Январь-март 19X8 | 360,2 | + 40,8 | |||
Апрель-июнь | 389,5 | 379,8 | -19,8 | ||
Июль-сентябрь | 409,5 | 399,5 | -64,5 | ||
Октябрь-декабрь | — | ||||
Январь-март 19X9 | - |
Для каждого квартала мы имеем оценки сезонной компоненты, которые включают в себя ошибку или остаток. Прежде чем мы сможем использовать сезонную компоненту, нужно пройти два следующих этапа. Найдем средние значения сезонных оценок для каждого сезона года. Эта процедура позволит уменьшить некоторые значения ошибок. Наконец, скорректируем средние значения, увеличивая или уменьшая их на одно и то же число таким образом, чтобы общая их сумма была равна нулю. Это необходимо, чтобы усреднить значения сезонной компоненты в целом за год. Корректирующий фактор рассчитывается следующим образом: сумма оценок сезонных компонент делится на 4. В последнем столбце табл. 9.2 эти оценки записаны под соответствующими квартальными значениями. Сама процедура приведена в табл. 9.3.
Таблица 9.3. Расчет средних значений сезонной компоненты
Год | Номер квартала | |||||
19X6 19X7 19X8 | + 44,4 + 40,8 | -21,9 -19,8 | -58,4 -63,4 -64,5 | + 36,4 + 43,8 | ||
Итого | + 85,2 | -41,7 | -186,3 | + 80,2 | ||
Среднее значение | 85,2 + 2 | -41,7+2 | -186,3 + 2 | 80,2+3 | ||
Оценка сезонной компоненты | + 42,6 | -20,8 | -62,1 | + 40,1 | Сумма =-0,2 | |
Скорректированная сезонная компонента* | + 42,6 | -20.7 | -62,0 | + 40,1 | Сумма = 0___ |
• В данном случае производилось округление двух значений сезонной компоненты до жайижго большего числа, а двух значении — до ближайшего меньшего числа таким оор чтобы общая сумма была равна нулю.
298 Ч. 2. Анализ данных как составная часть принятия решений
Значения сезонной компоненты еще раз подтверждают наши выводы, сделанные в 9.2 на основе диаграммы. Объемы продаж за два зимних квартала превышают среднее трендовое значение приблизительно на 40 тыс. шт., а объемы продаж за два летних периода ниже средних на 21 и 62 тыс. шт. соответственно.
Аналогичная процедура применима при определении сезонной вариации за любой промежуток времени. Если, например, в качестве сезонов выступают дни недели, для элиминирования влияния ежедневной «сезонной компоненты» также рассчитывают скользящую среднюю, но уже не по четырем, а по семи точкам. Эта скользящая средняя представляет собой значение тренда в середине недели, т.е. в четверг; таким образом, необходимость в процедуре центрирования отпадает.
Десезонализация данных при расчете тренда
Шаг. 2-состоит в десезонализации исходных данных. Она заключается в вычитании соответствующих значений сезонной компоненты из фактических значений данных за каждый квартал, т.е. А — S = Т + Е, что показано ниже.
Таблица 9.4 Расчет десеаошишанровянных данных
Дата | Номер квартала | Объем продаж, тыс. шт. А | Сезонная компонента S | Десезонализированный объем продаж, тыс. шт. A-S = T+E |
Январь-март 19X6 | (+42,6) | 196,4 | ||
Апрель-июнь | 2 ' | (-20,7) | 221,7 | |
Июль-сентябрь | (-62,0) | 244,0 | ||
Октябрь-декабрь | (+40,1) | 256,9 | ||
Январь-март 19X7 | (+42,6) | 281,4 | ||
Апрель-июнь | (-20,7) | 298,7 | ||
Июль-сентябрь | (-62,0) | 319,0 | ||
Октябрь-декабрь | (+40,1) | 343,9 | ||
Январь-март 19X8 | (+42,6) | 358,6 | ||
Апрель-июнь | (-20,7) | 380,7 | ||
Июль-сентябрь | (-62,0) | 397,1 | ||
Октябрь-декабрь | (+40,1) | 421,9 | ||
Январь-март 19X9 | (+42,6) | 438,4 |
Новые оценки значений тренда, которые еще содержат ошибку, можно использо-■эть для построения модели основного тренда. Если нанести эти значения на исходную диаграмму, можно сделать вывод о существовании явного линейного тренда.