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.
pris<strong>en</strong>e faller, vil nye abonn<strong>en</strong>ter som<br />
ikke har like stor kjøpekraft etterspørre<br />
abonnem<strong>en</strong>t og eksister<strong>en</strong>de (bedrifts-<br />
)abonn<strong>en</strong>ter øke det antall de allerede<br />
har, alt annet konstant (cet. par).<br />
Når vi b<strong>en</strong>ytter antall abonnem<strong>en</strong>t som<br />
forklaringsfaktor, får vi estimert det<br />
gj<strong>en</strong>nomsnittlige antall tellerskritt som<br />
abonnem<strong>en</strong>t<strong>en</strong>e har g<strong>en</strong>erert over dataperiod<strong>en</strong>.<br />
Hvis vi antar at de nye abonn<strong>en</strong>t<strong>en</strong>e<br />
vil bidra til å redusere dette forholdet,<br />
må vi trekke inn noe som kan forklare<br />
dette i modell<strong>en</strong>. En måte å gjøre<br />
dette på, er å b<strong>en</strong>ytte tid<strong>en</strong> t som forklaringsvariabel.<br />
D<strong>en</strong> vil da repres<strong>en</strong>tere <strong>en</strong><br />
negativ tr<strong>en</strong>d i forhold til vekst<strong>en</strong> som<br />
abonnem<strong>en</strong>tsmass<strong>en</strong> bidrar med.<br />
Fordel<strong>en</strong> med å ha med tid<strong>en</strong> som forklaringsvariabel<br />
er at d<strong>en</strong> er lett å prognostisere.<br />
Vi vil aldri ha no<strong>en</strong> usikkerhet<br />
beheftet til fremskrivning av tid<strong>en</strong>.<br />
Variabel<strong>en</strong> er konstruert ved hjelp av<br />
verdier fra 1 til 18, voks<strong>en</strong>de med <strong>en</strong> i<br />
hver periode.<br />
Vi forv<strong>en</strong>ter at volum tellerskritt reduseres<br />
ettersom tid<strong>en</strong> går.<br />
2.1.4 Virkedager<br />
Vi vet at antall tellerskritt per kvartal er<br />
avh<strong>en</strong>gig av antall virkedager det er i<br />
kvartalet. Telefonbruk<strong>en</strong> er forskjellig på<br />
hverdager i forhold til lørdager og helligdager.<br />
Derfor tillegges forskjellig type<br />
dager ulik vekt <strong>–</strong> det vil si andre dager<br />
<strong>en</strong>n hverdager vil repres<strong>en</strong>tere fraksjoner<br />
av hverdager der størrels<strong>en</strong> på fraksjon<strong>en</strong><br />
er avh<strong>en</strong>gig av type dag. Vi har målt<br />
antall tellerskritt som etterspørres på de<br />
ulike hverdager, lørdager, søn- og helligdager<br />
og inneklemte virkedager (f eks<br />
romjul og dager mellom Palmesøndag og<br />
Skjærtorsdag). Dette har gitt opphav til<br />
vekter gitt i tabell 2.1.<br />
Dette er for øvrig også omtalt i [10].<br />
Dersom antall virkedager var likt hvert<br />
kvartal, ville d<strong>en</strong> ikke ha effekt som forklaringsvariabel.<br />
Her er det imidlertid<br />
<strong>en</strong>dringer mellom kvartaler bl a på grunn<br />
av påske og pinse og inn<strong>en</strong> kvartal<strong>en</strong>e på<br />
Tabell 2.1 Vekting for beregning av<br />
virkedager<br />
Vekt<br />
Lørdag og søndag<br />
Helligdager og<br />
0,3<br />
inneklemte virkedager 0,2 <strong>–</strong> 0,7<br />
Rest<strong>en</strong> 1<br />
grunn av hvilke dager helligdag<strong>en</strong>e faller<br />
på i jul<strong>en</strong> og de off<strong>en</strong>tlige høytidsdager<br />
faller på i mai, spesielle flyt<strong>en</strong>de helligdager<br />
og fordi det kan være ulike antall<br />
helger i de forskjellige kvartaler. På<br />
månedsbasis kan det være <strong>en</strong>da større<br />
individuelle variasjoner. Figur 2.5 viser<br />
tidsrekk<strong>en</strong>.<br />
Vi forv<strong>en</strong>ter at volum tellerskritt øker når<br />
antall virkedager øker.<br />
2.1.5 Sesongvariable<br />
Det ses av figur 2.2 at det er klare<br />
sesongmessige svingninger, noe som<br />
indikerer at det må bygges inn sesongvariable.<br />
Variabel<strong>en</strong> Virkedager vil forklare<br />
noe av disse sesongsvingning<strong>en</strong>e,<br />
m<strong>en</strong>s f eks 3. kvartal med fellesferie ikke<br />
fanges opp i d<strong>en</strong>ne variabel<strong>en</strong>. I tillegg<br />
introduserer vi derfor noe som i regresjonsanalys<strong>en</strong><br />
kalles dummyvariable.<br />
Disse variabl<strong>en</strong>e har d<strong>en</strong> eg<strong>en</strong>skap at de<br />
er 1 på bestemte tidspunkter og 0 ellers.<br />
Vi må da ha dummyvariable som reflekterer<br />
<strong>en</strong>dring<strong>en</strong>e i de fire sesong<strong>en</strong>e i<br />
løpet av året.<br />
Det er imidlertid kun nødv<strong>en</strong>dig å<br />
inkludere tre sesongvariable i modell<strong>en</strong><br />
ved å bruke d<strong>en</strong> <strong>en</strong>e sesong<strong>en</strong> som referansesesong.<br />
I vårt tilfelle brukes sesong 1<br />
<strong>–</strong> det vil si 1. kvartal <strong>–</strong> som referanse,<br />
hvilket betyr at sesongutslag<strong>en</strong>e 2, 3 og 4<br />
er utslag i forhold til nivået på tidsrekk<strong>en</strong><br />
i 1. kvartal. På d<strong>en</strong>ne måt<strong>en</strong> sparer vi <strong>en</strong><br />
variabel, samtidig som vi unngår å få<br />
perfekt multikolinearitet under estimering<strong>en</strong>,<br />
se avsnittet om korrelasjonsmatris<strong>en</strong><br />
for parametr<strong>en</strong>e i kapittel 5.<br />
Tidsrekk<strong>en</strong> i figur 2.2 har 18<br />
observasjoner. Sid<strong>en</strong> variabel<strong>en</strong> Tid<br />
er definert med verdier fra 1 til 18,<br />
kan vi definere sesongvariabl<strong>en</strong>e<br />
som følger:<br />
S2t = 1 for t = 2, 6, 10, 14, 18<br />
0 ellers<br />
S3t = 1 for t = 3, 7, 11, 15<br />
0 ellers<br />
S4t = 1 for t = 4, 8, 12, 16<br />
0 ellers<br />
I selve modell<strong>en</strong> vil hver sesongvariabel<br />
multipliseres med <strong>en</strong> parameter.<br />
Størrels<strong>en</strong> på d<strong>en</strong>ne parameter<strong>en</strong><br />
vil være det estimerte sesongutslaget.<br />
Vi ser av definisjon<strong>en</strong> på<br />
sesongvariabl<strong>en</strong>e at de vil være forskjellig<br />
fra 0 til forskjellige tider.<br />
Etter sesongmønsteret i volum tellerskritt<br />
å dømme, forv<strong>en</strong>ter vi at sesong tre vil<br />
ligge lavere <strong>en</strong>n sesong <strong>en</strong>. De andre<br />
sesong<strong>en</strong>e er litt ujevne <strong>–</strong> vi har ing<strong>en</strong><br />
klar forv<strong>en</strong>tning om disse.<br />
2.2 Ulike modelltyper<br />
Totalt har vi nå introdusert 11 ulike forklaringsvariable,<br />
noe som med et ev<strong>en</strong>tuelt<br />
konstantledd utgjør 12 parametere.<br />
Totalt har vi 18 observasjoner. Dette<br />
indikerer i seg selv at antall variable er<br />
for stort. Hvis forutsetning<strong>en</strong>e for <strong>en</strong> god<br />
regresjonsmodell skal være oppfylt (se<br />
kapittel 3 og 5) vil neppe mer <strong>en</strong>n <strong>en</strong> av<br />
prisvariabl<strong>en</strong>e kunne aksepteres på grunn<br />
av stor avh<strong>en</strong>gighet. I så fall vil dette<br />
redusere antall parametere med 4.<br />
2.2.1 Tradisjonell lineær modell<br />
For å kunne estimere parametr<strong>en</strong>e i <strong>en</strong><br />
regresjonsmodell, brukes maksimum<br />
likelihood-prinsippet eller estimering<br />
basert på minste kvadraters metode.<br />
Disse to metod<strong>en</strong>e fører til samme resultat<br />
dersom vi har <strong>en</strong> lineær regresjonsmodell.<br />
Med lineær form m<strong>en</strong>es lineær i<br />
parametr<strong>en</strong>e. Dersom imidlertid parametr<strong>en</strong>e<br />
forekommer i komplekse former<br />
i modell<strong>en</strong>, må vi b<strong>en</strong>ytte andre måter å<br />
estimere parametr<strong>en</strong>e på. D<strong>en</strong> metode<br />
eller klasse av metoder som da b<strong>en</strong>yttes,<br />
kalles ikkelineær estimering. Her er det<br />
ikke mulig å beregne et analytisk uttrykk<br />
for de estimerte parametere. Det må<br />
isted<strong>en</strong> settes i gang <strong>en</strong> rekursiv estimer-<br />
Virkedager<br />
74<br />
72<br />
70<br />
68<br />
66<br />
0 3 6 9 12 15<br />
Figur 2.5 Antall virkedager per kvartal fra 1989 til 1993<br />
tid<br />
18<br />
89