Prognosemetoder – en oversikt - Telenor
Prognosemetoder – en oversikt - Telenor
Prognosemetoder – en oversikt - Telenor
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
e t<br />
0<br />
0<br />
y t<br />
e t<br />
32<br />
Figur 7.9 Plott av residualer med øk<strong>en</strong>de varians<br />
Figur 7.10 Plott av residualer med <strong>en</strong> outlier<br />
y t<br />
observasjon outlier<br />
modell<br />
Figur 7.11 Modell der det ikke er tatt h<strong>en</strong>syn til outlier<br />
observasjon outlier<br />
modell<br />
Figur 7.12 Modell der det er tatt h<strong>en</strong>syn til outlier<br />
t<br />
t<br />
fordelt slik at de tilfredsstiller de<br />
gitte krav.<br />
7.5 Transformasjoner<br />
Det første som bør gjøres før vi<br />
starter med å analysere og modellere<br />
<strong>en</strong> tidsrekke, er å studere forløpet<br />
til tidsrekk<strong>en</strong>. Vi får da et<br />
visuelt bilde av tidsrekk<strong>en</strong> som<br />
kan fortelle mye.<br />
Spesielt må vi være oppmerksom<br />
på om tidsrekk<strong>en</strong>s variasjon øker<br />
med tid<strong>en</strong>. Dersom det er slik at<br />
selve tidsrekk<strong>en</strong> øker med tid<strong>en</strong><br />
samtidig som variasjon<strong>en</strong> øker<br />
med tid<strong>en</strong>, er det grunnlag til å<br />
anta at forutsetning<strong>en</strong> om at varians<strong>en</strong><br />
til tidsrekk<strong>en</strong>s støy er konstant,<br />
ikke er tilfredsstilt.<br />
Dette undersøkes ved et variasjons-gj<strong>en</strong>nomsnittsplott.<br />
Observasjon<strong>en</strong>e deles da opp i<br />
grupper. I hver gruppe foretas det<br />
<strong>en</strong> beregning av gj<strong>en</strong>nomsnittet og<br />
variasjon<strong>en</strong> på observasjon<strong>en</strong>e.<br />
Variasjon<strong>en</strong> defineres her som<br />
differans<strong>en</strong> mellom laveste og<br />
høyeste observasjon i grupp<strong>en</strong>.<br />
Disse verdi<strong>en</strong>e plottes så i <strong>en</strong><br />
todim<strong>en</strong>sjonal figur der gj<strong>en</strong>nomsnittet<br />
er angitt på d<strong>en</strong> <strong>en</strong>e aks<strong>en</strong><br />
og variasjon<strong>en</strong> på d<strong>en</strong> andre<br />
aks<strong>en</strong>.<br />
Dette illustreres nå på et sett med<br />
kvartalsvise observasjoner.<br />
Totalt har vi 40 observasjoner over<br />
<strong>en</strong> 10-årsperiode. Gj<strong>en</strong>nomsnittet<br />
for hvert år og variasjon<strong>en</strong> (differans<strong>en</strong><br />
mellom høyeste og laveste<br />
verdi) er angitt til høyre i tabell<strong>en</strong>.<br />
Det er viktig at de grupp<strong>en</strong>e som<br />
det regnes ut gj<strong>en</strong>nomsnitt og<br />
variasjon for, er observasjoner<br />
over <strong>en</strong> hel sesong, slik at vi får<br />
med alle variasjon<strong>en</strong>e over året.<br />
Dersom det er kvartalsvise<br />
observasjoner blir det 4 observasjoner<br />
i hver gruppe. Dersom det<br />
er månedlige observasjoner blir<br />
det 12 observasjoner i hver<br />
gruppe. Observasjon<strong>en</strong>e må<br />
grupperes på d<strong>en</strong>ne måt<strong>en</strong>, ellers<br />
kan vi få uheldige grupperinger.<br />
Anta eksempelvis at vi i tabell 7.1<br />
grupperte observasjon<strong>en</strong> i grupper<br />
på 3. Vi ser av tabell<strong>en</strong> at<br />
observasjon<strong>en</strong>e i kvartal 2 er høyere<br />
<strong>en</strong>n for de øvrige måned<strong>en</strong>e.<br />
Dersom vi grupperer observasjon<strong>en</strong>e<br />
3 og 3, vil vi i no<strong>en</strong> av grupp-<br />
<strong>en</strong>e ikke ha observasjoner fra kvartal 2.<br />
Dette forårsaker at variasjon<strong>en</strong> i grupp<strong>en</strong><br />
blir betraktelig lavere <strong>–</strong> noe d<strong>en</strong> ikke<br />
skulle vært. Dette skyldes imidlertid <strong>en</strong><br />
uheldig gruppering av observasjon<strong>en</strong>e.<br />
Vi kan nå se nærmere på variasjonsgj<strong>en</strong>nomsnittsplottet<br />
for observasjon<strong>en</strong>e i<br />
tabell 7.1.<br />
Vi ser av figur<strong>en</strong> at når gj<strong>en</strong>nomsnittet<br />
øker, så øker også variasjon<strong>en</strong> i observasjon<strong>en</strong>e.<br />
Dette er også illustrert ved d<strong>en</strong><br />
linj<strong>en</strong> som er trukket opp i figur<strong>en</strong>.<br />
Dette betyr at forutsetning<strong>en</strong> om konstant<br />
varians i tidsrekk<strong>en</strong> ikke er tilfredsstilt.<br />
Det er derfor grunnlag for gjøre noe med<br />
tidsrekk<strong>en</strong> for bedre å kunne imøtekomme<br />
kravet.<br />
Det som vanligvis gjøres, er å transformere<br />
tidsrekk<strong>en</strong> for å dempe variasjon<strong>en</strong>.<br />
Det finnes <strong>en</strong> rekke transformasjoner<br />
som kan brukes. De viktigste transformasjon<strong>en</strong>e<br />
er d<strong>en</strong> logaritmiske transformasjon<br />
og kvadratrot-transformasjon<strong>en</strong>. Det<br />
finnes for øvrig <strong>en</strong> klasse transformasjoner<br />
kalt Box-Cox transformasjoner,<br />
m<strong>en</strong> i dette komp<strong>en</strong>diet vil vi begr<strong>en</strong>se<br />
oss til de mest vanlige transformasjon<strong>en</strong>e.<br />
La oss nå foreta <strong>en</strong> logaritmisk transformasjon<br />
av de kvartalsvise observasjon<strong>en</strong>e<br />
i tabell 7.1. Vi får da:<br />
ln 35 = 3,56<br />
ln 52 = 3,95<br />
ln 28 = 3,33<br />
ln 33 = 3,50<br />
ln 38 = 3,64<br />
.<br />
.<br />
.<br />
ln 42 = 3,74<br />
D<strong>en</strong> originale tidsrekk<strong>en</strong> og d<strong>en</strong> transformerte<br />
tidsrekk<strong>en</strong> er vist i figur 7.16 og<br />
7.17.<br />
Det ses av figur 7.17 at variasjon<strong>en</strong> i tidsrekk<strong>en</strong><br />
øker med øk<strong>en</strong>de nivå i tidsrekk<strong>en</strong>.<br />
I figur 7.18 er tidsrekk<strong>en</strong> transformert<br />
ved bruk av logaritmisk transformasjon,<br />
og vi ser at variasjon<strong>en</strong> i tidsrekk<strong>en</strong><br />
er dempet. I dette tilfelle har d<strong>en</strong><br />
logaritmiske transformasjon<strong>en</strong> hatt <strong>en</strong><br />
god effekt.<br />
Til slutt vises det eksempel på et variasjons-gj<strong>en</strong>nomsnittsplott<br />
i figur 7.19, der<br />
variasjon<strong>en</strong> ikke øker med gj<strong>en</strong>nomsnittet.<br />
Dersom punkt<strong>en</strong>e som er<br />
avmerket i figur<strong>en</strong> ikke varierer etter et<br />
mønster, m<strong>en</strong> er mer eller mindre tilfeldig<br />
fordelt slik som vist på figur<strong>en</strong>, er