Page 103 - Gričar, Sergej, in Štefan Bojnec, 2016. Aplikacija metodologije časovnih serij na primeru turističnih cen. Koper: Založba Univerze na Primorskem.
P. 103
Empirična analiza kvantitativne raziskave
so na osnovi mesečnih podatkov in vsi z
dvanajstimi mesečnimi odlogi na MA koeficientu.
Preglednica 7: SPSS ARIMA model in ARIMA letalski model.
in za 2
1 ARIMA parametri
parametri R2 BIC Q(18)
Časovna vrsta SPSS model R2 BIC Q(18)
ICŽP WA 0,31 -0,783 14,924 (0,1,1) 0,27 -0,665 18,453
ICŽPEA (0,457) (0,1,1)12 -2,175 (0,298)
WA 1,779
ICGS 0,51 -2,415 0,072 (0,1,1) 0,35 -2,791 24,533
ICGSEA (0,1,0) (0,004) (0,1,1)12 0,390 (0,078)
(1,0,0)12 6,329
IAC 0,04 1,594 2,670 (0,1,1) 0,01 4,820 1,982 103
IBPG WA (1,000) (0,1,1)12 -1,383 (1,000)
Turisti -0,722
ICIPP WA 0,29 -2,995 46,632 (0,1,1) 0,18 6,200 32,277
ICS (0,000) (0,1,1)12 -3,132 (0,009)
ICN SS 4,937
NEDT 0,46 0,100 14,292 (0,1,1) 0,34 -5,114 14,451
ICTG WM (0,504) (0,1,1)12 -2,536 (0,565)
2,084
K1 (1,1,0) 0,55 6,093 25,114 (0,1,1) 0,52 15,425
K2 (0,0,0)12 (0,068) (0,1,1)12 (0,494)
Y = ICGS (0,1,0)
(0,1,1)12 0,57 4,590 37,735 (0,1,1) 0,49 16,045
(0,002) (0,1,1)12 (0,450)
DT
0,17 -1,634 25,154 (0,1,1) 0,46 17,006
(0,2,7) (0,091) (0,1,1)12 (0,385)
(0,0,0)12
0,08 -0,764 18,099 (0,1,1) 0,05 14,097
(0,1,1) (0,383) (0,1,1)12 (0,591)
(0,0,0)12
0,21 5,924 21,656 (0,1,1) 0,56 33,223
(1,1,0) (0,117) (0,1,1)12 (0,007)
(0,1,1)12
0,36 -3,636 15,326 (0,1,1) 0,27 28,749
SS (0,428) (0,1,1)12 (0,026)
(0,1,0) 0,05 4,661 21,635 (0,1,1) 0,51 27,121
(0,0,0)12 (0,199) (0,1,1)12 (0,040)
0,58 -5,221 14,836 (0,1,1) 0,55 22,524
(0,537) (0,1,1)12 (0,127)
0,50 -2,743 29,347 (0,1,1) 0,46 14,373
(0,022) (0,1,1)12 (0,571)
0,45 1,151 10,005 (0,1,1) 0,40 6,655
(0,932) (0,1,1)12 (0,979)
Opomba: – splošna ob-
lika ARIMA modela, kjer označuje število lastnih odlogov spremenljivke , je opera-
tor odloga, vrednost slučajnih napak, – kombinacija dvojnega diferenciranja,
– stacionarna časovna serija, – koeficient, WA – zimski dodatek (winter aditive)
SPSS ustrezni model, SS – enostavno sezonski (simple seasonal) SPSS ustrezni model, DT
– zavržen trend (damped trend), – nesezonski ARMA koeficienti, – število nese-
zonskih diferenc, – število multiplikativnih avtoregresijskih koeficientov, – število sezon-
skih diferenc, – število multiplikativnih koeficientov drsečih sredin, – obdobje sezonsko-
sti, R2 – popravljen stacionaren determinacijski koeficient, BIC – Bayes informacijski kriterij,
so na osnovi mesečnih podatkov in vsi z
dvanajstimi mesečnimi odlogi na MA koeficientu.
Preglednica 7: SPSS ARIMA model in ARIMA letalski model.
in za 2
1 ARIMA parametri
parametri R2 BIC Q(18)
Časovna vrsta SPSS model R2 BIC Q(18)
ICŽP WA 0,31 -0,783 14,924 (0,1,1) 0,27 -0,665 18,453
ICŽPEA (0,457) (0,1,1)12 -2,175 (0,298)
WA 1,779
ICGS 0,51 -2,415 0,072 (0,1,1) 0,35 -2,791 24,533
ICGSEA (0,1,0) (0,004) (0,1,1)12 0,390 (0,078)
(1,0,0)12 6,329
IAC 0,04 1,594 2,670 (0,1,1) 0,01 4,820 1,982 103
IBPG WA (1,000) (0,1,1)12 -1,383 (1,000)
Turisti -0,722
ICIPP WA 0,29 -2,995 46,632 (0,1,1) 0,18 6,200 32,277
ICS (0,000) (0,1,1)12 -3,132 (0,009)
ICN SS 4,937
NEDT 0,46 0,100 14,292 (0,1,1) 0,34 -5,114 14,451
ICTG WM (0,504) (0,1,1)12 -2,536 (0,565)
2,084
K1 (1,1,0) 0,55 6,093 25,114 (0,1,1) 0,52 15,425
K2 (0,0,0)12 (0,068) (0,1,1)12 (0,494)
Y = ICGS (0,1,0)
(0,1,1)12 0,57 4,590 37,735 (0,1,1) 0,49 16,045
(0,002) (0,1,1)12 (0,450)
DT
0,17 -1,634 25,154 (0,1,1) 0,46 17,006
(0,2,7) (0,091) (0,1,1)12 (0,385)
(0,0,0)12
0,08 -0,764 18,099 (0,1,1) 0,05 14,097
(0,1,1) (0,383) (0,1,1)12 (0,591)
(0,0,0)12
0,21 5,924 21,656 (0,1,1) 0,56 33,223
(1,1,0) (0,117) (0,1,1)12 (0,007)
(0,1,1)12
0,36 -3,636 15,326 (0,1,1) 0,27 28,749
SS (0,428) (0,1,1)12 (0,026)
(0,1,0) 0,05 4,661 21,635 (0,1,1) 0,51 27,121
(0,0,0)12 (0,199) (0,1,1)12 (0,040)
0,58 -5,221 14,836 (0,1,1) 0,55 22,524
(0,537) (0,1,1)12 (0,127)
0,50 -2,743 29,347 (0,1,1) 0,46 14,373
(0,022) (0,1,1)12 (0,571)
0,45 1,151 10,005 (0,1,1) 0,40 6,655
(0,932) (0,1,1)12 (0,979)
Opomba: – splošna ob-
lika ARIMA modela, kjer označuje število lastnih odlogov spremenljivke , je opera-
tor odloga, vrednost slučajnih napak, – kombinacija dvojnega diferenciranja,
– stacionarna časovna serija, – koeficient, WA – zimski dodatek (winter aditive)
SPSS ustrezni model, SS – enostavno sezonski (simple seasonal) SPSS ustrezni model, DT
– zavržen trend (damped trend), – nesezonski ARMA koeficienti, – število nese-
zonskih diferenc, – število multiplikativnih avtoregresijskih koeficientov, – število sezon-
skih diferenc, – število multiplikativnih koeficientov drsečih sredin, – obdobje sezonsko-
sti, R2 – popravljen stacionaren determinacijski koeficient, BIC – Bayes informacijski kriterij,
