Prognosemetoder – en oversikt - Telenor
Prognosemetoder – en oversikt - Telenor
Prognosemetoder – en oversikt - Telenor
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
- Både ikke-stasjonæritet pga sesongsvingninger<br />
og ut<strong>en</strong>om sesongsvingning<strong>en</strong>e<br />
kan være til stede, noe som gir<br />
opphav til <strong>en</strong> blanding av de typ<strong>en</strong>e av<br />
autokorrelasjonsfunksjon<strong>en</strong>e som er<br />
beskrevet i figur 9. I så fall vil autokorrelasjonsfunksjon<strong>en</strong><br />
ha form som i<br />
figur 10a).<br />
- Signifikante autokorrelasjoner (dvs<br />
autokorrelasjoner større <strong>en</strong>n 2 ganger<br />
standardavviket) kan være til stede<br />
ut<strong>en</strong>om sesong-l<strong>en</strong>gd<strong>en</strong>. Dette kompliserer<br />
tolkning<strong>en</strong> av ikke-stasjonære<br />
sesongsvingninger, se figur 10b).<br />
Etter at ikke-stasjonæritet er id<strong>en</strong>tifisert<br />
gj<strong>en</strong>nom form<strong>en</strong> på autokorrelasjonsfunksjon<strong>en</strong>,<br />
bringes tidsrekk<strong>en</strong> over på<br />
<strong>en</strong> stasjonær form ved å differ<strong>en</strong>siere d<strong>en</strong><br />
<strong>en</strong> eller flere ganger, slik vi har vist i<br />
kapittel 5.2. I praksis bør <strong>en</strong> være oppmerksom<br />
på følg<strong>en</strong>de:<br />
a. Autokorrelasjonsfunksjon<strong>en</strong> bør<br />
beregnes for så lang avstand mellom<br />
observasjon<strong>en</strong>e at d<strong>en</strong>s ikke-stasjonæritet<br />
blir avdekket. Dette kan gjøres ved<br />
å beregne d<strong>en</strong> opp til avstand 15<strong>–</strong>20<br />
for tidsrekker ut<strong>en</strong> ikke-stasjonære<br />
sesongsvingninger og 3 ganger sesong<br />
(+1 observasjon) for tidsrekker med<br />
ikke-stasjonære sesongsvingninger.<br />
b. Det er i teori<strong>en</strong> ing<strong>en</strong> gr<strong>en</strong>ser for hvor<br />
mange ganger <strong>en</strong> tidsrekke bør differ<strong>en</strong>sieres<br />
for å bringe d<strong>en</strong> over på stasjonær<br />
form. I praksis er det likevel<br />
uvanlig med mer <strong>en</strong>n to ikke-sesongavh<strong>en</strong>gige<br />
differ<strong>en</strong>sieringer og <strong>en</strong><br />
sesongavh<strong>en</strong>gig differ<strong>en</strong>siering.<br />
c. Mistolkning av autokorrelasjonsfunksjon<strong>en</strong><br />
kan lede til over-differ<strong>en</strong>siering.<br />
En tidsserie som går mot stasjonær<br />
tilstand vil redusere sin varians, m<strong>en</strong>s<br />
over-differ<strong>en</strong>siering øker varians<strong>en</strong>.<br />
6.2 Eksempel<br />
I kapittel 5.1 så vi hvordan vi kunne<br />
id<strong>en</strong>tifisere hvorvidt mottatte bestillinger<br />
i Region Oslo hadde konstant varians. Vi<br />
så på variasjons-gj<strong>en</strong>nomsnitts-plottet og<br />
fant at <strong>en</strong> ln-transformasjon av data stabiliserte<br />
varians<strong>en</strong>.<br />
I dette eksempelet er d<strong>en</strong>ne transformasjon<strong>en</strong><br />
foretatt. For å id<strong>en</strong>tifisere ev<strong>en</strong>tuelt<br />
behov for differ<strong>en</strong>siering starter vi<br />
med å plotte autokorrelasjonsfuksjon<strong>en</strong><br />
for d<strong>en</strong> ln-transformerte tidsrekk<strong>en</strong>, se<br />
figur 11.<br />
Vi ser klart at form<strong>en</strong> på autokorrelasjonsfunksjon<strong>en</strong><br />
likner på figur 9a), bortsett<br />
fra at d<strong>en</strong> etter hvert kryper under 0.<br />
Dette er et klart tegn på at tidsrekk<strong>en</strong> har<br />
<strong>en</strong> tr<strong>en</strong>d, slik dette ble beskrevet under<br />
kapittel 5.2, og at det er behov for differ<strong>en</strong>siering.<br />
I tillegg ser vi at form<strong>en</strong> på<br />
autokorrelasjonsfunksjon<strong>en</strong> er noe bueformet,<br />
slik som i figur 10a). Dette er et<br />
tegn på at det også kan være behov for<br />
sesong-differ<strong>en</strong>siering. I figur 12 er tidsseri<strong>en</strong><br />
differ<strong>en</strong>siert <strong>en</strong> gang.<br />
Vi ser tydelig at indikasjon<strong>en</strong>e på behov<br />
for differ<strong>en</strong>siering pga tr<strong>en</strong>d er borte. Tilbake<br />
står signifikante (de er større <strong>en</strong>n 2<br />
ganger standardavviket) autokorrelasjoner<br />
i avstand 12, dvs slik som i figur<br />
9b). I tillegg ser vi <strong>en</strong>kelte andre store<br />
autokorrelasjoner. No<strong>en</strong> av disse har<br />
klart form av figur 10b). Det er altså<br />
behov for å differ<strong>en</strong>siere tidsseri<strong>en</strong> <strong>en</strong><br />
gang til, m<strong>en</strong> nå mhp sesong. I figur 13<br />
er tidsseri<strong>en</strong> også differ<strong>en</strong>siert <strong>en</strong> gang<br />
mhp sesong.<br />
Vi ser nå tydelig at form<strong>en</strong> på autokorrelasjonsfunksjon<strong>en</strong><br />
ikke har no<strong>en</strong> av de<br />
“mønstre” som vi beskrev i figur 9 og 10.<br />
Det er m a o store muligheter for at tidsseri<strong>en</strong><br />
er stasjonær. Tilbake står no<strong>en</strong> få<br />
autokorrelasjoner som er større <strong>en</strong>n 2<br />
ganger standardavviket. Disse kommer vi<br />
tilbake til under modellering<strong>en</strong> ned<strong>en</strong>for.<br />
Rest<strong>en</strong> har karakter av å være tilfeldig.<br />
6.3 Id<strong>en</strong>tifikasjon av AR- og<br />
MA-prosesser i <strong>en</strong> stasjonær<br />
tidsserie<br />
En stasjonær tidsserie vil som regel fremdeles<br />
være autokorrelert, ref de signifikante<br />
autokorrelasjon<strong>en</strong>e i figur 13. Derfor<br />
har vi behov for å “fjerne” d<strong>en</strong>ne korrelasjon<strong>en</strong><br />
ved å modellere d<strong>en</strong> med AR- og<br />
MA-prosesser, slik at vi står igj<strong>en</strong> med<br />
støyledd som er uavh<strong>en</strong>gige, dvs at det<br />
ikke er noe autokorrelasjon tilbake, ref<br />
forutsetning<strong>en</strong>e om støyledd<strong>en</strong>e i kapittel<br />
2.<br />
Før vi analyserer de signifikante autokorrelasjon<strong>en</strong>e<br />
i <strong>en</strong> stasjonær tidsrekke bør<br />
vi også huske at selv i <strong>en</strong> tilfeldig tidsrekke,<br />
dvs <strong>en</strong> tidsrekke ut<strong>en</strong> noe autokorrelasjon,<br />
vil vi vanligvis finne at 1 av 20<br />
(5 %) autokorrelasjoner er signifikante<br />
når gr<strong>en</strong>s<strong>en</strong> for signifikans er 2 ganger<br />
standardavviket4 . Det vi må spørre oss<br />
om er om autokorrelasjon<strong>en</strong>e er m<strong>en</strong>ingsfylte:<br />
1. Signifikante autokorrelasjoner for<br />
observasjoner med lit<strong>en</strong> avstand er <strong>en</strong><br />
indikasjon på ikke-sesongavh<strong>en</strong>gig<br />
eller periode til periode-prosesser.<br />
2. Signifikante autokorrelasjoner med<br />
avstand lik sesongperiod<strong>en</strong>e eller 1, 2,<br />
a) tidsrekke med ikke-stasjonæritet pga av<br />
sesongsvingninger og ut<strong>en</strong>om sesongsvingninger<br />
1<br />
B, H,9<br />
0<br />
-1<br />
1<br />
0<br />
-1<br />
S 2S 3S<br />
S 2S 3S<br />
lag<br />
-2σ<br />
b) tidsrekke med ikke-stasjonære sesongsvingninger<br />
og signifikante autokorrelasjoner<br />
ut<strong>en</strong>om sesongl<strong>en</strong>gd<strong>en</strong><br />
Figur 10 Teoretisk form på autokorrelasjonsfunksjon<strong>en</strong><br />
for ikke-stasjonære tidsrekker.<br />
Spesielle tilfeller<br />
2σ<br />
lag<br />
-2σ<br />
Autukorrelasjonsfunksjon<strong>en</strong><br />
0.8<br />
0.6<br />
0.4<br />
0.2<br />
0<br />
2σ<br />
-0.2<br />
-2σ<br />
-0.4<br />
0 5 10 15 20 25 30 35 40 45 50<br />
Avstand mellom observasjon<strong>en</strong>e<br />
Figur 11 Autokorrelasjonsfunksjon<strong>en</strong> for<br />
ln-transformerte verdier av mottatte bestillinger,<br />
januar 1984 <strong>–</strong> desember 1991.<br />
Region Oslo<br />
Autukorrelasjonsfunksjon<strong>en</strong><br />
0.6<br />
0.4<br />
0.2<br />
0<br />
-0.2<br />
-0.4<br />
-0.6<br />
0 5 10 15 20 25 30 35 40 45 50<br />
Avstand mellom observasjon<strong>en</strong>e<br />
Figur 12 Autokorrelasjonsfunksjon<strong>en</strong> for lntransformerte<br />
verdier av mottatte bestillinger,<br />
januar 1984 <strong>–</strong> desember 1991. Region Oslo. Differ<strong>en</strong>siert<br />
<strong>en</strong> gang<br />
2σ<br />
-2σ<br />
115