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, то есть A – S = T + E, что показано в таблице 4.14.

Таблица 4.14. Расчет десезонализированных данных

ДАТА	Номер квартала	Объем продаж, тыс.шт.	Сезонная компонента	Десезонализированный объем продаж, тыс. шт. A – S = T + E
Январь – март 1996			+42,6	196,4
Апрель – июнь			-20,7	221,7
Июль – сентябрь			-62,0	244,0
Октябрь – декабрь			+40,1	256,9
Январь - март 1997			+42,6	281,4
Апрель – июнь			-20,7	298,7
Июль – сентябрь			-62,0	319,0
Октябрь – декабрь			+40,1	343,9
Январь - март 1998			+42,6	358,6
Апрель – июнь			-20,7	380,7
Июль – сентябрь			-62,0	397,1
Октябрь – декабрь			+40,1	421,9
Январь - март 1999			+42,6	438,4

Новые оценки тренда, которые все еще содержат ошибку, можно использовать для построения модели основного тренда. Если нанести эти значения на исходную диаграмму, то можно сделать вывод о существовании явного линейного тренда (См. рис. 16).

Объем продаж

Рис.16

Уравнение линии тренда имеет вид:

,

где х – порядковый номер квартала,

а и b – параметры уравнения парной регрессии.

Поскольку мы нашли, что тренд имеет линейный характер, то значения параметров линии, аппроксимирующей тренд, найдем методом наименьших квадратов.

где y = T + E,

,

.

Подставив значения из последних колонок таблицы 4.14 в соответствующие формулы, получим: , .

Следовательно, уравнение модели тренда имеет следующий вид (с округлением значений коэффициентов регрессии до ближайших целых значений):

Трендовое значение объема продаж, тыс. шт. = 180,0 + 20,0 * номер квартала