Page 106 - Gričar, Sergej, in Štefan Bojnec, 2016. Aplikacija metodologije časovnih serij na primeru turističnih cen. Koper: Založba Univerze na Primorskem.
P. 106
Aplikacija metodologije časovnih serij na primeru turističnih cen
formiramo v časovno vrsto diferenc prvega reda in diferenc prvega reda
sezonskosti. V tem primeru ne najdemo nobenega avtokorelacijskega ko-
eficienta, ki bi bil statistično značilen. Sprejmemo lahko sklep, da avtoko-
relacija pri tako transformirani časovni vrsti ni več prisotna, prav tako pa
je časovna vrsta postala stacionarna. Podobno kot pri odvisni spremenljiv-
ki se sedaj spremeni interpretacija posameznih vrednosti, ki se nanašajo na
spremembe ICŽP. Enote teh sprememb so indeksne odstotne točke.
Proučevanje avtokorelacije pri slamnatih spremenljivkah, kot je uved-
ba evra, vsebinsko ni najbolj smiselna. Tehnično gledano pa pri slamnatih
spremenljivkah ni bilo značilne avtokorelacije.
Iz preglednic 5, 6 in 7 je razvidno, da časovna vrsta ICŽPEA vsebuje
statistično značilno avtokorelacijo prvega reda. Avtokorelacijski koeficient
med proučevano časovno vrsto in za dvanajst mesecev odloženo isto časov-
106 no vrsto je pozitiven in znaša 0,740. Vrednosti indeksa so torej pozitivno
in srednje močno povezane z vrednostmi tega indeksa v predhodnem me-
secu. Tudi pri ostalih odlogih so si avtokorelacijski koeficienti statistično
značilni. PACF nam potrdi, da imamo avtokorelacijo prvega reda, počasi
padajoči odlogi pa, da imamo tudi sezonsko diferenco prvega reda. Podob-
no kot v primeru odvisne spremenljivke lahko avtokorelacijo odpravimo in
naredimo spremenljivko stacionarno, če časovno vrsto transformiramo v
časovno vrsto diferenc prvega reda in diferenc prvega reda sezonskosti. V
tem primeru ne najdemo več nobenega avtokorelacijskega koeficienta, ki bi
bil statistično značilen. Sprejmemo lahko sklep, da avtokorelacija pri tako
transformirani časovni vrsti ni več prisotna, prav tako pa je časovna vrsta
postala stacionarna. Podobno kot v prejšnjih primerih pa se zdaj spremeni
interpretacija posameznih vrednosti. Vrednost tako transformirane spre-
menljivke v vsakem mesecu sedaj pove, za koliko indeksnih točk se je in-
deks ICŽPEA vsak mesec spremenil v primerjavi s predhodnim mesecem.
Če proučimo preglednice 5, 6 in 7, ugotovimo, da tudi vse ostale po-
jasnjevalne spremenljivke – časovne vrste vsebujejo takšno ali drugačno av-
tokorelacijo. Iz preglednic pa lahko ugotovimo, pri katerih spremenljivkah
smo s transformacijo časovnih vrst z njihovo diferenco prvega reda uspe-
li odpraviti avtokorelacijo in zagotoviti stacionarnost časovne vrste. Če se
omejimo samo na prvih dvanajst časovnih odlogov, kar je na dolžino ča-
sovnih vrst že precej, ugotovimo naslednje: pri vseh preostalih časovnih
vrstah moč avtokorelacije z velikostjo časovnega odloga upada (z izjemo
časovnih vrst IAC, ICS in turisti), avtokorelacija pa je po pričakovanjih
vedno pozitivna. Iz omenjenih preglednic vidimo, da so pri ostalih spre-
menljivkah prisotne statistično značilne pozitivne avtokorelacije od prve-
ga do dvanajstega reda. Z diferenciranjem prvega reda teh spremenljivk, ra-
formiramo v časovno vrsto diferenc prvega reda in diferenc prvega reda
sezonskosti. V tem primeru ne najdemo nobenega avtokorelacijskega ko-
eficienta, ki bi bil statistično značilen. Sprejmemo lahko sklep, da avtoko-
relacija pri tako transformirani časovni vrsti ni več prisotna, prav tako pa
je časovna vrsta postala stacionarna. Podobno kot pri odvisni spremenljiv-
ki se sedaj spremeni interpretacija posameznih vrednosti, ki se nanašajo na
spremembe ICŽP. Enote teh sprememb so indeksne odstotne točke.
Proučevanje avtokorelacije pri slamnatih spremenljivkah, kot je uved-
ba evra, vsebinsko ni najbolj smiselna. Tehnično gledano pa pri slamnatih
spremenljivkah ni bilo značilne avtokorelacije.
Iz preglednic 5, 6 in 7 je razvidno, da časovna vrsta ICŽPEA vsebuje
statistično značilno avtokorelacijo prvega reda. Avtokorelacijski koeficient
med proučevano časovno vrsto in za dvanajst mesecev odloženo isto časov-
106 no vrsto je pozitiven in znaša 0,740. Vrednosti indeksa so torej pozitivno
in srednje močno povezane z vrednostmi tega indeksa v predhodnem me-
secu. Tudi pri ostalih odlogih so si avtokorelacijski koeficienti statistično
značilni. PACF nam potrdi, da imamo avtokorelacijo prvega reda, počasi
padajoči odlogi pa, da imamo tudi sezonsko diferenco prvega reda. Podob-
no kot v primeru odvisne spremenljivke lahko avtokorelacijo odpravimo in
naredimo spremenljivko stacionarno, če časovno vrsto transformiramo v
časovno vrsto diferenc prvega reda in diferenc prvega reda sezonskosti. V
tem primeru ne najdemo več nobenega avtokorelacijskega koeficienta, ki bi
bil statistično značilen. Sprejmemo lahko sklep, da avtokorelacija pri tako
transformirani časovni vrsti ni več prisotna, prav tako pa je časovna vrsta
postala stacionarna. Podobno kot v prejšnjih primerih pa se zdaj spremeni
interpretacija posameznih vrednosti. Vrednost tako transformirane spre-
menljivke v vsakem mesecu sedaj pove, za koliko indeksnih točk se je in-
deks ICŽPEA vsak mesec spremenil v primerjavi s predhodnim mesecem.
Če proučimo preglednice 5, 6 in 7, ugotovimo, da tudi vse ostale po-
jasnjevalne spremenljivke – časovne vrste vsebujejo takšno ali drugačno av-
tokorelacijo. Iz preglednic pa lahko ugotovimo, pri katerih spremenljivkah
smo s transformacijo časovnih vrst z njihovo diferenco prvega reda uspe-
li odpraviti avtokorelacijo in zagotoviti stacionarnost časovne vrste. Če se
omejimo samo na prvih dvanajst časovnih odlogov, kar je na dolžino ča-
sovnih vrst že precej, ugotovimo naslednje: pri vseh preostalih časovnih
vrstah moč avtokorelacije z velikostjo časovnega odloga upada (z izjemo
časovnih vrst IAC, ICS in turisti), avtokorelacija pa je po pričakovanjih
vedno pozitivna. Iz omenjenih preglednic vidimo, da so pri ostalih spre-
menljivkah prisotne statistično značilne pozitivne avtokorelacije od prve-
ga do dvanajstega reda. Z diferenciranjem prvega reda teh spremenljivk, ra-
