Динамический ряд способы выравнивания

Динамические ряды — краткое руководство по анализу изменений явлений во времени

Даная статья понятными и простыми терминами объяснит, что же такое динамические ряды, для чего они нужны, как производится анализ полученных данных и какие возможности открываются перед теми, кто владеет методикой данного анализа. Любое явление в области здравоохранения нуждается в тщательной оценке, и здесь знания анализа динамических рядов неоценимы. С помощью динамического ряда можно оценить и спрогнозировать проблематику любой нозологической единицы, сформировать дальнейшую тактику лечения и меры профилактики заболеваний.

Динамический ряд — ряд однородных величин, характеризующих изменение явления во времени.

Целью анализа динамических рядов является:

• выявление закономерности изменения изучаемого явления во времени;
• прогнозирование (экстраполирование) полученных данных на последующие
  годы.

Числовые значения, составляющие динамический ряд, называются уровнями ряда (у).

Типы динамических рядов:

1. В зависимости от вида уровня ряда:

а) простые (уровень ряда выражен абсолютными числами);

б) сложные (уровень ряда выражен обобщающими коэффициентами).

1. В зависимости от способа формирования временного интервала:

а) моментные (данные собираются на определенный момент времени);

б) интервальные (данные собираются за определенный период времени).

1. В зависимости от выраженности изменений явления во времени (определя­ется по коэффициенту корреляции между временем и изучаемым явлением).

а) с выраженной тенденцией (r =0,7 — 1,0);

б) с неустойчивой тенденцией (r =0,3 — 0,69);

в) с отсутствием тенденции ( r = 0 — 0,29).

Основное требование, предъявляемое к анализируемым динамическим ря­дам, заключается в сопоставимости их уровней. Для оценки сопоставимости прово­дят предварительный анализ полученных данных по следующим критериям:

• единство территории, на которой проводился сбор данных;
• единая методология учета данных;
• единые временные интервалы, в течение которых проводилась регистрация
  данных.

Методика анализа динамических рядов

Методика аналитики предусматривает выполнение последовательных действий:

1. Представить полученные данные графически и выявить форму зависимости изучаемого явления от времени.
2. Оценить наличие и силу корреляции изучаемого явления от времени.
3. Если установлено, что ряд обладает выраженной тенденцией, проводят анализ компонентов динамики ряда: основной тенденции (эволюции, тренда), кратковременных систематических движений и случайных колебаний. Основная задача анализа — разделить эти компоненты и выявить основную закономерность изменения явления во времени. Для выявления и описания тренда динамический ряд подвергают обработке — выравниванию.

Способы выравнивания динамических рядов

Чтобы произвести выравнивание динамических рядов потребуются следующие действия:

• Укрупнение временных интервалов (периодов), в течение которых изучается явление.
• Сглаживание ряда методом скользящей средней.
• Аналитический способ.

При этом способе на основании фактических данных подбирается наиболее подходящее для отражения тенденции развития явления математическое уравнение (аппроксимирующая функция), которое принимается за модель развития явления во времени. Т.е. уровни ряда рассматриваются как функция времени, и задача выравнивания сводится к определению вида функции, отысканию ее параметров по эмпирическим данным и расчету по найденной формуле теоретических выравненных уровней. Наиболее часто используются следующие функции:

а) линейная зависимость:

б) экспоненциальная зависимость:

в) показательная зависимость:

г) параболическая зависимость:

у – теоретический уровень;

t – временной интервал.

В качестве примера возьмем линейную зависимость и проведем выравнивание, используя для нахождения параметров уравнения а₀ ,а₁ способ наименьших квадратов. Способ наименьших квадратов позволяет найти теоретическую кривую, максимально приближенную к эмпирической, а условие минимума суммы квадратов отклонений теоретических данных от фактических позволяет свести математическое решение задачи к системе нормальных уравнений:

где у — уровни фактического ряда;

n — количество уровней;

t — порядковый номер временного периода.

Эта система уравнений легко упрощается, если «t» присвоить ранги (порядковые номера), ведя отсчет времени от середины ряда. При нечетном ряде середина обозначается через 0, а отсчет рангов ведется через единицу с соответствующим знаком в ту или иную сторону от середины (например: -5,-4,-3,-2,-1, 0,+1.+2,+3,->:4,+5). При четном ряде две средние временные точки обозначаются через +1 и -1, а остальные ранги присваиваются через две единицы (например: -5,-3,-1,+1,+3,+5).

При отсчете времени от середины ряда St = 0 и система нормальных уравнений принимает вид:

Отсюда находим параметры уравнения:

Подставляя в уравнение у = а₀ + а₁t вместо «t» его ранги, находим выравненные (теоретические) значения уровней ряда и строим теоретическую кривую выравненного динамического ряда.

При использовании аналитического способа всегда отмечается отклонение теоретических уровней от фактических уровней ряда, которое может быть обуслов­лено как случайными колебаниями, так и неправильно подобранным аппроксими­рующим уравнением. В связи с этим заключительным этапом выравнивания динамического ряда аналитическим способом является оценка точности аппроксимации с определенным уровнем значимости.

Оценка точности аппроксимации возможна с помощью нахождения

Для получения точной оценки необходимо найти такие величины:

а) коэффициент вариации:

где у- фактический уровень ряда;

y_t — теоретический уровень ряда;

k- число параметров уравнения;

n- число уровней ряда.

Аппроксимация считается точной при C_v не более 15%.

б) коэффициент расхождения Тейла:

где у — фактический уровень ряда;

y_t — теоретический уровень ряда.

Аппроксимация считается точной при U не более 5%

После аналитического выравнивания динамического ряда и описания тренда возможно экстраполировать полученные данные. Экстраполяция — предположение о сохранении тренда, базирующееся на допущении неизменности влияющих факто­ров и предшествующей тенденции. Осуществляется путем подставления в найденное уравнение аппроксимации не фактического значения временного интервала, а предполагаемого порядкового номера (ранг) того периода, на который прогнозируется результат.

Вычисление основных показателей динамического ряда

Алгоритм вычислений ведущих параметров динамических рядов:

yi- текущий уровень (сравниваемый);

у_i-1— базисный уровень (с каким сравнивают);

t- период времени, в течение которого уровень предполагается неизменным.

1.Абсолютный прирост (убыль) :

2.Темп роста (убыли):

3.Темп прироста (относительная скорость), темп убыли :

4.Средний темп прироста (убыли):

где а₀; а₁ — параметры уравнения;

k = 1 при нечетном ряде;

k = 2 при четном ряде.

5.1% прироста (убыли): используются при сравнении динамических рядов с уровнями, выраженными различными обобщающими коэффициентами.

Таким образом, с помощью данного руководства по определению и расчетам такого понятия, как, динамические ряды, специалисты различных отраслей медицины, ученые могут эффективно и быстро оценить изменение различных величин в течение времени.

Благодарим за интерес, проявленный к нашей статье, оставайтесь с нами!

Источник

Выравнивание рядов динамики

При исследовании рядов динамики одной из важнейших задач является определение основной тенденции развития явления (тренда) и сглаживание случайных колебаний. С этой целью используются следующие методы выравнивания рядов динамики:

1)метод укрупнения интервалов;

2)метод скользящей средней;

3) аналитическое выравнивание рядов динамики.

Метод укрупнения интервалов основан на том, что первоначальный ряд динамики заменяется другим, уровни которого относятся к большим по продолжительности периодам времени. Средние, исчисленные по укрупненным интервалам, позволяют выявлять направление и характер основной тенденции развития.

Суть метода скользящей средней заключается в том, что для первоначального ряда динамики формируются увеличенные интервалы, состоящие из одинакового количества уровней. Каждый последующий интервал получается смещением от начального на один уровень. В каждом укрупненном интервале скольжения рассчитывается средний уровень, который относится к середине этого интервала. В результате этого получается новый ряд из скользящих средних, позволяющий выявить тенденцию развития явления.

Смысл метода аналитического выравнивания состоит в замене фактических уровней ряда динамики сглаженными, рассчитанными по соответствующей математической функции.

Рассмотрим сущность данного метода на примере выравнивания по прямой.

Уравнение прямой имеет следующий вид:

где – выравненные уровни ряда динамики, освобожденные от случайных отклонений;

, – параметры, определяющие конкретный вид уравнения прямой;

– время.

Параметры и находятся решением системы нормальных уравнений, составленных с использованием метода наименьших квадратов:

Расчет параметров прямой можно упростить, если отсчет времени осуществлять с середины ряда динамики. Тогда значения , расположенные до середины, будут отрицательными, а после середины – положительными. В этом случае сумма значений времени будет равна нулю.

При условии, что , система нормальных уравнений упрощается, приобретая следующий вид:

Откуда ; .

Аналитическое выравнивание может быть использовано при прогнозировании статистических показателей путем экстраполяции, т. е. нахождения уровней за пределами данного ряда динамики.

Источник

Ряды динамики в статистике

9.3. Методы анализа основной тенденции в рядах динамики

Комплексный анализ динамических рядов, как правило, включает не только расчет характеристик интенсивности изменения уровней ряда при переходе от одного момента или промежутка времени к другому (абсолютных приростов, коэффициентов и темпов роста и прироста), а также нахождение обобщенных средних характеристик (среднего уровня ряда, средних темпов роста и прироста), но и выявление основных закономерностей в развитии динамического ряда. Определение тенденции развития, построение модели, описывающей изменение явления во времени, прогнозирование явления — все это важнейшие задачи при изучении динамических рядов экономических и социальных показателей.

На формирование уровней динамического ряда влияет множество различных факторов, которые по характеру воздействия можно объединить в три группы:

1. действующие долговременно и определяющие основную тенденцию развития явления;
2. действующие периодически — сезонные и циклические колебания;
3. вызывающие случайные колебания уровней динамического ряда.

Соответственно, для анализа закономерности изменения уровней ряда динамики во времени применяют следующую модель:

где Т_t — основная тенденция ряда ( тренд );

S_t — циклические (в частности, сезонные) колебания;

е_t — случайные колебания.

В аддитивной модели ряд динамики представлен как сумма перечисленных компонент [y_t = T_t + S_t + e_t], в мультипликативной модели — как их произведение []. В дальнейшем будем исходить из предположения мультипликативной формы связи между компонентами ряда динамики.

Тенденцией развития, или трендом, называется сформировавшееся направление развития явления во времени под воздействием постоянно действующих факторов. Судить о наличии тенденции в динамическом ряду на основе его визуального анализа можно лишь тогда, когда четко видно, что при переходе от одного момента времени к другому уровни ряда возрастают или убывают. Однако, как правило, нельзя сразу сказать, есть или нет тенденция в изменении уровней динамического ряда. Для этого применяются специальные методы.

К методам выявления основной тенденции развития динамического ряда (Т_t) относятся:

• метод укрупнения интервалов;
• метод скользящей средней;
• аналитическое выравнивание динамических рядов.

Рассмотрим их подробнее.

9.3.1. Метод укрупнения интервалов

Применение метода укрупнения интервалов рассмотрим на основе данных табл. 9.13.

Таблица 9.13. Поставки товаров в торговую сеть

Месяц	Поставка товаров, млн руб.
Январь	80
Февраль	78
Март	75
Апрель	80
Май	82
Июнь	85
Июль	87
Август	82
Сентябрь	85
Октябрь	84
Ноябрь	86
Декабрь	88

Как видим, визуальный анализ данных не позволяет сделать какие-либо выводы о наличии тенденции в данном динамическом ряду: в отдельные месяцы, например, в феврале, марте, августе, октябре и декабре, поставки товаров снижались по сравнению с предыдущими месяцами, в остальные периоды — возрастали.

Применим к исходным данным метод укрупнения интервалов, образовав новый динамический ряд с более крупными временными периодами — кварталами, и рассчитаем средний месячный объем поставок в каждом квартале (табл. 9.14).

Таблица 9.14. Среднемесячные поставки товаров

Квартал	Среднемесячные поставки товаров, млн руб.
I	77.7
II	82.3
III	84.0
IV	84.7

Итак, по новым, более крупным интервалам уже четко видно, что значения исследуемого признака во временном аспекте имеют тенденцию к возрастанию.

Применение рассмотренного метода в основном ограничивается теми ситуациями, когда исходные данные относятся к дням, неделям или месяцам года, так как значения исследуемого признака по более мелким временным интервалам больше подвержены случайным колебаниям. Если временные промежутки представляют собой годы, то укрупнение интервалов становится малоэффективным.

9.3.2. Метод скользящей средней

Следующий способ выявления тенденции в динамическом ряду основан на расчете и анализе так называемых скользящих (подвижных) средних.

Скользящими (подвижными) средними называются средние арифметические значения показателя, исчисленные по новым m-членным укрупненным интервалам. Правила построения этих интервалов следующие. Первый из интервалов включает первые m уровней ряда динамики, второй интервал образуется путем исключения первого члена укрупненного интервала и замены его последующим элементом ряда динамики, имеющим номер (m + 1) и т.д. — до включения в интервал последнего уровня ряда. По вычисленным подобным путем подвижным средним делают вывод о существовании тенденции в динамическом ряду.

Если в качестве укрупненного интервала используют период в три месяца, то первая подвижная трехчленная средняя вычисляется как средняя арифметическая из данных за январь, февраль и март, вторая — как средняя арифметическая из данных за февраль, март, апрель и т.д. Значения подвижных средних относят к конкретному временному периоду, соответствующему середине укрупненного интервала.

Проведем сглаживание ряда методом скользящей средней по трем членам (табл. 9.15).

Таблица 9.15. Сглаживание ряда динамики методом скользящей средней по трем членам

В нашем примере первая скользящая средняя относится к февралю, вторая — к марту и т. д.

В тех случаях, когда сглаживание проводится по четному числу уровней ряда динамики, середина временного интервала сглаживания будет находиться между двумя моментами (периодами) времени. Например, если проводить сглаживание по четырем членам, середина первого интервала будет находиться между февралем и мартом, второго интервала — между мартом и апрелем и т.д. В таких случаях возникает необходимость центрирования полученных результатов для отнесения сглаженных значений показателя к конкретным периодам или моментам времени. Расчет центрированных скользящих средних может проводиться в два этапа:

1. определение скользящих сумм и нецентрированных скользящих средних по четному числу уровней ряда динамики;
2. исчисление центрированных скользящих средних из двух смежных ранее исчисленных нецентрированных скользящих средних и отнесение их к соответствующим периодам или моментам времени.

Методика расчета центрированных скользящих средних показана ниже (табл. 9.16).

Таблица 9.16. Сглаживание ряда динамики методом скользящей средней по четырем членам

9.3.3. Аналитическое сглаживание (выравнивание) рядов динамики

Аналитическое выравнивание динамических рядов — это нахождение определенной модели (уравнения тренда), которая математически описывает тенденцию развития явления во времени. При этом уровни показателя рассматриваются только как функция от времени. В отличие от рассмотренных выше методов, таких, как укрупнение интервалов, скользящих средних, направленных в основном на то, чтобы ответить на вопрос: есть ли тенденция в динамическом ряду или нет, и определить ее направление, аналитическое выравнивание позволяет более точно установить характер развития явления, а главное — описать его математически, уловить все нюансы и направления развития и, что, пожалуй, наиболее интересно, использовать в дальнейшем полученную модель для прогнозирования.

Первым шагом в проведении аналитического выравнивания является выбор вида математической функции, которую предполагается использовать в качестве модели тренда. При этом можно руководствоваться формой кривой, полученной на основе отображения на графике эмпирических данных. Схема построения графика достаточно проста: по оси абсцисс откладываются временные периоды (даты), по оси ординат — значения уровней динамического ряда.

При анализе рядов динамики в качестве линии тренда чаще всего используются следующие функции:

Источник