Előadó: Prof. Dr. Besenyei Lajos

Slides:



Advertisements
Hasonló előadás
Kvantitatív Módszerek
Advertisements

1 „ Gazdasági kihívások 2009-ben ” Dr. Hegedűs Miklós Ügyvezető GKI Energiakutató és Tanácsadó Kft. Dunagáz szakmai napok, Dobogókő Április 15.
Üzleti tervezés statisztikai alapjai
Kvantitatív módszerek
A környezetirányítás jogszabályi háttere
Gazdasági informatika
6) 7) 8) 9) 10) Mennyi az x, y és z értéke? 11) 12) 13) 14) 15)
Exponenciális szűrések Statisztika II. VEGTGAM22S.
Az APEH-hoz benyújtott bevallások adatai alapján
BEVEZETÉS A KÖZGAZDASÁGTANBA II.
Becsléselméleti ismétlés
Dr. Szalka Éva, Ph.D.1 Statisztika II. VII.. Dr. Szalka Éva, Ph.D.2 Mintavétel Mintavétel célja: következtetést levonni a –sokaságra vonatkozóan Mintavétel.
Dr. Szalka Éva, Ph.D.1 Statisztika II. IX.. Dr. Szalka Éva, Ph.D.2 Idősorok elemzése.
Statisztika II. VI. Dr. Szalka Éva, Ph.D..
Dr. Szalka Éva, Ph.D.1 Statisztika II. IX.. Dr. Szalka Éva, Ph.D.2 Idősorok elemzése.
Statisztika II. X. Dr. Szalka Éva, Ph.D..
Előadó: Prof. Dr. Besenyei Lajos
Vámossy Zoltán 2006 Gonzales-Woods, SzTE (Kató Zoltán) anyagok alapján
BENKŐ PÉTER VANNAK-E KULTURÁLIS RÉGIÓINK?. -A méréseknél a KSH jelentéseit vesszük alapul. -Lehetséges mutatók: -a mezorégiók különböző fokú iskoláin.
Hozam-előrejelzés a gabonatermesztésben
Regresszióanalízis 10. gyakorlat.
Az EU kohéziós politikájának 20 éve ( ) Dr. Nagy Henrietta egyetemi adjunktus SZIE GTK RGVI.
Prevenció, kuráció, rehabilitáció
Ciklus és trend a magyar gazdaságban,
GVAM BSc szak STATISZTIKA II előadás sorozat
Agrár BSc szakok Statisztikai következtetések
Dr. Szalka Éva, Ph.D.1 Statisztika II. VI.. Dr. Szalka Éva, Ph.D.2 Regresszióanalízis.
Kutatási összefoglaló. Regionális eltérések Magyarországon nemzetközi összehasonlításban.
Adósságdinamika és fenntarthatóság
Kvantitatív módszerek
Budapesti Műszaki és Gazdaságtudományi Egyetem
Dr. Balogh Péter Gazdaságelemzési és Statisztika Tanszék DE-AMTC-GVK
STATISZTIKA II. 11. Előadás
STATISZTIKA II. 12. Előadás
Exponenciális egyenletek
Idősor elemzés.
Idősor komponensei Trend vagy alapirányzat: az idősor alakulásának fő irányát mutatja meg. Szezonális vagy idényszerű ingadozás: szabályos időszakonként.
A magyar gazdaság várható helyzete
A SZÉLENERGIA KUTATÁSA DEBRECENBEN Tar Károly A MAGYAR TUDOMÁNY ÜNNEPE KIEMELT HETE DEBRECENBEN NOVEMBER 2-6.
Kvantitatív Módszerek
Kvantitatív módszerek
Leíró statisztika III..
EREDMÉNYEK, ADATOK FELDOLGOZÁSA
RÉSZEKRE BONTOTT SOKASÁG VIZSGÁLATA
Érettségi jelentkezések és érettségi eredmények 2007 Érettségi jelentkezések - érettségi eredmények.
Érettségi jelentkezések és érettségi eredmények 2008 Tanévnyitó értekezlet Érettségi jelentkezések - érettségi eredmények augusztus 29.
A sztochasztikus kapcsolatok (Folyt). Korreláció, regresszió
Két kvantitatív változó kapcsolatának vizsgálata
© Farkas György : Méréstechnika
Összefoglalás 2.. Összefoglalás - 1. feladat (a ; b) = 23·33·7 a szám = 2x·33·72·115 b szám = 24·3y·5·7z x = ? y = ? z = ? Mennyi az x, y és z értéke?
1 Gyarapodó Köztársaság Növekvő gazdaság – csökkenő adók február 2.
TÁRSADALOMSTATISZTIKA Sztochasztikus kapcsolatok II.
Elektronikus tananyag
A termelés költségei.
Mikroökonómia gyakorlat
Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet Regresszió-számítás március 30. Dr. Varga Beatrix egyetemi.
A termelés költségei.
Idősorok elemzése Dr. Varga Beatrix.
Előrejelzés Összeállította: Sójáné Dux Ágnes. Előrejelzés Az időbeli folyamatok elemzésének segítségével lehetőség nyílik a korábban láthatatlan trendek.
Kvantitatív módszerek
Gazdaságstatisztika Idősorok elemzése.
Előrejelzés.
Gazdaságstatisztika Konzultáció a korreláció- és regressziószámítás, idősorok elemzése témakörökből.
Trendelemzés előadó: Ketskeméty László
Alapfogalmak Matematikai Statisztika
Igénybecslés.
Gazdaságinformatikus MSc
2. Regresszióanalízis Korreláció analízis: milyen irányú, milyen erős összefüggés van két változó között. Regresszióanalízis: kvantitatív kapcsolat meghatározása.
Dr. Varga Beatrix egyetemi docens
Előadás másolata:

Előadó: Prof. Dr. Besenyei Lajos STATISZTIKA V. IDŐSORELEMZÉS Előadó: Prof. Dr. Besenyei Lajos

Determinisztikus idősorelemzés feltételezi, hogy az idősor előre adott pályát követ. Legismertebb modellje a dekompozíciós modell, amely feltételezi az egyes elemek szétválaszthatóságát.

Az idősor elemei: Alapirányzat, trend Szezonális ingadozás Konjuktúra ciklus Véletlen tényező

Additív (összegző) forma Multiplikatív forma:

TRENDSZÁMÍTÁS 1.1. Analitikus trendszámítás Az idősorban lévő tendenciát analitikus függvénnyel írja le. Lineáris trendszámítás: A paraméterek (β0 és β1) becslése a legkisebb négyzetek módszerével történik

y t min min

Normál egyenletek: Egyszerűsítési lehetőség, ha Σt=0

Az időszak egységére jutó átlagos érték Időszakról-időszakra milyen átlagos abszolút változás figyelhető meg Értékelés a példa adatai alapján: Az évenkénti átlagos kulturális kiadás 20 976,8 Ft A kulturális kiadás évenként átlagosan 571,3 Ft-tal nőtt.

Átlagos abszolút változás: A tartalmában megegyezik a paraméterrel, számszerűségében azonban pontatlanabb, mivel csak a két szélső értéket veszi figyelembe.

Exponenciális trendszámítás b1 értelmezése: időszakonkénti átlagos relatív (százalékos) változás Pl: b1=1,05: évenként átlagosan 5%-kal nőtt az adott jelenség Átlagos relatív változás:

1 főre jutó kulturális kiadások egy város adatai alapján Példa: 1 főre jutó kulturális kiadások egy város adatai alapján Év Ft (y) t t2 ty 1985 20 465 1 -19 1986 22 049 2 4 44 098 -17 1987 23 401 3 9 70 203 -15 1988 25 554 16 -13 1989 24 514 5 25 -11 1990 23 874 6 36 -9 1991 24 288 7 49 -7 1992 24 693 8 64 -5 1993 25 713 81 -3 1994 26 239 10 100 -1

1995 26 725 11 121 +1 1996 28 004 12 +3 1997 29 693 13 +5 1998 29 183 14 +7 1999 29 580 15 +9 2000 28 365 16 +11 2001 39 932 17 +13 2002 31 238 18 +15 2003 32 630 19 +17 2004 33 366 20 +19 539 506 210 2870 6 044 715

1.2. Mozgóátlagolású trendszámítás A kiegyenlítést átlagolás módszerével végezzük. (Nincs szükség az idősor függvénytípusának vizsgálatára). Követelmény: a mozgó átlag tagszámának át kell fogni az egész ciklust (vagy annak többszörösét) ha van az idősorban szezonális tag optimális tagszámot kell választani

Példa: t y 3 tagú mozgó átlag 5 tagú mozgó átlag 1 15 - 2 16 3 17 18 4 20 19 5 6 22 7 24

2. SZEZONÁLIS INGADOZÁS Rendszeresen ismétlődő, azonos hullámhosszú és szabályos ingadozás. Additív modell esetén: Szezonális eltérés

ÉV I. II. III. IV. 2001 2002 2003 2004 2005 - -2 730,9 -670,6 -1 803,9 -3 439,1 -2 046,8 -448,5 -113,0 -929,9 +431,2 -1 023,0 -1 666,8 +300,7 +4 887,4 +3 274,1 +3 092,0 +4 189,2 Összesen -8 644,5 -4 556,2 -1 948,9 +15 442,7 Átlag -2 161,1 -1 139,1 -487,2 +3 860,7 Korrigált -2 179,4 -1 157,4 -505,5 +3 842,4

A véletlen hatás mérséklése átlagolással történik. A szezonális eltéréseknek éves szinten nullát kell adniuk. Korrigálás: -2161,1-18,3=-2179,4

Multiplikatív modell: Szezonindexek