VREMENSKI NIZOVI I KORELACIJA

Vremenski nizovi se dijele na: intervalne i trenutane

Intervalni vremenski niz se moe grafiki prikazati povrinskim grafikonom (uz pomo jednostavnih stupaca) i linijskim grafikonom. Kod intervalnog niza u grafikonu toke unosimo sa sredine vremenskog razreda. Trenutani vremenski niz moe se grafiki prikazati samo linijskim grafikonom. Kod trenutanog niza u grafikonu toke nanosimo na os apscise na mjesto promatranja. Grafikon prekidamo horizontalno ako su velike razlike. Moe se prekinuti i okomito ako nemamo podataka, npr. podataka u ratnom razdoblju, ili kad mjenjamo vremensku definiciju, vremensku grupu.

Usporeivanje vremenskih nizova

Ako nemamo iste mjerne jedinice i ako su nizovi velike razlike (npr. stanovnitvo Hrvatske i Kine) ne moemo ih usporeivati na aritmetikom mjerilu.

INDEKSI
Indekse moemo podjeliti na dva dijela: skupni indeksi i individualni indeksi

Skupne indekse imamo onda kada elimo usporeivati skupnu pojavu, a imamo: indeks vrijednosti, indeks koliina, indeks cijena Indeks vrijednosti se rauna pomou sljedee formule:

Iv =

q p q p
1 0

1 0

100
ono s im usporeujemo

pri emu su: p cijene q koliine Ako je npr. Iv = 84% u nekoj tvornici, kaemo da je proizvodnja opala za 16% u odnosu na promatrano razdoblje. Iv = Ik Ic

Indeksi koliina

Ik =

q p q p
1 0

0 1

100
Skupni indeks koliina tako izraunat naziva se agregatni skupni indeks koliina

Ik =

q p q p
1 0

1 1

100

Ik =

q1

q p q0 1 0 100 q0 p0 W q0 0 100 W0

Izraunat kao vagana aritmetika sredina ponderiranih veliina

q1

Ik =

Indeksi cijena

Ic =

pq p q
1 0 1 0

0 0

100
ponderi baznog razdoblja

Ic =

pq p q

1 1

100

p q0 0 Ic = 100 q0 p0 Ic =

p1

p1

W p0 0 100 W0

Individualni indeksi analiza jedne, individualne pojave Individualni indeksi Indeksi stalne baze Indeksi promjenjive baze

Indeksi stalne baze dobiju se tako da se uvijek stave u odnos sa istom bazom

I1 =
3

y1 y3

I2 =
3

y2 y3

I3 =
3

y3 y3

I4 =
3

y4 y3

Kod izbora baze treba uvijek uzeti neki koji je u sredini Indeksi sa promjenjivom bazom (lanani i verini) - lanani I 10 =

y1 y0

I2 =
1

y2 y1

I3 =
2

y3 y2

I4 =
3

y4 y3

Primjer: Godina 1997 1998 1999 2000 2001 Indeks 120 141 92 85

Grafiki prikaz primjera:

150 140 130 120 110 100 90 80

1997 98

99

00

01

SREDNJE VRIJEDNOSTI VREMENSKIH NIZOVA

Srednje vrijednosti dijele se na: statike i dinamike

Statike srednje vrijednosti paralelne su s apscisom. Dijele se na: - aritmetiku sredinu vremenskog niza, y - kod intervalnih vrem. nizova - kronoloku sredinu vrmemeskog niza, KS - kod trenutanih vrem. nizova geometrijsku sredinu vremenskog niza, G - kod intervalnih i trenutanih

KS G

Geometrijska sredina primjenjuje se samo dak aritmetika i kronoloka nisu reprezentativne, kada neki lan jako odskae, kad postoji ekstremna vrijednost ona ublaava utjecaj ekstremne vrijednosti, jer tada je ona bolji reprezentant od aritmetike i kronoloke. Izraunava se pomou formule:
G = k y1 y 2 y3 ... yi

G = k 1

yi y1

Aritmetiku sredinu raunamo tako da zbrojimo sve lanove niza i podijelimo sa N.

y=

y
N

Kronoloka sredina pomou nje nalazimo stanje trenutanog vremenskog niza u definiranoj jedinici vremena. Svaka se frekvencija mora mnoiti s vremenskim ponderom, tj. s duinom razdoblja za koje se pretpostavlja da ima frekvenciju na razini koju pokazuje pojava u definiranom trenutku vremena. To je ponderirana srednja vrijednost. Izraunava se pomou formule:

KS =

V Y V
i i

gdje je Vi ponder koji predstavlja vrijeme.

Kad nemamo preskoka u nizu (npr. od sijeanj do prosinac), prvom i zadnjem ponderu u nizu dajemo vrijednost 0,5, a svim ostalima 1. Primjer: kad nemamo preskoke u nizu
Yi * * * * * * Vi 0,5 1 1 1 1 0,5 Vi Yi * * * * * *

Godina 1996 1997 1998 1999 2000 2001 -

kad imamo preskoke u nizu PR 3 1 1 2 1 0

Yi * * * * * * * Vi (3+0)/2 4/2 2/2 3/2 3/2 1/2

Godina 1991 1994 1995 1996 1998 1999 2000

TREND
Trend je opepojavna tendencija promatrana u nekom razdoblju. Za dinamike pojave moemo raunati i statike srednje vrijednosti. S obzirom na oblik trend moe biti linijski i krivolinijski. Na smjer: pozitivan i negativan smjer kretanja pojave Na intenzitet: jaki i slabi intenzitet pojave Postoje dvije vrste trendova: linearni trend i eksponencijalni trend

Linearni trend
Kod linearnog trenda ishodite moe biti na poetku ili u sredini.
yt = a + bx

b=

x y x y x x x
i i 2 i i

a = y xb

Godina 1996 1997 1998 1999 2000 2001 2002

Proizvodnja kukuruza y i 1050 1110 1180 1250 1300 1360 1400

xi 0 1 2 3 4 5 6

Ako se ovdje umjesto sa 0 pone sa 1, mijenja se samo a

yt = 1035,42 + 35 x
Datum vaan samo kod trenutanih nizova

Ishodite je 30.06.1996. Jedinica za y je mil. tona Jedinica za x je 1. god.

Ako pojava raste ili pada za priblino istu vrijednost, dobro je primjeniti linearni trend. Parametar a nam pokazuje vrijednost trenda u ishoditu. U primjeru oekujemo da a bude oko 1050, 20-30 manje ili vie, parametar mora biti blizu one vrijednosti gdje je ishodite. Parametar b nam pokazuje pad ili porast promatrane pojave u odreenom razdoblju. Ako su nam ishodita u sredini:

b=
a =y

xi y i 2 xi

Ako su godine na preskok, treba korektno odrediti vrijednosti za x.

k2 =

(y

yt ) N
i

k =
Vk =

( y
k
y

yt ) N

Ispitujemo reprezentativnost uzroka

= yt

100 k = k2

Eksponencijalni trend

Ako pojava raste ili pada za priblino isti relatvni niz, za isti postotak. Da bi to ustanovili, trebamo izraunati indekse.

yt = A B x - parametrijska metoda, izraunavaju se parametri

log y t = log A + log B X

yt

a
i

+
i

b x
i

log B =

x log y x log y x x x
2 i i

log yi x log B log A = N

log B =

ako je ishodite na poetku

xi log yi 2 xi
i

log A =

log y
N

ako je ishodite u sredini

Primjer:
Godina 1995 1996 1997 1998 1999 proizvodnja 1080 1120 1240 1700 2200

xi
0 1 2 3 4

xi

log y

xi log yi

yt = A B x yt = 1075,22 1,0427 x
Ishodite je 30.06.1995. Jedinica za y je mil. tona. Jedinica za x je 1. god. Proizvodnja je rasla prosjeno godinje za 4.27 %. (stopa rasta je B100-100

parametar A vrijednost u ishoditu parametar B pokazuje nam prosjeni pad ili prosjeni porast u promatranom razdoblju. B nam pokazuje prosjean relativan pad ili porast (dok kod linearnog trenda pokazuje prosjean pad ili porast. Primjer: ako ima porast: B=1,0427, a ako ima pad: B=0,9471

 k2 log =
k log =
Vk log =

(log y i log yt ) 2 N
i

(log y

log yt ) 2 N
- relativna mjera reprezentativnosti trenda

k log 100 log y

Kad se trai raunanje prosjene godinje stope, to se ne rauna preko B, ve se rauna preko G (preko projenog verinog indeksa).

Metoda pominih prosjeka

To je jo jedna metoda za izraunavanje trenda, ali neparametarska metoda. Ona osigurava jednostavno i brzo dolaenje do veliina trenda. Kao nedostatak ove parametrijske metode, spominje se nedovoljna definiranost sadraja izraunatog trenda.

Sezonska pojava
Njome se smatra ona periodina pojava koja se javlja u jednom odreenom periodu, npr. noenje stranih turista. Grafiki prikaz uglavnom je linijski (brijegovi prikazuju sezonu, a doline podsezonu. Analiza ovih pojava izvodi se sezonskim indeksima koji pokazuju smjer i intenzitet promjena uzrokovanih sezonskim imbenicima.

Regresija i korelacija
Ako znamo da je neka pojava zavisna uzrok (y), a neka druga pojava nezavisna, posljedica (x), onda kaemo da je y = f(x) Ako nam je svejedno da li je y = f(x) ili x = f(y), ili ako ne znamo koja je pojava uzrok, a koja posljedica, govorimo o korelacijskim modelima. Kada znamo koja je pojava uzrok, a koja posljedica, govorimo o regresijskim modelima. Korelacija se moe promatrati po obliku, po smjeru i po intenzitetu. Po obliku moe biti linearna-ako se vidi da rast jedne pojave prati priblino jednaki rast druge pojave (bilo da se poveava ili smanjuje te krivolinijska ako prati pojave za jako razliite iznose. Po smjeru moe biti: - pozitivna ako rast jedne pojave prati rast druge pojave ili ako pad jedne pojave prati pad druge pojave - negativna ako pad jedne pojave prati rast druge pojave i obrnuto Po intenzitetu moe biti: - funkcionalna veza ako rast jedne pojave prati rast ili pad druge pojave za potpuno isti iznos. - Dijagram rasipanja pojave x i y, svaku toku ini pad y, koliko modaliteta imamo, toliko imamo i toaka.

Y1

- funkcionalna veza, linearna, pozitivna (moemo itati svojstva iz dijagrama)

X1

Y1 x

- stohastika veza (statistika) (moe biti razliitog intenziteta prema funkcionalnoj - jaa ili slabija, dalja ili blia funkcionalnoj X1

Jednostavna linearna regresija

Kad imamo jednu zavisnu (y) i jednu nezavisnu varijablu (x) govorimo o jednostavnoj linearnoj regresiji
y r = a + bx ili viesturkoj ili multiploj linearnoj regresiji ako imamo vie nezavisnih varijabli.

b=

x y x
i i

i 2

kx y kx
2

pokazuje nam za koliko e se promjeniti zavisna varijabla y ako se nezavisna varijabla y promjeni za jednu jedinicu.

a = y x b

- parametar a najee nema interpretaciju

Kad izraunamo sva odstupanja

( y

y r ) = 0 suma kvadrata odstupanja jednaka je minimumu:

y r ) = minimum
2

( y

( y

=ukupna odstupanja ST

( y

= protumaena odstupanja SP

( y

y r ) = rezidualna ili neprotumaena odstupanja SR

2

y r =regresijski model ili originalni model

ST=SP+SR
r
2

( y = ( y

r i

) y)
y

2 2

0 r2 1

(to je postotak blii 100, to je model vie protumaen)

r2 =1

( y y ) ( y y)
i r i

- koeficijent alijenacije, treba biti to blii jedinici.

Korigirani koeficijent determinacije

r =1
2

k 1 (1 r 2 ) k 2

da li je regresijski model dobar ili nije moe biti jednak ili manji od koeficijenta alijenacije, vii nikada, a moe biti i negativan

Viestruka linearna regresija1 - sve se ponavlja kao i kod jednostavne, samo ima vie varijabli. Ukoliko pojava y ovisi o vie neovisnih pojava x, postavlja se model viestruke linearne regresije ako su ovisne varijable dane kao linearne kombinacije nepoznatih parametara K neovisnih varijabli te nepoznatih vrijednosti varijable u. Jednostavna linearna korelacija kad imamo dvije pojave, a ne znamo je li x posljedica od y ili y posljedica od x.
y r = a + bx xr = a '+b' y

- treba izraunati oba regresijska modela

i i 2

a , b, b ' =

x y y
i

k x y k y
2

a ' =x y b '

Jakost veze izmeu pojava x i y mjere se preko koeficijenta determinacije i koeficijenta korelacije Koeficijent korelacije (Pierconov koeficijent korelacije)
r = r 2 - moe zauzeti bilo koju vrijednost izmeu 1

koeficijent determinacije moe biti izmeu 0-1.

r = b b'

Krivolinijska korelacija2 - veza meu pojavama x i y moe biti definirana i nekom krivom linijom. U tom sluaju, oblik te veze analitiki e se izraziti modelom
1 2

Ne pojavljuje se na pismenom ispitu, dok se na usmenom moe pojaviti Ne pojavljuje se na pismenom ispitu, dok se na usmenom moe pojaviti

krivolinijske korelacije. Jakost veze mjeri se, pak, koeficijentom krivolinijske korelacije koga se alternativno naziva indeksom korelacije. Viestruka linearna korelacija3 - potpuno ista viestrukoj linearnoj regresiji, samo se tu ne zna koja je pojava uzrok, a koja posljedica.

Korelacija ranga

Ne pojavljuje se na pismenom ispitu, dok se na usmenom moe pojaviti