Page 152 - Gričar, Sergej, in Štefan Bojnec, 2016. Aplikacija metodologije časovnih serij na primeru turističnih cen. Koper: Založba Univerze na Primorskem.
P. 152
Aplikacija metodologije časovnih serij na primeru turističnih cen
ke. Do sprememb je prišlo pri drugem skupnem faktorju z metodo glavnih
komponent. Pri metodi glavnih komponent je po rotaciji faktorjev drugi
skupni faktor dobil uteži tudi na ostalih spremenljivkah. Na prvem sku-
pnem faktorju so najvišje uteži pri vseh spremenljivkah cen, na drugem
skupnem faktorju pa pri spremenljivkah IDDV in NEDT pri vseh treh me-
todah in pri spremenljivki turisti pri metodi glavnih komponent. Zaklju-
čimo lahko, da označimo prvo komponento kot splošno komponento. Po-
imenovali jo bomo splošna raven cen. Druga komponenta je bipolarna, saj
kaže hkrati močno pozitivno utež za spremenljivki NEDT in turisti ter
negativno utež za spremenljivko IDDV. Poimenovali jo bomo povpraševa-
nje po storitvah v gostinstvu v metodi glavnih komponent, na osnovi kate-
re smo oblikovali tudi novi sintetični spremenljivki. Nove spremenljivke z
metodo glavnih komponent so urejene od najpomembnejše do najmanj po-
152 membne, kjer pomembnost pomeni, da prva glavna komponenta pojasnju-
je kar največ razpršenosti osnovnih podatkov. Ker je cilj metode glavnih
komponent poiskati nekaj prvih komponent, ki pojasnjujejo večji del raz-
pršenosti analiziranih podatkov, velja, da se v našem primeru pojavljata dve
glavni komponenti, s katerima želimo poiskati nove spremenljivke. Izbra-
no število komponent je pojasnilo 85,607 % celotne variabilnosti v analizo
vključenih spremenljivk, kar je skladno z znanimi hevrističnimi pravili za
določitev števila najpomembnejših komponent. Prav tako sta lastni vred-
nosti komponent večji kot povprečna vrednost lastnih vrednosti, delež po-
jasnjene variance zadnje, druge vzete komponente je najmanj 5. Njena po-
jasnjenost je 9,976 %.
Interpretacija rezultatov
Ugotovitve: V ponovljeno analizo metode glavnih komponent smo vklju-
čili vse spremenljivke, ki smo jih predpostavili s hipotezami. Tako smo
vključili spremenljivke IBPG, NEDT in D2 v osnovni seriji, ter ∆ICŽP,
∆ICŽPEA, ∆ICGS, ∆ICGSEA, ∆IAC, ∆turisti, ∆ICIPP, ∆ICS, ∆ICN,
∆K1, ∆K2 in ∆ICTG v integraciji prvega reda. V analizo nismo vključi-
li slamnate spremenljivke D1, saj je njena pojasnjevalna moč nizka. KMO
statistika je s takšno postavitvijo modela 0,655. V analizo smo vključili sta-
cionarne spremenljivke časovnih vrst. Odločitev o štirih komponentah, ki
opisujejo največji delež variabilnosti spremenljivk, je bila pridobljena na
podlagi pregleda ocenjene variance modela. Model petnajstih dejavnikov
tako pojasni večino variance za načrtovano serijo. Izbrani dejavniki v tej
analizi so tisti, ki pojasnjujejo največ variance časovne serije. Ugotavljamo,
da je najpomembnejši dejavnik, ki pojasnjuje 26,8 % variance, povpraševa-
nje po storitvah. Drugi dejavnik je dejavnik zunanjega okolja, ki pojasnju-
ke. Do sprememb je prišlo pri drugem skupnem faktorju z metodo glavnih
komponent. Pri metodi glavnih komponent je po rotaciji faktorjev drugi
skupni faktor dobil uteži tudi na ostalih spremenljivkah. Na prvem sku-
pnem faktorju so najvišje uteži pri vseh spremenljivkah cen, na drugem
skupnem faktorju pa pri spremenljivkah IDDV in NEDT pri vseh treh me-
todah in pri spremenljivki turisti pri metodi glavnih komponent. Zaklju-
čimo lahko, da označimo prvo komponento kot splošno komponento. Po-
imenovali jo bomo splošna raven cen. Druga komponenta je bipolarna, saj
kaže hkrati močno pozitivno utež za spremenljivki NEDT in turisti ter
negativno utež za spremenljivko IDDV. Poimenovali jo bomo povpraševa-
nje po storitvah v gostinstvu v metodi glavnih komponent, na osnovi kate-
re smo oblikovali tudi novi sintetični spremenljivki. Nove spremenljivke z
metodo glavnih komponent so urejene od najpomembnejše do najmanj po-
152 membne, kjer pomembnost pomeni, da prva glavna komponenta pojasnju-
je kar največ razpršenosti osnovnih podatkov. Ker je cilj metode glavnih
komponent poiskati nekaj prvih komponent, ki pojasnjujejo večji del raz-
pršenosti analiziranih podatkov, velja, da se v našem primeru pojavljata dve
glavni komponenti, s katerima želimo poiskati nove spremenljivke. Izbra-
no število komponent je pojasnilo 85,607 % celotne variabilnosti v analizo
vključenih spremenljivk, kar je skladno z znanimi hevrističnimi pravili za
določitev števila najpomembnejših komponent. Prav tako sta lastni vred-
nosti komponent večji kot povprečna vrednost lastnih vrednosti, delež po-
jasnjene variance zadnje, druge vzete komponente je najmanj 5. Njena po-
jasnjenost je 9,976 %.
Interpretacija rezultatov
Ugotovitve: V ponovljeno analizo metode glavnih komponent smo vklju-
čili vse spremenljivke, ki smo jih predpostavili s hipotezami. Tako smo
vključili spremenljivke IBPG, NEDT in D2 v osnovni seriji, ter ∆ICŽP,
∆ICŽPEA, ∆ICGS, ∆ICGSEA, ∆IAC, ∆turisti, ∆ICIPP, ∆ICS, ∆ICN,
∆K1, ∆K2 in ∆ICTG v integraciji prvega reda. V analizo nismo vključi-
li slamnate spremenljivke D1, saj je njena pojasnjevalna moč nizka. KMO
statistika je s takšno postavitvijo modela 0,655. V analizo smo vključili sta-
cionarne spremenljivke časovnih vrst. Odločitev o štirih komponentah, ki
opisujejo največji delež variabilnosti spremenljivk, je bila pridobljena na
podlagi pregleda ocenjene variance modela. Model petnajstih dejavnikov
tako pojasni večino variance za načrtovano serijo. Izbrani dejavniki v tej
analizi so tisti, ki pojasnjujejo največ variance časovne serije. Ugotavljamo,
da je najpomembnejši dejavnik, ki pojasnjuje 26,8 % variance, povpraševa-
nje po storitvah. Drugi dejavnik je dejavnik zunanjega okolja, ki pojasnju-
