При наличии тренда индекс сезонности определяется на основе методов , исключающих влияние тенденции . Порядок расчета следующий :
1) для каждого уровня определяют выравненные значения по тренду f(t);
2) рассчитывают отношения ;
3) при необходимости находят среднее из этих отношений для одноименных месяцев (кварталов) по формуле 34 :
,(Т -- число лет). (34)
Другим методом изучения уровня сезонности является гармонический анализ . Его выполняют , представляя временной ряд как совокупность гармонических колебательных процессов .
Для каждой точки этого ряда справедливо выражение , записанное в виде формулы 35 :
(35)
при t = 1, 2, 3, ... , Т.
Здесь -- фактический уровень ряда в момент (интервал) времени t;
f(t) – выравненный уровень ряда в тот же момент (интервал) t
-- параметры колебательного процесса (гармоники) с номером n , в совокупности оценивающие размах (амплитуду) отклонения от общей тенденции и сдвиг колебаний относительно начальной точки .
Общее число колебательных процессов , которые можно выделить из ряда , состоящего из Т уровней , равно Т/2. Обычно ограничиваются меньшим числом наиболее важных гармоник . Параметры гармоники с номером n определяются по формулам 36 –38 :
1) ; (36)
2)
(37)
при n=1,2,...,(T/2 – 1);
3) (38)
2.4 Анализ взаимосвязанных рядов динамики .
В простейших случаях для характеристики взаимосвязи двух или более рядов их приводят к общему основанию , для чего берут в качестве базисных уровни за один и тот же период и исчисляют коэффициенты опережения по темпам роста или прироста .
Коэффициенты опережения по темпам роста – это отношение темпов роста (цепных или базисных) одного ряда к соответствующим по времени темпам роста (также цепным или базисным) другого ряда . Аналогично находятся и коэффициенты опережения по темпам прироста .
Анализ взаимосвязанных рядов представляет наибольшую сложность при изучении временных последовательностей . Однако нередко совпадение общих тенденций развития может быть вызвано не взаимной связью , а прочими неучитываемыми факторами . Поэтому в сопоставляемых рядах предварительно следует избавиться от влияния существующих в них тенденций , а после этого провести анализ взаимосвязи по отклонениям от тренда . Исследование включает проверку рядов динамики (отклонений) на автокорреляцию и установление связи между признаками .
Под автокорреляцией понимается зависимость последующих уровней ряда от предыдущих . Проверка на наличие автокорреляции осуществляется по критерию Дарбина – Уотсона (формула 39) :
, (39)
где -- отклонение фактического уровня ряда в точке t от теоретического (выравненного) значения .
При К = 0 имеется полная положительная автокорреляция , при К = 2 автокорреляция отсутствует , при К = 4 – полная отрицательная автокорреляция . Прежде чем оценивать взаимосвязь , автокорреляцию необходимо исключить . Это можно сделать тремя способами .
1. Исключение тренда с авторегрессией. Для каждого из взаимосвязанных рядов динамики Х и У получают уравнение тренда (формулы 40) :
(40)
Далее выполняют переход к новым рядам динамики , построенным из отклонений от трендов , рассчитанным по формулам 41 :
(41)
Для последовательностей выполняется проверка на автокорреляцию по критерию Дарбина – Уотсона . Если значение К близко к 2 , то данный ряд отклонений оставляют без изменений . Если же К заметно отличается от 2 , то по такому ряду находят параметры уравнения авторегрессии по формулам 42 :
(42)
Более полные уравнения авторегрессии можно получить на основе анализа автокорреляционной функции , когда определяются число параметров () и соответствующие этим параметрам величины шагов .
Далее по формуле 43 подсчитываются новые остатки :
(t = 1, ... , Т) (43)
и , по формуле 44, коэффициент корреляции признаков :
. (44)
2. Корреляция первых разностей . От исходных рядов динамики Х и У переходят к новым , построенным по первым разностям (формулы 45) :
(45)
По DХ и DУ определяют по формуле 46 направление и силу связи в регрессии:
(46)
3. Включение времени в уравнение связи : .
В простейших случаях уравнение выглядит следующим образом (формула 47):
(47)
Из перечисленных методов исключения автокорреляции наиболее простым является второй , однако более эффективен первый .