Page 39 - Gričar, Sergej, in Štefan Bojnec, 2016. Aplikacija metodologije časovnih serij na primeru turističnih cen. Koper: Založba Univerze na Primorskem.
P. 39
Metodologija ekonometrične raziskave
Metodologija časovnih serij 39
Mnogi pojavi se s časom spreminjajo. Njihove spremembe so posledica naj-
različnejših dejavnikov. Predstavo o takšnem pojavu dobimo, če poznamo
stanja tega pojava v določenih, običajno enakih časovnih razmikih v ne-
kem časovnem obdobju. Stanja pojava podajamo s podatki. Časovna vrsta
je zaporedje istovrstnih podatkov, ki se nanašajo na zaporedne časovne raz-
mike ali trenutke. S časovnimi vrstami proučujemo časovni razvoj pojavov,
ker prikazujejo njihove spremembe v odvisnosti od časa. Poglavitni namen
proučevanja časovnih vrst je proučevanje zakonitosti pojavov in napovedo-
vanje njihovih prihodnjih stanj (Jesenko 2001; Gričar in Bojnec 2009; Bre-
gar, Ograjenšek in Bavdaž 2005).
Z metodami, ki so značilne za analizo časovnih vrst, proučujemo di-
namiko časovne vrste in napovedujemo prihodnja stanja časovne vrste. Pri
analizi časovnih vrst s stališča vplivov različnih dejavnikov na pojav prou-
čujemo naslednje štiri komponente: trend, sezonsko komponento, ciklično
komponento in slučajno komponento (Jesenko 2001).
Linearni trend
Vzemimo, da poznamo vrednosti časovne vrste v n preteklih časovnih tre-
nutkih, tako da je razmik med dvema zaporednima trenutkoma stalen. Če
označimo s trenutke, v katerih poznamo vrednosti v časovni vrsti
, potem velja za vsak indeks , pa je konstanta.
Z orodji regresijske analize lahko določimo premico, ki se točkam
za najbolj približa. Z njo lahko prikažemo prihodnja sta-
nja pojava (Jesenko 2001). Dobljeni premici pravimo linearni trend:
,
kjer oznake pomenijo:
– regresijska konstanta ali nivo,
– regresijski koeficient ali linija trenda in
– čas.
Računanje regresijskih koeficientov lahko nekoliko poenostavimo, če
nove vrednosti neodvisne spremenljivke pretvorimo v nove vrednosti tako,
da bo njihova vsota enaka nič. Vsota novih vrednosti ,
je nič. Tako spremenjenemu času pravimo tudi tehnični čas (Jesenko
2001).
Ocena trenda je statistična tehnika za pomoč pri razlagi podatkov. Ko
se niz preučevanih podatkov obravnava kot časovna vrsta, se lahko ocena
Metodologija časovnih serij 39
Mnogi pojavi se s časom spreminjajo. Njihove spremembe so posledica naj-
različnejših dejavnikov. Predstavo o takšnem pojavu dobimo, če poznamo
stanja tega pojava v določenih, običajno enakih časovnih razmikih v ne-
kem časovnem obdobju. Stanja pojava podajamo s podatki. Časovna vrsta
je zaporedje istovrstnih podatkov, ki se nanašajo na zaporedne časovne raz-
mike ali trenutke. S časovnimi vrstami proučujemo časovni razvoj pojavov,
ker prikazujejo njihove spremembe v odvisnosti od časa. Poglavitni namen
proučevanja časovnih vrst je proučevanje zakonitosti pojavov in napovedo-
vanje njihovih prihodnjih stanj (Jesenko 2001; Gričar in Bojnec 2009; Bre-
gar, Ograjenšek in Bavdaž 2005).
Z metodami, ki so značilne za analizo časovnih vrst, proučujemo di-
namiko časovne vrste in napovedujemo prihodnja stanja časovne vrste. Pri
analizi časovnih vrst s stališča vplivov različnih dejavnikov na pojav prou-
čujemo naslednje štiri komponente: trend, sezonsko komponento, ciklično
komponento in slučajno komponento (Jesenko 2001).
Linearni trend
Vzemimo, da poznamo vrednosti časovne vrste v n preteklih časovnih tre-
nutkih, tako da je razmik med dvema zaporednima trenutkoma stalen. Če
označimo s trenutke, v katerih poznamo vrednosti v časovni vrsti
, potem velja za vsak indeks , pa je konstanta.
Z orodji regresijske analize lahko določimo premico, ki se točkam
za najbolj približa. Z njo lahko prikažemo prihodnja sta-
nja pojava (Jesenko 2001). Dobljeni premici pravimo linearni trend:
,
kjer oznake pomenijo:
– regresijska konstanta ali nivo,
– regresijski koeficient ali linija trenda in
– čas.
Računanje regresijskih koeficientov lahko nekoliko poenostavimo, če
nove vrednosti neodvisne spremenljivke pretvorimo v nove vrednosti tako,
da bo njihova vsota enaka nič. Vsota novih vrednosti ,
je nič. Tako spremenjenemu času pravimo tudi tehnični čas (Jesenko
2001).
Ocena trenda je statistična tehnika za pomoč pri razlagi podatkov. Ko
se niz preučevanih podatkov obravnava kot časovna vrsta, se lahko ocena
