Формулы для расчета показателей представлены в таблице

Показатели динамики
Базисные	Цепные
Абсолютный прирост
Ai=yi-y1	ai=yi-yi-1
Коэффициент (темп) роста
Li=yi/y1 (*100 %)	li=yi/yi-1 (*100 %)
Коэффициент (темп) прироста
Ki=(yi-y1)/y1=Li-1 (*100 %)	ki=(yi-yi-1)/yi-1 =li-1 (*100 %)

Рассмотрим определение среднего абсолютного прироста (цепного).

Предположим, что имеется временной ряд y₁,y₂,…,y_n.

Тогда , , , … (цепные приросты).

Средний абсолютный прирост равен

Рассмотрим определение среднего коэффициента роста (цепного)

Предположим, что имеется временной ряд y₁,y₂,…,y_n.

Тогда (i=2,…,n) – цепные коэффициенты роста.

Средний коэффициент роста равен

Временной ряд может быть представлен в виде

где f(,t) – регулярная составляющая (тренд, основная тенденция);

e_t – случайная составляющая;

– вектор параметров.

Одним из методов выделения тренда является сглаживание временного ряда с помощью скользящего среднего. Метод состоит в замене уровней ряда динамики средними арифметическими- за определенный интервал (окно сглаживания), длина которого определена заранее. При этом сам выбранный интервал времени «скользит» вдоль ряда.

Например, при к=2, 2к+1=5 и

Получаемый таким образом ряд скользящих средних ведет себя более гладко, чем исходный ряд, из-за усреднения отклонений ряда. Действительно, если индивидуальный разброс значений члена временного ряда около своего среднего значения m характеризуется дисперсией , то разброс средней из 2к+1 членов временного ряда около того же значения m будет характеризоваться существенно меньшей величиной дисперсии, равной /(2к+1).

В результате сглаживания получается ряд с меньшим количеством уровней, так как крайние значения теряются.

Пример. Провести сглаживание временного ряда по данным таблицы методом скользящего среднего с интервалом сглаживания 3 года.

t

Например, при t=2 по приведенной выше формуле получим

,

при t=3

и т.д.

В результате получим сглаженный ряд

t
	-	225,0	257,0	305,7	329,3	336,3	358,0	-

При аналитическом выравнивании подбирают математическую функцию, значения которой наиболее близки к уровням выравниваемого ряда. Выравнивание ряда сводится к определению параметров функции f(,t). Для этого используется метод наименьших квадратов (МНК).