะยิ่งใกล้ขึ้นตามลำดับ ด้วยค่าสัมประสิทธิ์สหสัมพันธ์เท่ากับ 1 หรือ (-1) การเชื่อมต่อจึงสมบูรณ์และใช้งานได้จริง
แบบแผนสำหรับการประเมินความแข็งแรงของสหสัมพันธ์โดยสัมประสิทธิ์สหสัมพันธ์
ความแข็งแกร่งของการเชื่อมต่อ |
ค่าสัมประสิทธิ์สหสัมพันธ์ หากมี |
|
การเชื่อมต่อโดยตรง (+) |
ข้อเสนอแนะ (-) |
|
ไม่มีการเชื่อมต่อ | ||
การสื่อสารมีขนาดเล็ก (อ่อนแอ) |
จาก 0 ถึง +0.29 |
0 ถึง -0.29 |
ค่าเฉลี่ยการสื่อสาร (ปานกลาง) |
+0.3 ถึง +0.69 |
-0.3 ถึง -0.69 |
การสื่อสารที่ยิ่งใหญ่ (แข็งแกร่ง) |
+0.7 ถึง +0.99 |
-0.7 ถึง -0.99 |
การสื่อสารเสร็จสมบูรณ์ (การทำงาน) |
ในการคำนวณค่าสัมประสิทธิ์สหสัมพันธ์โดยใช้วิธีกำลังสอง จะรวบรวมตาราง 7 คอลัมน์ มาวิเคราะห์กระบวนการคำนวณโดยใช้ตัวอย่าง:
กำหนดจุดแข็งและลักษณะของความสัมพันธ์ระหว่าง
ได้เวลา- เนส คอพอก (วี y ) |
d x= วี x –เอ็ม x |
d y= วี y –เอ็ม y |
d x d y |
d x 2 |
d y 2 |
|
Σ -1345 ,0 |
Σ 13996 ,0 |
Σ 313 , 47 |
1. กำหนดปริมาณไอโอดีนเฉลี่ยในน้ำ (ในมก. / ลิตร)
มก./ลิตร
2. กำหนดอุบัติการณ์เฉลี่ยของโรคคอพอกเป็น%
3. กำหนดค่าเบี่ยงเบนของแต่ละ V x จาก M x เช่น ดี เอ็กซ์ .
201–138=63; 178–138=40 เป็นต้น
4. ในทำนองเดียวกัน เรากำหนดความเบี่ยงเบนของแต่ละ V y จาก M y นั่นคือ d
0.2–3.8=-3.6; 0.6–38=-3.2 เป็นต้น
5. เรากำหนดผลคูณของการเบี่ยงเบน ผลลัพธ์ที่ได้จะถูกสรุปและรับ
6. เรายกกำลัง d x และสรุปผลลัพธ์ที่ได้
7. ในทำนองเดียวกัน เรายกกำลังสอง d y สรุปผลลัพธ์ เราจะได้
8. สุดท้าย เราแทนที่จำนวนเงินทั้งหมดที่ได้รับลงในสูตร:
ในการแก้ไขปัญหาความน่าเชื่อถือของสัมประสิทธิ์สหสัมพันธ์ ข้อผิดพลาดเฉลี่ยจะถูกกำหนดโดยสูตร:
(หากจำนวนการสังเกตน้อยกว่า 30 ตัวส่วนจะเป็น n-1)
ในตัวอย่างของเรา
ค่าสัมประสิทธิ์สหสัมพันธ์ถือว่าเชื่อถือได้หากสูงกว่าค่าคลาดเคลื่อนเฉลี่ยอย่างน้อย 3 เท่า
ในตัวอย่างของเรา
ดังนั้นค่าสัมประสิทธิ์สหสัมพันธ์จึงไม่น่าเชื่อถือ ซึ่งทำให้จำเป็นต้องเพิ่มจำนวนการสังเกต
สัมประสิทธิ์สหสัมพันธ์สามารถกำหนดได้อย่างแม่นยำน้อยกว่าเล็กน้อย แต่วิธีที่ง่ายกว่านั้นมาก วิธีจัดอันดับ (สเปียร์แมน)
คะแนนความน่าเชื่อถือ:
1. การประเมินความน่าเชื่อถือของตัวบ่งชี้ที่เข้มข้น:
m = √P x q / n(รากของทุกอย่าง)
โดยที่ p เป็นตัวบ่งชี้ที่แสดงเป็น%, ‰,% oo เป็นต้น q \u003d (100 - p) โดย p แสดงเป็น%; หรือ (1,000 - p) โดย p แสดงเป็น ‰ หรือ (10000 - p) โดยที่ p แสดงเป็น% oo เป็นต้น
t=1 ความน่าเชื่อถือ 68.3%
2. การประเมินความน่าเชื่อถือของความแตกต่างระหว่าง 2 ตัวชี้วัดเข้มข้น
M1 และ M2 เป็นข้อผิดพลาดในการเป็นตัวแทน
3. การประเมินความน่าเชื่อถือของค่าเฉลี่ยเลขคณิต
โดยที่ σ - ส่วนเบี่ยงเบนมาตรฐาน n - จำนวนการสังเกต
T=M/m ถ้า t มากกว่า 2 , cf เลขคณิตถูกต้อง
4 .การประเมินความน่าเชื่อถือของความแตกต่าง 2 cf. เลขคณิต
สำหรับการค้นหา ค่าเฉลี่ยของอนุกรมโมเมนต์ที่มีระดับระยะห่างเท่ากันใช้ค่าเฉลี่ยตามลำดับเวลา: .
ลำดับเหตุการณ์เฉลี่ยสำหรับระดับต่างๆ ของช่วงเวลา ซีรีส์:
งานบริการ. ด้วยความช่วยเหลือของสิ่งนี้ เครื่องคิดเลขออนไลน์คำนวณได้ โมเมนต์ ซีรีส์ เฉลี่ยตามสูตรค่าเฉลี่ยตามลำดับเวลา
คำแนะนำ. เลือกจำนวนข้อมูลและระบุว่าได้รับข้อมูลหรือไม่: วัน เดือน หรือปี
ตัวอย่าง # 1 ประชากรของเมืองคือ:
- ณ วันที่ 1 มกราคม - 80,500 คน
- ณ วันที่ 1 กุมภาพันธ์ - 80540 คน
- ณ วันที่ 1 มีนาคม - 80550 คน
- ณ วันที่ 1 เมษายน - 80560 คน
- ณ วันที่ 1 กรกฎาคม - 80620 คน
- ณ วันที่ 1 ตุลาคม - 80680 คน
- ณ วันที่ 1 มกราคม ปีหน้า - 80,690 คน
การตัดสินใจ.
ข้อมูลที่นำเสนอเป็นชุดช่วงเวลา เราหาค่าเฉลี่ยโดยใช้สูตรค่าเฉลี่ยตามลำดับเวลา
ลำดับเหตุการณ์โดยเฉลี่ยสำหรับระดับต่างๆ ของช่วงเวลา:
yav = (80500+80540)*1 + (80540+80550)*1 + (80550+80560)*1 + (80560+80620)*3 + (80620+80680)*3 + (80680+80690)*3 / (2*12) = 1934790/(2*12) = 80616.25 ≈ 80616 คน
ค่าเฉลี่ยสำหรับไตรมาสฉัน:
มนุษย์
ค่าเฉลี่ยสำหรับไตรมาสที่สอง:
มนุษย์
ค่าเฉลี่ยสำหรับไตรมาสที่สาม:
มนุษย์
ค่าเฉลี่ยสำหรับครึ่งแรก:
มนุษย์
ตัวอย่าง # 2 ตาม โต๊ะ7(ภาคผนวก 2) เลือกช่วงไดนามิกที่สอดคล้องกับตัวเลือกของคุณ ซึ่ง:
1. คำนวณ:
ก) ระดับเฉลี่ยรายปีของอนุกรมเวลา
b) ห่วงโซ่และตัวชี้วัดพื้นฐานของพลวัต: การเติบโตที่แน่นอน, อัตราการเติบโต, อัตราการเติบโต;
ค) การเติบโตแบบสัมบูรณ์โดยเฉลี่ย อัตราการเติบโตเฉลี่ย อัตราการเติบโตเฉลี่ย
แนวปฏิบัติ
เพื่อกำหนดลักษณะไดนามิกจะมีการคำนวณระบบตัวบ่งชี้ไดนามิก
ตัวบ่งชี้แบบไดนามิก | สูตรคำนวณ | |
บนพื้นฐานลูกโซ่ | โดยพื้นฐานแล้ว | |
เพิ่มขึ้นแน่นอน (+) ลดลง (-) | Δ c \u003d y ฉัน -y i-1 | Δ b \u003d y ผม -y 1 |
ปัจจัยการเจริญเติบโต | ||
อัตราการเจริญเติบโต | ||
อัตราการเพิ่มขึ้น | ||
ค่าสัมบูรณ์เพิ่มขึ้นหนึ่งเปอร์เซ็นต์ | A1%=0.01 y i-1 | - |
- ระดับกลางของแถว;
- ตัวบ่งชี้เฉลี่ยของการเปลี่ยนแปลงในระดับของซีรีส์
ในการหาระดับเฉลี่ยของอนุกรมโมเมนต์ จะใช้ค่าเฉลี่ยตามลำดับเวลา:
การเติบโตสัมบูรณ์โดยเฉลี่ยคำนวณโดยขึ้นอยู่กับข้อมูลเริ่มต้นด้วยวิธีต่อไปนี้:
หรือ
อัตราการเติบโตเฉลี่ย(ลด):
หรือ, .
อัตราการเติบโตเฉลี่ย(ลด): .
ในตัวอย่างต่อไปนี้ เราจะพบว่า ขนาดเฉลี่ยกองทุน ค่าจ้าง(สำหรับชุดช่วงเวลา)
ปี | กองทุนเงินเดือนพันรูเบิล |
1994 | 300 |
1995 | 349 |
1996 | 379 |
1997 | 450 |
1998 | 501 |
1999 | 581 |
2000 | 600 |
2001 | 648 |
2002 | 677 |
2003 | 748 |
2004 | 800 |
ระดับเฉลี่ยของชุดช่วงเวลาคำนวณโดยสูตร:
ค่าจ้างเงินเดือนเฉลี่ยตั้งแต่ปี 2537 ถึง 2547 มีจำนวน 548.45,000 รูเบิล
อัตราการเติบโตเฉลี่ย
โดยเฉลี่ยตลอดระยะเวลาระหว่างปี 2537 ถึง 2547 การเติบโตของค่าจ้างและเงินเดือนอยู่ที่ 1.1 (เพิ่มขึ้น 10% ต่อปี)
อัตราการเติบโตเฉลี่ย
การเติบโตสัมบูรณ์โดยเฉลี่ย
โดยเฉลี่ยตลอดระยะเวลากองทุนค่าจ้างเพิ่มขึ้น 50,000 รูเบิล จากปีต่อปี
ในตัวอย่างต่อไปนี้ เราพบจำนวนเฉลี่ยของบุคลากรฝ่ายผลิต (สำหรับชุดช่วงเวลาหนึ่ง)
ตัวชี้วัดชุดไดนามิกโซ่.
ระยะเวลา | จำนวน PPP | การเติบโตอย่างสัมบูรณ์ | อัตราการเจริญเติบโต, % | อัตราการเติบโต, % | เนื้อหาแน่นอนเพิ่มขึ้น 1% | อัตราการเพิ่มขึ้น% |
1994 | 470 | 0 | 0 | 100 | 4.7 | 0 |
1995 | 500 | 30 | 6.38 | 106.38 | 4.7 | 6.38 |
1996 | 505 | 5 | 1 | 101 | 5 | 1.06 |
1997 | 533 | 28 | 5.54 | 105.54 | 5.05 | 5.96 |
1998 | 540 | 7 | 1.31 | 101.31 | 5.33 | 1.49 |
1999 | 589 | 49 | 9.07 | 109.07 | 5.4 | 10.43 |
2000 | 577 | -12 | -2.04 | 97.96 | 5.89 | -2.55 |
2001 | 594 | 17 | 2.95 | 102.95 | 5.77 | 3.62 |
2002 | 640 | 46 | 7.74 | 107.74 | 5.94 | 9.79 |
2003 | 628 | -12 | -1.88 | 98.13 | 6.4 | -2.55 |
2004 | 646 | 18 | 2.87 | 102.87 | 6.28 | 3.83 |
ในการหาระดับเฉลี่ยของอนุกรมโมเมนต์ จะใช้ค่าเฉลี่ยตามลำดับเวลา:
จำนวนบุคลากรอุตสาหกรรมเฉลี่ยขององค์กรสำหรับช่วงเวลาที่วิเคราะห์คือ 566.4 คน
เมื่อวิเคราะห์ชุดไดนามิก ตัวชี้วัดต่อไปนี้จะถูกคำนวณ:
- ระดับเฉลี่ยของช่วงไดนามิก
- กำไรแบบสัมบูรณ์: แบบลูกโซ่และแบบพื้นฐาน, กำไรแบบสัมบูรณ์โดยเฉลี่ย
- อัตราการเติบโต: ห่วงโซ่และพื้นฐาน อัตราการเติบโตเฉลี่ย
- อัตราการเติบโต: ห่วงโซ่และพื้นฐาน อัตราการเติบโตเฉลี่ย
- ค่าสัมบูรณ์ของการเพิ่มขึ้นหนึ่งเปอร์เซ็นต์
ตัวชี้วัดลูกโซ่และพื้นฐานถูกคำนวณเพื่อกำหนดลักษณะการเปลี่ยนแปลงในระดับของช่วงไดนามิกและแตกต่างกันตามฐานของการเปรียบเทียบ: ตัวลูกโซ่ถูกคำนวณโดยสัมพันธ์กับระดับก่อนหน้า (ฐานตัวแปรของการเปรียบเทียบ) พื้นฐาน - ถึงระดับที่ใช้ เป็นฐานของการเปรียบเทียบ (ฐานคงที่ของการเปรียบเทียบ)
ตัวชี้วัดเฉลี่ยเป็นลักษณะทั่วไปของชุดไดนามิก ด้วยความช่วยเหลือของพวกเขา ความเข้มข้นของการพัฒนาของปรากฏการณ์จะถูกเปรียบเทียบโดยสัมพันธ์กับวัตถุต่างๆ เช่น ตามประเทศ อุตสาหกรรม วิสาหกิจ ฯลฯ หรือตามช่วงเวลา
9.2.1. ไดนามิกช่วงเฉลี่ย
ค่าตัวเลขเฉพาะของสถิติที่อ้างถึงช่วงเวลาหรือช่วงเวลาเรียกว่า ระดับซีรีย์ไดนามิกและเขียนแทนด้วย yฉัน (ที่ไหน ฉัน- ตัวบ่งชี้เวลา)
วิธีการคำนวณระดับเฉลี่ยขึ้นอยู่กับประเภทของอนุกรมเวลา กล่าวคือ ไม่ว่าจะเป็นชั่วขณะหรือช่วงเวลา โดยมีช่วงเวลาที่เท่ากันหรือไม่เท่ากันระหว่างวันที่ที่อยู่ติดกัน
หากกำหนดช่วงของไดนามิกของค่าสัมบูรณ์หรือค่าเฉลี่ยที่มีระยะเวลาเท่ากัน สูตรค่าเฉลี่ยเลขคณิตอย่างง่ายจะถูกนำมาใช้ในการคำนวณระดับเฉลี่ย:
โดยที่ y 1 , y 2 , y i , …, y n คือระดับของซีรีย์ไดนามิก
n คือจำนวนระดับในชุดข้อมูล
ตัวอย่างที่ 9.2 ตามตาราง เราจะกำหนดขนาดรายเดือนเฉลี่ย ค่าสินไหมทดแทนประกันจ่ายโดยบริษัทประกันภัยต่อหนึ่งวัตถุที่ได้รับผลกระทบเป็นเวลาครึ่งปี:
หากช่วงเวลาของอนุกรมไดนามิกแบบช่วงเวลาไม่เท่ากัน ค่าของระดับเฉลี่ยจะพบโดยสูตรของค่าเฉลี่ยถ่วงน้ำหนักเลขคณิต ซึ่งความยาวของช่วงเวลาที่สอดคล้องกับระดับของอนุกรมไดนามิก (t i) ใช้เป็นตุ้มน้ำหนัก
ตัวอย่างที่ 9.3 ตามข้อมูลที่แสดงในตาราง เรากำหนดจำนวนเงินชดเชยการประกันรายเดือนโดยเฉลี่ยที่บริษัทประกันภัยจ่ายให้กับวัตถุที่ได้รับผลกระทบหนึ่งรายการ:
ในชั่วขณะ อนุกรมของไดนามิกที่มีช่วงเวลาเท่ากันระหว่างวันที่ ระดับเฉลี่ยของอนุกรมนั้นคำนวณโดยสูตรของค่าเฉลี่ยตามลำดับเวลาอย่างง่าย
โดยที่ y n คือค่าของตัวบ่งชี้เมื่อสิ้นสุดช่วงเวลาที่อยู่ระหว่างการพิจารณา
ตัวอย่างที่ 9.4 ข้อมูลขนาดด้านล่าง เงินในบัญชีของผู้ฝากเงินทุกต้นเดือน เราจะกำหนดขนาดเงินฝากเฉลี่ยในไตรมาสแรกของปี 2549:
ระดับเฉลี่ยของโมเมนต์ อนุกรมของไดนามิกเท่ากับ:
แม้ว่าไตรมาสแรกจะมีสามเดือน (มกราคม, กุมภาพันธ์, มีนาคม) แต่ต้องใช้สี่ระดับของซีรีส์ในการคำนวณ (รวมถึงข้อมูลสำหรับวันที่ 1 เมษายน) นี่เป็นเรื่องง่ายที่จะพิสูจน์ แน่นอน หากเราคำนวณระดับเฉลี่ยเป็นเดือน เราจะได้:
ในเดือนมกราคม
ในเดือนกุมภาพันธ์
ค่าเฉลี่ยที่คำนวณได้ก่อให้เกิดชุดช่วงของไดนามิกที่มีช่วงเวลาเท่ากัน ซึ่งระดับเฉลี่ยถูกคำนวณตามที่เราเห็นข้างต้น ตามสูตรค่าเฉลี่ยเลขคณิตอย่างง่าย:
ในทำนองเดียวกัน หากจำเป็นต้องคำนวณระดับเฉลี่ยของชุดโมเมนต์ของไดนามิกที่มีช่วงเวลาเท่ากันระหว่างวันที่สำหรับครึ่งแรกของปี ข้อมูลสำหรับวันที่ 1 กรกฎาคมควรใช้เป็นระดับสุดท้ายในสูตรสำหรับลำดับเหตุการณ์โดยเฉลี่ย เวลาหยุดทำงานและหากเป็นเวลาหนึ่งปี - ข้อมูลสำหรับวันที่ 1 มกราคมของปีถัดไป
ในช่วงเวลาของชุดของไดนามิกที่มีช่วงเวลาไม่เท่ากันระหว่างวันที่ ใช้สูตรค่าเฉลี่ยถ่วงน้ำหนักตามลำดับเวลาเพื่อกำหนดระดับเฉลี่ย:
โดยที่ t i คือระยะเวลาระหว่างวันที่สองวันที่ติดกัน
ตัวอย่างที่ 9.5 จากข้อมูลสต็อกสินค้าเมื่อต้นเดือน เราได้กำหนดขนาดเฉลี่ยของสต็อกในปี 2549
วันที่ | 01.01.06 | 01.02.06 | 01.03.06 | 01.07.06 | 01.09.06 | 01.12.06 | 01.01.07 |
---|---|---|---|---|---|---|---|
สต๊อกสินค้าพันรูเบิล | 1 320 | 1 472 | 1 518 | 1 300 | 1 100 | 1 005 | 920 |
ระดับเฉลี่ยของแถวคือ:
ระยะห่างระหว่างวันที่
ถ้ามี ข้อมูลทั้งหมดเกี่ยวกับค่าของตัวบ่งชี้ทางสถิติชั่วขณะสำหรับแต่ละวันที่ จากนั้นค่าเฉลี่ยของตัวบ่งชี้นี้สำหรับช่วงเวลาทั้งหมดจะถูกคำนวณตามสูตรค่าเฉลี่ยเลขคณิตถ่วงน้ำหนัก:
โดยที่ y ผม - ค่าตัวบ่งชี้
เสื้อ ผม - ความยาวของช่วงเวลาที่ค่าของตัวบ่งชี้ทางสถิตินี้ยังคงไม่เปลี่ยนแปลง
หากเราเสริมตัวอย่างที่ 9.4 ด้วยข้อมูลเกี่ยวกับวันที่ของการเปลี่ยนแปลงในเงินในบัญชีของผู้ฝากเงินในไตรมาสแรกของปี 2549 เราจะได้รับ:
- ยอดเงินสด ณ วันที่ 1 มกราคม - 132,000 รูเบิล;
- ออกในเดือนมกราคม - 19,711 รูเบิล;
- 28 มกราคม - 35,000 รูเบิล;
- จ่าย 20 กุมภาพันธ์ - 2,000 รูเบิล;
- 24 กุมภาพันธ์ - 2581 รูเบิล;
- ออกวันที่ 3 มีนาคม - 3370 รูเบิล (ไม่มีการเปลี่ยนแปลงอื่นๆ เกิดขึ้นในเดือนมีนาคม)
ดังนั้นตั้งแต่วันที่ 1 มกราคมถึง 4 มกราคม (สี่วัน) มูลค่าของตัวบ่งชี้ยังคงเท่ากับ 132,000 รูเบิลตั้งแต่วันที่ 5 มกราคมถึง 27 มกราคม (23 วัน) มูลค่าของมันคือ 112,289 รูเบิลจาก 28 มกราคมถึง 19 กุมภาพันธ์ (23 วัน) - 147,289 rubles ตั้งแต่วันที่ 20 กุมภาพันธ์ถึง 23 กุมภาพันธ์ (สี่วัน) - 149,289 rubles ตั้งแต่วันที่ 24 กุมภาพันธ์ถึง 2 มีนาคม (เจ็ดวัน) - 151,870 rubles ตั้งแต่วันที่ 3 มีนาคมถึง 31 มีนาคม (29 วัน) - 148,500 rubles เพื่อความสะดวกในการคำนวณ เรานำเสนอข้อมูลเหล่านี้ในตาราง:
ระยะเวลา ระยะเวลา วัน | 4 | 23 | 23 | 4 | 7 | 29 |
---|---|---|---|---|---|---|
ยอดเงินสดถู | 132 00 | 112 289 | 147 289 | 149 289 | 151 879 | 148 500 |
การใช้สูตรค่าเฉลี่ยเลขคณิตถ่วงน้ำหนัก เราจะหาค่าระดับเฉลี่ยของอนุกรม
อย่างที่คุณเห็น ค่าเฉลี่ยแตกต่างจากที่ได้รับในตัวอย่าง 9.4 ซึ่งแม่นยำกว่า เนื่องจากมีการใช้ข้อมูลที่แม่นยำมากขึ้นในการคำนวณ ในตัวอย่างที่ 9.4 จะทราบเฉพาะข้อมูลเมื่อต้นเดือนเท่านั้น ในขณะที่ไม่ได้ระบุเมื่อมีการเปลี่ยนแปลงตัวบ่งชี้ที่แน่นอน แต่ใช้สูตรค่าเฉลี่ยตามลำดับเวลา
โดยสรุป เราทราบว่าการคำนวณระดับเฉลี่ยของชุดข้อมูลสูญเสียความหมายในการวิเคราะห์ในกรณีที่ตัวบ่งชี้มีความแปรปรวนมากภายในชุดข้อมูล ตลอดจนการเปลี่ยนแปลงทิศทางของปรากฏการณ์ที่เปลี่ยนไปอย่างเห็นได้ชัด
9.2.2. ตัวบ่งชี้ของการเปลี่ยนแปลงอย่างสมบูรณ์ในระดับของซีรีย์ไดนามิก
การเพิ่มขึ้นแบบสัมบูรณ์จะคำนวณจากความแตกต่างระหว่างสองค่าของระดับที่อยู่ใกล้เคียงของซีรีย์ไดนามิก (การเพิ่มทีละลูกโซ่) หรือความแตกต่างระหว่างค่าของระดับปัจจุบันและระดับที่ใช้เป็นฐานเปรียบเทียบ (การเพิ่มขึ้นพื้นฐาน) ตัวบ่งชี้การเติบโตแบบสัมบูรณ์มีหน่วยวัดเดียวกันกับระดับของช่วงไดนามิก พวกเขาแสดงจำนวนหน่วยที่ตัวบ่งชี้มีการเปลี่ยนแปลงระหว่างการเปลี่ยนจากช่วงเวลาหนึ่งหรือช่วงเวลาหนึ่งไปอีกช่วงเวลาหนึ่ง
การเพิ่มขึ้นแบบสัมบูรณ์พื้นฐานคำนวณโดยสูตร
ที่ฉัน - i-th ปัจจุบันระดับแถว,
y 1 - ระดับแรกของชุดไดนามิกซึ่งใช้เป็นฐานของการเปรียบเทียบ
สูตรสำหรับกำหนดการเพิ่มสัมบูรณ์ของลูกโซ่คือ
โดยที่ i - 1 คือระดับก่อนหน้าระดับที่ i ของชุดไดนามิก
การเพิ่มขึ้นแบบสัมบูรณ์เฉลี่ยแสดงจำนวนหน่วยโดยเฉลี่ยต่อเดือน หรือรายไตรมาส หรือรายปี เป็นต้น ค่าของตัวบ่งชี้เปลี่ยนไปในช่วงเวลาที่พิจารณา ขึ้นอยู่กับข้อมูลที่เรามี มันสามารถคำนวณได้ด้วยวิธีต่อไปนี้:
ตัวอย่างที่ 9.6 ตามตารางเรากำหนดตัวบ่งชี้ของการเพิ่มขึ้นอย่างแน่นอนในจำนวนเงินชดเชยการประกันที่ บริษัท ประกันภัยจ่าย
* ผลรวมของการเติบโตแบบสัมบูรณ์ของสายโซ่ที่คำนวณได้ทั้งหมดจะให้การเติบโตแบบสัมบูรณ์พื้นฐานของช่วงที่แล้ว
การเติบโตแน่นอนเฉลี่ยรายเดือนสำหรับครึ่งปีเท่ากับ
ดังนั้นโดยเฉลี่ยแล้วจำนวนเงินที่จ่ายค่าประกันรายเดือนเพิ่มขึ้น 1.2 พันรูเบิล
9.2.3. ตัวบ่งชี้ของการเปลี่ยนแปลงสัมพัทธ์ในระดับของซีรีย์ไดนามิก
ลักษณะของการเปลี่ยนแปลงสัมพัทธ์ในระดับของชุดไดนามิกคือสัมประสิทธิ์และอัตราการเติบโตของค่าตัวบ่งชี้และอัตราการเติบโต
ปัจจัยการเติบโตคืออัตราส่วนของอนุกรมเวลาสองระดับ ซึ่งแสดงเป็นอัตราส่วนแบบทวีคูณอย่างง่าย มันแสดงให้เห็นว่าค่าของตัวบ่งชี้มีการเปลี่ยนแปลงกี่ครั้งในช่วงเวลาหนึ่ง (ช่วงเวลา) เมื่อเทียบกับช่วงเวลาอื่น อัตราการเติบโตคืออัตราการเติบโตที่แสดงเป็นเปอร์เซ็นต์ มันแสดงให้เห็นว่าค่าของตัวบ่งชี้ในช่วงเวลาที่กำหนดคือกี่เปอร์เซ็นต์ หากระดับที่ทำการเปรียบเทียบนั้นเป็น 100%
สัมประสิทธิ์และอัตราการเติบโตสามารถเป็นลูกโซ่และพื้นฐานได้
สัมประสิทธิ์ลูกโซ่และอัตราการเติบโตวัดการเปลี่ยนแปลงสัมพัทธ์ในระดับปัจจุบันของตัวบ่งชี้เมื่อเทียบกับระดับก่อนหน้า:
ปัจจัยการเจริญเติบโต:
อัตราการเจริญเติบโต:
ค่าสัมประสิทธิ์ฐานและอัตราการเติบโตเป็นตัวกำหนดการเปลี่ยนแปลงสัมพัทธ์ในระดับปัจจุบันของตัวบ่งชี้เมื่อเทียบกับระดับฐาน (ส่วนใหญ่มักจะเป็นระดับแรก):
ปัจจัยการเจริญเติบโต
อัตราการเจริญเติบโต
ห่วงโซ่และปัจจัยการเจริญเติบโตขั้นพื้นฐานมีความสัมพันธ์ดังต่อไปนี้:
อัตราการเติบโตเฉลี่ยและปัจจัยการเติบโตในอนุกรมเวลาที่มีระดับการเว้นระยะเท่ากันจะคำนวณโดยสูตรของค่าเฉลี่ยเรขาคณิตอย่างง่าย
สัมประสิทธิ์ลูกโซ่ของการเติบโต
- อัตราการเติบโตของห่วงโซ่
สูตรเหล่านี้สามารถลดเป็นรูปแบบต่อไปนี้:
เพื่อกำหนดเปอร์เซ็นต์ที่ระดับปัจจุบันของตัวบ่งชี้จะมากหรือน้อยกว่าค่าของระดับก่อนหน้าหรือฐาน อัตราการเติบโตจะถูกคำนวณ พวกเขาคำนวณโดยการลบ 100% จากอัตราการเติบโตตามลำดับ:
อัตราการเติบโตเฉลี่ยคำนวณในลักษณะเดียวกัน: 100% ถูกลบออกจากอัตราการเติบโตเฉลี่ย:
ตัวอย่างที่ 9.7 ตารางแสดงปัจจัยการเติบโตที่คำนวณได้ อัตราการเติบโต และการเพิ่มขึ้นของตัวบ่งชี้ที่แสดงลักษณะจำนวนเงินชดเชยการประกันรายเดือนโดยเฉลี่ยที่บริษัทจ่ายสำหรับช่วงเวลาตั้งแต่เดือนมกราคมถึงมิถุนายน
ตามกฎแล้วการวิเคราะห์เชิงลึกของอนุกรมไดนามิกไม่ได้รวมเฉพาะการคำนวณลักษณะของความเข้มของการเปลี่ยนแปลงในระดับของอนุกรมระหว่างการเปลี่ยนจากช่วงเวลาหนึ่งหรือช่วงเวลาหนึ่งไปอีกช่วงเวลาหนึ่ง (กำไรสัมประสิทธิ์และอัตราของ การเจริญเติบโตและการเติบโต) แต่ยังรวมถึงการกำหนดลักษณะเฉลี่ยทั่วไป (ระดับเฉลี่ยของชุดข้อมูล การเติบโตเฉลี่ยและอัตราการเติบโต) แต่ยังระบุรูปแบบหลักในการพัฒนาชุดแบบไดนามิก การกำหนดแนวโน้มการพัฒนา การสร้างแบบจำลองที่อธิบายการเปลี่ยนแปลงของปรากฏการณ์เมื่อเวลาผ่านไป การพยากรณ์ปรากฏการณ์ - ทั้งหมดนี้เป็นงานที่สำคัญที่สุดในการศึกษาชุดตัวบ่งชี้ทางเศรษฐกิจและสังคมที่มีพลวัต
การก่อตัวของระดับของซีรีย์ไดนามิกนั้นได้รับอิทธิพลจากปัจจัยต่างๆ มากมาย ซึ่งตามลักษณะของผลกระทบ สามารถจัดกลุ่มได้เป็นสามกลุ่ม:
- ทำหน้าที่เป็นเวลานานและกำหนดแนวโน้มหลักในการพัฒนาปรากฏการณ์
- การดำเนินงานเป็นระยะ - ความผันผวนตามฤดูกาลและวัฏจักร
- ทำให้เกิดความผันผวนแบบสุ่มในระดับของชุดไดนามิก
ดังนั้น ในการวิเคราะห์รูปแบบของการเปลี่ยนแปลงในระดับของชุดไดนามิกเมื่อเวลาผ่านไป จึงใช้แบบจำลองต่อไปนี้:
โดยที่ T t - แนวโน้มหลักของซีรีส์ (เทรนด์);
S t - ความผันผวนของวัฏจักร (โดยเฉพาะตามฤดูกาล)
e t - ความผันผวนแบบสุ่ม
ในโมเดลสารเติมแต่ง ซีรีย์ไดนามิกส์จะถูกนำเสนอเป็นผลรวมของส่วนประกอบที่อยู่ในรายการ ในรูปแบบการคูณ - เป็นผลิตภัณฑ์ [ ]. ในอนาคต เราจะดำเนินการต่อจากสมมติฐานของการเชื่อมต่อแบบทวีคูณระหว่างส่วนประกอบของอนุกรมเวลา
แนวโน้มของการพัฒนาหรือแนวโน้มคือทิศทางที่ก่อตัวขึ้นของการพัฒนาปรากฏการณ์ในเวลาภายใต้อิทธิพลของปัจจัยที่แสดงอย่างต่อเนื่อง เป็นไปได้ที่จะตัดสินการมีอยู่ของเทรนด์ในซีรีย์ไดนามิกบนพื้นฐานของการวิเคราะห์ด้วยภาพก็ต่อเมื่อมองเห็นได้ชัดเจนว่าระหว่างการเปลี่ยนจากจุดหนึ่งไปอีกจุดหนึ่ง ระดับของซีรีย์จะเพิ่มขึ้นหรือลดลง อย่างไรก็ตาม ตามกฎแล้ว เป็นไปไม่ได้ที่จะบอกว่ามีแนวโน้มในการเปลี่ยนระดับของซีรีย์ไดนามิกในทันทีหรือไม่ สำหรับสิ่งนี้จะใช้วิธีการพิเศษ
วิธีการระบุแนวโน้มหลักในการพัฒนาชุดไดนามิก (T t) รวมถึง:
- วิธีการขยายช่วง
- วิธีถัวเฉลี่ยเคลื่อนที่
- การจัดตำแหน่งเชิงวิเคราะห์ของอนุกรมเวลา
ลองพิจารณารายละเอียดเพิ่มเติม
9.3.1. วิธีการหยาบแบบช่วงเวลา
แอปพลิเคชัน วิธีการขยายช่วงเวลาพิจารณาตามข้อมูลในตาราง 9.13.
เดือน | จัดส่งสินค้าล้านรูเบิล |
---|---|
มกราคม | 80 |
กุมภาพันธ์ | 78 |
มีนาคม | 75 |
เมษายน | 80 |
พฤษภาคม | 82 |
มิถุนายน | 85 |
กรกฎาคม | 87 |
สิงหาคม | 82 |
กันยายน | 85 |
ตุลาคม | 84 |
พฤศจิกายน | 86 |
ธันวาคม | 88 |
อย่างที่คุณเห็น การวิเคราะห์ข้อมูลด้วยภาพไม่อนุญาตให้เราสรุปใดๆ เกี่ยวกับการมีอยู่ของแนวโน้มในชุดข้อมูลแบบไดนามิกนี้ ในบางเดือน เช่น ในเดือนกุมภาพันธ์ มีนาคม สิงหาคม ตุลาคม และธันวาคม อุปทานของ สินค้าลดลงเมื่อเทียบกับเดือนก่อน ในช่วงเวลาอื่น - เพิ่มขึ้น
ลองใช้วิธีการขยายช่วงเวลากับข้อมูลเริ่มต้นสร้างอนุกรมเวลาใหม่ที่มีช่วงเวลาที่ใหญ่กว่า - ไตรมาสและคำนวณปริมาณการส่งมอบรายเดือนเฉลี่ยในแต่ละไตรมาส (ตารางที่ 9.14)
ดังนั้น จากช่วงใหม่ที่ใหญ่ขึ้น จะเห็นได้อย่างชัดเจนว่าค่าของคุณลักษณะที่ศึกษาในด้านชั่วขณะมีแนวโน้มจะเพิ่มขึ้น
การนำวิธีการที่พิจารณามาประยุกต์ใช้นั้นจำกัดเฉพาะสถานการณ์ที่ข้อมูลเริ่มต้นอ้างอิงถึงวัน สัปดาห์ หรือเดือนของปี เนื่องจากค่าของลักษณะที่ศึกษาในช่วงเวลาที่เล็กลงอาจมีความผันผวนแบบสุ่มมากกว่า หากช่วงเวลาเป็นปี การขยายช่วงเวลาจะไม่ได้ผล
9.3.2. วิธีค่าเฉลี่ยเคลื่อนที่
วิธีถัดไปในการระบุแนวโน้มในชุดไดนามิกจะขึ้นอยู่กับการคำนวณและการวิเคราะห์ที่เรียกว่าค่าเฉลี่ยเคลื่อนที่ (เคลื่อนที่)
ค่าเฉลี่ยเคลื่อนที่ (เคลื่อนที่) คือค่าเฉลี่ยเลขคณิตของตัวบ่งชี้ซึ่งคำนวณจากช่วงขยายระยะ m ใหม่ กฎสำหรับการสร้างช่วงเวลาเหล่านี้มีดังนี้ ช่วงเวลาแรกรวมถึงระดับ m แรกของอนุกรมเวลา ช่วงที่สองเกิดขึ้นจากการกำจัดสมาชิกตัวแรกของช่วงเวลาที่ขยายออกและแทนที่ด้วยองค์ประกอบถัดไปของอนุกรมเวลาด้วยตัวเลข (m + 1) เป็นต้น . - จนกว่าระดับสุดท้ายของแถวจะรวมอยู่ในช่วงเวลา จากค่าเฉลี่ยเคลื่อนที่ที่คำนวณในลักษณะนี้ จะมีการสรุปเกี่ยวกับการมีอยู่ของแนวโน้มในอนุกรมเวลา
หากช่วงเวลาสามเดือนถูกใช้เป็นช่วงขยายเวลา ค่าเฉลี่ยเคลื่อนที่สามเทอมแรกจะถูกคำนวณเป็นค่าเฉลี่ยเลขคณิตของข้อมูลสำหรับเดือนมกราคม กุมภาพันธ์ และมีนาคม ช่วงที่สอง - เป็นค่าเฉลี่ยเลขคณิตของข้อมูลในเดือนกุมภาพันธ์ มีนาคม เมษายน เป็นต้น ค่าของเส้นค่าเฉลี่ยเคลื่อนที่หมายถึงช่วงเวลาที่กำหนดซึ่งตรงกับช่วงกลางของช่วงเวลาที่ขยาย
มาทำให้อนุกรมเรียบขึ้นโดยใช้วิธีค่าเฉลี่ยเคลื่อนที่สำหรับสมาชิกสามคน (ตารางที่ 9.15)
ในตัวอย่างของเรา ค่าเฉลี่ยเคลื่อนที่แรกคือเดือนกุมภาพันธ์ ค่าเฉลี่ยเคลื่อนที่ที่สองสำหรับเดือนมีนาคม เป็นต้น
ในกรณีเหล่านั้น เมื่อมีการปรับให้เรียบในช่วงจำนวนคู่ของชุดของไดนามิก ช่วงเวลาตรงกลางของการปรับให้เรียบจะอยู่ระหว่างสองช่วงเวลา (ช่วงเวลา) ตัวอย่างเช่น หากปรับให้เรียบในช่วงสี่เทอม ตรงกลางของช่วงแรกจะอยู่ระหว่างเดือนกุมภาพันธ์ถึงมีนาคม ตรงกลางของช่วงที่สองจะเป็นระหว่างเดือนมีนาคมถึงเมษายน เป็นต้น ในกรณีเช่นนี้ จำเป็นต้องจัดศูนย์ผลลัพธ์ที่ได้รับเพื่อระบุค่าที่ปรับให้เรียบของตัวบ่งชี้ตามช่วงเวลาหรือจุดในเวลาที่กำหนด การคำนวณค่าเฉลี่ยเคลื่อนที่ที่มีศูนย์กลางสามารถทำได้ในสองขั้นตอน:
- การกำหนดผลรวมเคลื่อนที่และค่าเฉลี่ยเคลื่อนที่ที่ไม่อยู่ศูนย์กลางสำหรับระดับของชุดไดนามิกที่เป็นจำนวนคู่
- การคำนวณค่าเฉลี่ยเคลื่อนที่ที่มีศูนย์กลางจากสองเส้นค่าเฉลี่ยเคลื่อนที่ที่ไม่อยู่ตรงกลางซึ่งคำนวณไว้ก่อนหน้านี้และกำหนดให้กับช่วงเวลาหรือจุดที่เกี่ยวข้องกัน
วิธีการคำนวณค่าเฉลี่ยเคลื่อนที่ที่มีศูนย์กลางแสดงอยู่ด้านล่าง (ตารางที่ 9.16)
9.3.3. การปรับให้เรียบเชิงวิเคราะห์ (การจัดตำแหน่ง) ของอนุกรมเวลา
การวิเคราะห์ระดับของอนุกรมเวลาคือการค้นหาแบบจำลองเฉพาะ (สมการแนวโน้ม) ที่อธิบายแนวโน้มทางคณิตศาสตร์ในการพัฒนาปรากฏการณ์เมื่อเวลาผ่านไป ในเวลาเดียวกัน ระดับของตัวบ่งชี้ถือเป็นฟังก์ชันของเวลาเท่านั้น ต่างจากวิธีการที่กล่าวไว้ข้างต้น เช่น การขยายช่วงเวลา ค่าเฉลี่ยเคลื่อนที่ ซึ่งมุ่งเป้าไปที่การตอบคำถามเป็นหลัก: มีแนวโน้มในอนุกรมไดนามิกหรือไม่ และกำหนดทิศทางของมัน การจัดตำแหน่งเชิงวิเคราะห์ช่วยให้คุณกำหนดลักษณะของ พัฒนาการของปรากฏการณ์ และที่สำคัญที่สุดคือ อธิบายมันทางคณิตศาสตร์ จับความแตกต่างและทิศทางของการพัฒนาทั้งหมด และที่น่าสนใจที่สุดคือใช้แบบจำลองผลลัพธ์สำหรับการพยากรณ์ในอนาคต
ขั้นตอนแรกในการจัดแนวการวิเคราะห์คือการเลือกประเภทของฟังก์ชันทางคณิตศาสตร์ที่ควรใช้เป็นแบบจำลองแนวโน้ม ในกรณีนี้ รูปร่างของเส้นโค้งที่ได้มาจากการแสดงข้อมูลเชิงประจักษ์บนกราฟสามารถชี้นำได้ รูปแบบการสร้างกราฟค่อนข้างง่าย: ช่วงเวลา (วันที่) ถูกพล็อตตามแกน abscissa ค่าของระดับชุดไดนามิกจะถูกพล็อตตามแกนพิกัด
เมื่อวิเคราะห์อนุกรมเวลา ฟังก์ชันต่อไปนี้มักถูกใช้เป็นเส้นแนวโน้ม:
นอกจากนี้ ความสามารถของซอฟต์แวร์สมัยใหม่ (เช่น ระบบ STATICA) ยังอนุญาตให้ใช้ฟังก์ชันทางคณิตศาสตร์ของประเภทใดก็ได้ (กำหนดโดยผู้ใช้) เป็นแบบจำลองแนวโน้ม
การจัดตำแหน่งเชิงเส้น (ตรง) ทางเลือกที่สอดคล้องกับการจัดตำแหน่งด้วยฟังก์ชันเชิงเส้นนั้นขึ้นอยู่กับผลลัพธ์ของการวิเคราะห์เชิงกราฟของข้อมูลเชิงประจักษ์ หรือหากระดับของอนุกรมเปลี่ยนไปในความก้าวหน้าทางคณิตศาสตร์ (ในกรณีนี้ การเพิ่มขึ้นของระดับสัมบูรณ์ของสายโซ่ที่คำนวณได้ ได้ใกล้เคียงกัน)
เมื่อจัดแนวกับฟังก์ชันเชิงเส้น (เส้นตรง) จะใช้สมการของแบบฟอร์ม
y t = a 0 + a 1 t,
โดยที่ t เป็นตัวบ่งชี้เวลาตามเงื่อนไข
พารามิเตอร์สมการถูกกำหนดโดยวิธีกำลังสองน้อยที่สุดโดยการแก้ระบบสมการเชิงเส้นปกติ
ตัวอย่างเช่น พิจารณาอนุกรมเวลาที่แสดงในตาราง 9.17.
ปี | 2001 | 2002 | 2003 | 2004 | 2005 | 2006 |
---|---|---|---|---|---|---|
รายได้ของธนาคารจากการดำเนินงานด้านหลักทรัพย์ ล้านรูเบิล | 70 | 92 | 112 | 135 | 159 | 185 |
ห่วงโซ่กำไรแน่นอน | - | 22 | 20 | 23 | 24 | 26 |
ดังนั้นการเพิ่มขึ้นสัมบูรณ์ของลูกโซ่ที่คำนวณโดยเรานั้นค่อนข้างคงที่ ดังนั้นเราสามารถพูดถึงความเหมาะสมของการเลือกสมการของเส้นตรงเป็นฟังก์ชันการวิเคราะห์ได้
เมื่อหาค่าพารามิเตอร์ของสมการ จะสะดวกต่อการกำหนดดัชนีเวลาเพื่อให้ค่าความเสมอภาคต่อไปนี้คงอยู่: . เมื่อต้องการทำเช่นนี้ด้วยจำนวนระดับของซีรีส์ที่เป็นเลขคี่ ช่วงเวลา (จุด) ของเวลาที่อยู่ตรงกลางของซีรีส์จะได้รับการกำหนดค่า t = 0 ค่าก่อนหน้าจะได้รับการกำหนดค่า -1, -2 , -3 เป็นต้น ตามด้วยค่า 1, 2, 3 เป็นต้น (เช่นมีขั้นตอนที่ 1 จากตรงกลางของแถวไปด้านหนึ่งและอีกด้านหนึ่งจากตรงกลาง)
สมมติว่าเรากำลังพิจารณาชุดข้อมูลแบบไดนามิกที่มีห้าระดับ (สำหรับช่วงเวลาตั้งแต่ปี 2545 ถึงปี 2549) จากนั้นเราจะระบุตัวบ่งชี้เวลาตามเงื่อนไขดังแสดงในตาราง 9.18.
ด้วยจำนวนระดับที่เท่ากัน จึงมีช่วงเวลาสองช่วงเวลา (ช่วงเวลา) ในช่วงกลางของซีรีส์ หนึ่งในนั้นได้รับการกำหนดค่า t = -1 และอีกค่าหนึ่ง t = +1 จากนั้นครั้งก่อนหน้าจะได้รับค่า -3, -5 ฯลฯ และค่าที่ตามมา - +3, +5 เป็นต้น (เช่นมีขั้นตอนที่ 2 ไปด้านใดด้านหนึ่งและอีกด้านหนึ่งจากตรงกลาง)
ด้วยวิธีการกำหนดเวลานี้ ระบบสมการจึงง่ายขึ้น
จากนั้นหาค่าสัมประสิทธิ์ของสมการ a 0 และ 1 ได้ดังนี้
มากำหนดกันตามตารางกัน 9.17 ซึ่งแสดงชุดของไดนามิกที่มีจำนวนระดับเท่ากัน พารามิเตอร์ของสมการเส้นตรง (ตารางที่ 9.19)
ปี | รายได้ของธนาคารจากการดำเนินงานด้านหลักทรัพย์ ล้านรูเบิล y | t | t2 | yt | ค่าระดับ y t |
---|---|---|---|---|---|
2001 | 70 | -5 | 25 | -350 | 68,43 |
2002 | 92 | -3 | 9 | -276 | 91,258 |
2003 | 112 | -1 | 1 | -112 | 114,086 |
2004 | 135 | 1 | 1 | 135 | 136,914 |
2005 | 159 | 3 | 9 | 477 | 159,742 |
2006 | 185 | 5 | 25 | 925 | 182,57 |
ซำ | 753 | 0 | 70 | 799 | 753 |
สมการเส้นตรงที่ต้องการมีรูปแบบดังนี้ y t = 125.5 + 11.414t
แทนที่ค่าที่สอดคล้องกันของ t ลงในสมการผลลัพธ์ เราจะคำนวณค่าทางทฤษฎีที่เท่ากันของตัวบ่งชี้ (ดูคอลัมน์สุดท้ายของตารางที่ 9.11) ในกรณีนี้ ผลรวมของค่าที่เท่ากันควรเท่ากับผลรวมของค่าเชิงประจักษ์ (753) หากไม่เป็นเช่นนั้น พารามิเตอร์ของสมการจะถูกกำหนดอย่างไม่ถูกต้อง
กราฟที่สร้างขึ้นโดยใช้ค่าที่สอดคล้องกันของตัวบ่งชี้จะสะท้อนถึงแนวโน้มในการพัฒนาปรากฏการณ์เมื่อเวลาผ่านไป (รูปที่ 9.1)
ข้าว. 9.1.
จากสมการแนวโน้มที่ได้รับ คุณสามารถสร้างค่าการคาดการณ์ของตัวบ่งชี้สำหรับช่วงเวลาต่างๆ ได้โดยการแทนที่ค่าขององค์ประกอบเวลาลงในสมการผลลัพธ์ ตัวอย่างเช่น สำหรับปี 2550 เราได้รับรายได้ที่คาดหวังดังต่อไปนี้:
y i = 125.5 + 11.414t = 125.5 + 11.414 * 7 = 205.398 (ล้านรูเบิล)
การจัดตำแหน่งพาราโบลาของลำดับที่สอง ด้วยการเปลี่ยนแปลงแบบเร่งหรือช้าในระดับของอนุกรมไดนามิก เมื่อความแตกต่างของระดับที่สองที่คำนวณได้นั้นคงที่ (การเพิ่มทีละขั้นแบบสัมบูรณ์ของสายโซ่ของการเพิ่มทีละขั้นแบบสัมบูรณ์ของสายโซ่) พาราโบลาอันดับสองจะใช้สำหรับการจัดตำแหน่งเชิงวิเคราะห์:
y ผม = a 0 + a 1 t + a 2 t 2 .
พารามิเตอร์ของสมการหาได้จากวิธีกำลังสองน้อยที่สุด ในขณะที่การกำหนดตัวบ่งชี้เวลาแบบมีเงื่อนไข t จะคล้ายกันอย่างยิ่งกับการกำหนดเวลาในการสร้างเส้นตรง
ระบบสมการปกติในการหาค่าพารามิเตอร์ของสมการพาราโบลามีรูปแบบดังนี้
หากเรายอมรับการกำหนดเวลาที่ความเท่าเทียมกันนั้นได้รับการตอบสนอง ระบบสมการที่พิจารณาแล้วจะลดความซับซ้อนลงได้ มันจะมีรูปแบบดังต่อไปนี้:
ให้เราดำเนินการจัดตำแหน่งเชิงวิเคราะห์ของข้อมูลที่แสดงถึงพลวัตของการลงทุนสำหรับช่วงปี 2544-2549 (ตารางที่ 9.20).
ตัวบ่งชี้ | ปี | |||||
---|---|---|---|---|---|---|
2001 | 2002 | 2003 | 2004 | 2005 | 2006 | |
การลงทุน ล้านรูเบิล y i | 98 | 100 | 130 | 193 | 280 | 391 |
ความแตกต่างแรก (การเพิ่มขึ้นแบบสัมบูรณ์ของสายโซ่) | - | 2 | 30 | 63 | 87 | 111 |
ความแตกต่างที่สอง | - | - | 28 | 33 | 24 | 24 |
ความแตกต่างที่สองที่คำนวณได้แสดงให้เห็นถึงความคงตัวสัมพัทธ์ ดังนั้น ในฐานะฟังก์ชันวิเคราะห์สำหรับการจัดตำแหน่ง เราจึงใช้สมการของพาราโบลาอันดับสอง ทางเลือกของเรายืนยัน การวิเคราะห์แบบกราฟิกข้อมูล (รูปที่ 9.2)
ข้าว. 9.2.
เราจะทำการคำนวณที่จำเป็นเพื่อกำหนดพารามิเตอร์ของสมการในตาราง 9.21.
ปี | การลงทุนใน ทุนจดทะเบียน, ล้านรูเบิล, y | t2 | t4 | y-t | yt2 | ค่าระดับ y i | |
---|---|---|---|---|---|---|---|
1999 | 98 | -5 | 25 | 625 | -490 | 2 450 | 97 |
2000 | 100 | -3 | 9 | 81 | -300 | 900 | 101 |
2001 | 130 | -1 | 1 | 1 | -130 | 130 | 132 |
2002 | 193 | 1 | 1 | 1 | 193 | 193 | 191 |
2003 | 280 | 3 | 9 | 81 | 840 | 2 520 | 278 |
2004 | 391 | 5 | 25 | 625 | 1 955 | 9 775 | 392 |
ซำ | 1 192 | 0 | 70 | 1 414 | 2 068 | 15 968 | 1 192 |
มาสร้างและแก้ระบบสมการกัน (ตารางที่ 9.15):
ดังนั้นสมการพาราโบลาที่ต้องการจึงมีรูปแบบ
ผม =158.406 + 29.543t + 3.451t 2 .
การจัดตำแหน่งตามฟังก์ชันเลขชี้กำลัง หากระดับของชุดข้อมูลเปลี่ยนแปลงแบบทวีคูณ เป็นต้น ปัจจัยการเจริญเติบโตของลูกโซ่ที่คำนวณได้นั้นค่อนข้างคงที่ จากนั้นฟังก์ชันเลขชี้กำลังของแบบฟอร์มจะถูกใช้สำหรับการจัดตำแหน่ง
พารามิเตอร์ของสมการเลขชี้กำลังถูกกำหนดโดยการแก้ระบบสมการปกติต่อไปนี้:
หากเรายอมรับการกำหนดเวลา t ภายใต้เงื่อนไขที่ตรงตามเงื่อนไข ระบบจะลดความซับซ้อนลงอย่างมาก:
ให้เราดำเนินการวิเคราะห์เชิงวิเคราะห์ของข้อมูลที่แสดงถึงการเปลี่ยนแปลงจำนวนบริษัทประกันภัยในภูมิภาคในช่วงปี 2543-2549 (ตารางที่ 9.22)
ปี | 2000 | 2001 | 2002 | 2003 | 2004 | 2005 | 2006 |
---|---|---|---|---|---|---|---|
จำนวนบริษัทประกันภัย y i | 215 | 220 | 223 | 229 | 235 | 241 | 248 |
ปัจจัยการเจริญเติบโตของห่วงโซ่ | - | 1,023 | 1,014 | 1,027 | 1,026 | 1,026 | 1,029 |
ปัจจัยการเจริญเติบโตของลูกโซ่ที่ค่อนข้างคงที่ทำให้สามารถเลือกฟังก์ชันเลขชี้กำลังเป็นนิพจน์เชิงวิเคราะห์ของแนวโน้มได้
เราจะทำการคำนวณที่จำเป็นเพื่อกำหนดพารามิเตอร์ของสมการที่เลือกในตาราง 9.23.
ปี | จำนวนบริษัทประกันภัย y | สัญลักษณ์ของเวลา t | t2 | lgy | t-lgy | ค่าระดับ y t |
---|---|---|---|---|---|---|
2000 | 215 | -3 | 9 | 2,332438 | -6,99732 | 210 |
2001 | 220 | -2 | 4 | 2,342423 | -4,68485 | 217 |
2002 | 223 | -1 | 1 | 2,348305 | -2,3483 | 223 |
2003 | 229 | 0 | 0 | 2,359835 | 0 | 230 |
2004 | 241 | 1 | 1 | 2,371068 | 2,371068 | 237 |
2005 | 241 | 2 | 4 | 2,382017 | 4,764034 | 244 |
2006 | 248 | 3 | 9 | 2,394452 | 7,183355 | 251 |
ซำ | 1 611 | 0 | 28 | 16,53054 | 0,287991 | 1 611 |
เราเขียนและแก้ระบบสมการปกติ: ดังนั้นช่วงเวลา (ช่วงเวลา) จึงเป็นเพียงตัวเลข ฯลฯ การประทับเวลาได้รับการกำหนดค่า (1, 2, 3, ฯลฯ ) เริ่มต้นที่ระดับแรกของซีรีส์2
แทนที่ค่าของตัวบ่งชี้เวลาแบบมีเงื่อนไข t ลงในสมการผลลัพธ์ เราจะคำนวณค่าที่เท่ากัน y ฉัน และวางไว้ในตารางการคำนวณ ดังที่เราเห็น ค่าที่ปรับแล้วค่อนข้างใกล้เคียงกับข้อมูลเชิงประจักษ์ ซึ่งทำให้เราสามารถคาดหวังการคาดการณ์ที่เชื่อถือได้ตามแบบจำลองที่สร้างขึ้น
เมื่อทำการจัดตำแหน่งเชิงวิเคราะห์ มักจะเป็นเรื่องยากที่จะกำหนดรูปแบบที่เหมาะสมของสมการแนวโน้มล่วงหน้า โดยเฉพาะอย่างยิ่งหากข้อมูลเชิงประจักษ์ไม่ได้แสดงให้เห็นอย่างชัดเจนถึงความเกี่ยวข้องกับฟังก์ชันการวิเคราะห์ใดๆ จากนั้นดำเนินการดังนี้ สร้างสมการแนวโน้มหลายชุด จากนั้น สำหรับแต่ละค่าความแปรปรวนที่เหลือจะถูกคำนวณ และแบบจำลองที่มีความแปรปรวนเหลือน้อยที่สุดจะถือเป็นแบบจำลองที่ดีที่สุดที่มีอยู่ในขณะนี้
การกระจายตัวของสารตกค้างคำนวณโดยสูตร
นี่เป็นวิธีที่ง่ายกว่า แต่มีวิธีการอื่นที่ซับซ้อนกว่า
ชุดตามลำดับเวลา (ชุดของไดนามิก ชุดไดนามิก) คือชุดของตัวบ่งชี้ทางสถิติ การเปลี่ยนแปลงที่สอดคล้องกันซึ่งสะท้อนถึงการพัฒนาของปรากฏการณ์ทางสังคมเมื่อเวลาผ่านไป ชุดของไดนามิกประกอบด้วยสององค์ประกอบ: ตัวบ่งชี้เวลาซึ่งเป็นตัวบ่งชี้ทางสถิติ ระดับแถว y
ตามเวลาที่สะท้อนในชุดของไดนามิก ช่วงเวลาและช่วงเวลาตามลำดับเวลาจะแตกต่างออกไป
ในช่วงเวลาของไดนามิกแบบอนุกรม ตัวบ่งชี้ทางสถิติจะอธิบายลักษณะของปรากฏการณ์ ณ จุดใดเวลาหนึ่ง สำหรับชุดไดนามิกชุดหนึ่ง เป็นลักษณะเฉพาะที่แต่ละรายการที่ตามมา ดังนั้นผลรวมของตัวบ่งชี้ของอนุกรมดังกล่าวจึงไม่สมเหตุสมผลทางเศรษฐกิจ
ชุดช่วงของไดนามิกประกอบด้วยตัวบ่งชี้ที่แสดงถึงขนาดของปรากฏการณ์ในช่วงระยะเวลาหนึ่ง ตัวบ่งชี้ของชุดข้อมูลดังกล่าวสามารถสรุปได้ ส่งผลให้ได้ชุดไดนามิกชุดใหม่ โดยแต่ละตัวบ่งชี้จะกำหนดลักษณะของขนาดของปรากฏการณ์ในช่วงเวลาที่นานขึ้น
ตามวิธีการแสดงอนุกรมของไดนามิก พวกมันสามารถเป็นอนุกรมของค่าสัมบูรณ์ ค่าสัมพัทธ์ และค่าเฉลี่ย
เพื่อกำหนดลักษณะความรุนแรงของการเปลี่ยนแปลงในปรากฏการณ์ทางสังคมในช่วงเวลาหนึ่ง ตัวชี้วัดต่อไปนี้จะถูกคำนวณ: การเติบโตแบบสัมบูรณ์ อัตราการเติบโต อัตราการเติบโต ค่าสัมบูรณ์ของการเติบโต 1% สัมประสิทธิ์ตะกั่ว
ขึ้นอยู่กับฐานเปรียบเทียบ ฐานเหล่านี้อาจเป็นแบบพื้นฐาน (หนึ่ง ระดับคงที่ใช้เป็นฐานเปรียบเทียบ) และแบบลูกโซ่ (ระดับก่อนหน้าถือเป็นฐานเปรียบเทียบ)
การเพิ่มขึ้นสัมบูรณ์ของ y คือความแตกต่างในระดับของซีรีส์ ซึ่งแสดงเป็นหน่วยวัดของตัวบ่งชี้ของซีรีย์ไดนามิก:
y พื้นฐาน \u003d yi - yo;
ห่วงโซ่ y = yi - yi-1 ,
โดยที่ yi - ระดับของชุดไดนามิก
โย่ - ระดับพื้นฐาน;
br-1 - ระดับก่อนหน้า
อัตราการเติบโต Tr - อัตราส่วนของระดับหนึ่งไปอีกระดับหนึ่งซึ่งเป็นพื้นฐานสำหรับการเปรียบเทียบแสดงเป็นค่าสัมประสิทธิ์หรือเปอร์เซ็นต์:
Tr พื้นฐาน = ;
โซ่ตร = .
อัตราการเติบโต Tpr - อัตราส่วนของการเติบโตสัมบูรณ์ต่อระดับที่ใช้เป็นฐานของการเปรียบเทียบ แสดงในค่าสัมประสิทธิ์หรือเปอร์เซ็นต์:
T pr พื้นฐาน = ;
T pr chain =
ค่าสัมบูรณ์ของการเพิ่มขึ้น 1% A แสดงค่าสัมบูรณ์ที่มีอยู่ใน 1% และถูกกำหนดให้เป็นอัตราส่วนของการเพิ่มสัมบูรณ์ของสายโซ่ต่อ ก้าวของโซ่การเติบโต แสดงเป็นเปอร์เซ็นต์:
เหล่านั้น. ค่าสัมบูรณ์ของการเพิ่มขึ้น 1% สามารถกำหนดเป็น 0.01 ของระดับก่อนหน้าได้
สำหรับลักษณะทั่วไปของพลวัตของปรากฏการณ์ทางสังคม ระดับเฉลี่ยของชุดของไดนามิก การเพิ่มขึ้นสัมบูรณ์โดยเฉลี่ย อัตราการเติบโตเฉลี่ย และอัตราการเติบโตเฉลี่ยจะถูกกำหนด
ระดับเฉลี่ยของชุดไดนามิกเรียกว่า ลำดับเหตุการณ์เฉลี่ย ซึ่งให้คำอธิบายทั่วไปเกี่ยวกับพัฒนาการของปรากฏการณ์ในเวลา
ในชุดช่วงของไดนามิก ระดับเฉลี่ย y ถูกกำหนดโดยสูตร:
โดยที่ n คือจำนวนระดับในซีรีส์
y - ระดับ
ในขณะนี้ ชุดของไดนามิก:
1) ด้วยช่วงเวลาเท่ากันระหว่างจุดเวลา ระดับเฉลี่ยจะถูกกำหนดโดยสูตร:
โดยที่ n คือจำนวนระดับ
2) ด้วยช่วงเวลาไม่เท่ากันระหว่างจุดเวลา ระดับเฉลี่ยถูกกำหนดโดยสูตร:
โดยที่ ti คือค่าของช่วงเวลาระหว่างจุดเวลา
การเพิ่มขึ้นแบบสัมบูรณ์โดยเฉลี่ยนั้นพิจารณาจากค่าส่วนบุคคลของการเพิ่มขึ้นแบบสัมบูรณ์แบบลูกโซ่:
อัตราการเติบโตเฉลี่ยกำหนดโดยสูตรค่าเฉลี่ยทางเรขาคณิต:
โดยที่ Ti - อัตราการเติบโต
m คือจำนวนอัตราการเติบโต
หากทราบระดับของอนุกรมเวลา อัตราการเติบโตเฉลี่ยสามารถกำหนดเป็น
โดยที่คุณคือระดับของช่วงเวลาแรกและช่วงสุดท้าย (ช่วงเวลา) ในชุดของไดนามิก
อัตราการเติบโตเฉลี่ยพิจารณาจากอัตราการเติบโตเฉลี่ย:
Tpr \u003d Tr - 1 (100%)
งานที่แก้ไขได้อย่างหนึ่งในการวิเคราะห์พลวัตคือการสร้างความสม่ำเสมอ (แนวโน้ม) ในการพัฒนาปรากฏการณ์ทันเวลา
ด้วยเหตุนี้ จึงใช้วิธีการขยายช่วงเวลา ค่าเฉลี่ยเคลื่อนที่ และการจัดตำแหน่งเชิงวิเคราะห์
วิธีการขยายช่วงเวลาประกอบด้วยความจริงที่ว่าชุดไดนามิกเริ่มต้นถูกเปลี่ยนและแทนที่ด้วยอีกอันหนึ่งซึ่งตัวบ่งชี้อ้างถึงระยะเวลาที่นานขึ้น วิธีนี้ใช้สำหรับอนุกรมช่วงเวลาเท่านั้น
วิธีค่าเฉลี่ยเคลื่อนที่ประกอบด้วยช่วงที่ขยายใหญ่ขึ้น ซึ่งประกอบด้วยระดับจำนวนเท่ากัน ในกรณีนี้ แต่ละช่วงที่ตามมาจะได้มาโดยค่อยๆ เปลี่ยนจากช่วงเวลาเริ่มต้นของอนุกรมเวลาทีละช่วง ในช่วงเวลาที่ขยายใหญ่ขึ้น ค่าเฉลี่ยของระดับที่รวมอยู่ในแต่ละช่วงจะถูกกำหนด เมื่อใช้วิธีการจัดตำแหน่งเชิงวิเคราะห์เพื่อระบุแนวโน้มในการพัฒนาของปรากฏการณ์เมื่อเวลาผ่านไป ระดับที่แท้จริงจะถูกแทนที่ด้วยระดับทางทฤษฎีที่คำนวณบนพื้นฐานของ สมการของเส้นโค้งหรือเส้นตรงที่สะท้อนถึงแนวโน้มทั่วไป
หากอนุกรมอยู่ในแนวเดียวกันตามสมการของเส้นตรง แนวโน้มทั่วไปจะแสดงด้วยสมการดังนี้
โดยที่ a และ b คือพารามิเตอร์ของสมการ
yt - ระดับทฤษฎีของชุดพลวัต
เสื้อ - ช่วงเวลาหรือจุดในเวลา
ในการคำนวณ yt ด้วย t ที่ทราบ จำเป็นต้องกำหนดพารามิเตอร์ของสมการก่อน สำหรับสิ่งนี้ ใช้วิธีกำลังสองน้อยที่สุด ซึ่งทำให้ระบบสมการเชิงเส้น:
โดยที่ y - ระดับที่แท้จริงของชุดไดนามิก
n คือจำนวนของระดับเหล่านี้
ระบบสมการนี้สามารถทำให้ง่ายขึ้นได้หากช่วงเวลา t เป็นตัวเลข ดังนั้นผลรวมของสมการจะเท่ากับ 0 (t = 0) เมื่อต้องการทำเช่นนี้ ในชุดของไดนามิกที่มีจำนวนระดับคู่ การนับต้องเริ่มจากตรงกลางของชุดที่มีตัวเลข -1, +1; ในชุดของไดนามิกที่มีจำนวนระดับคี่ การนับต้องเริ่มจากตรงกลางของชุดจาก 0 แล้ว