Glättung von Daten mit gleitenden Durchschnitten Wie man eine flüchtige Datenreihe glättet Das ökonomische Problem Wirtschaftswissenschaftler verwenden Glättungstechniken, um zu helfen, den ökonomischen Trend in den Daten zu entschlüsseln Tendenzen in den Datenreihen zu entschlüsseln Forscher verschiedene statistische Manipulationen. Diese Operationen werden als ldquosmoothing Techniken bezeichnet und sind entworfen, um die kurzfristige Flüchtigkeit der Daten zu reduzieren oder zu eliminieren. Eine geglättete Reihe wird einer nicht geglätteten vorgezogen, da sie Änderungen in der Richtung der Wirtschaft besser erfassen kann als die nicht eingestellte Reihe. Saisonale Anpassung ist eine Smoothing-Technik Eine gemeinsame Glättung Technik in der Wirtschaftsforschung verwendet wird, ist saisonale Anpassung. Dieses Verfahren beinhaltet die Trennung von Schwankungen der Daten, die im gleichen Monat jedes Jahr wiederkehren (saisonale Faktoren). Solche Schwankungen können auf Jahresferien zurückzuführen sein (ein Sprung im Dezember-Einzelhandelsumsatz) oder vorhersehbare Wetterverhältnisse (eine Zunahme des Hausbaus im Frühjahr). Weitere Informationen zum saisonalen Anpassungsprozess finden Sie unter Saisonbereinigte Daten. Ein gleitender Durchschnitt kann Daten glatt machen, die nach Saisonbereinigung flüchtig bleiben In anderen Fällen behält eine Datenreihe Volatilität auch nach Saisonanpassung bei. Ein gutes Beispiel sind die Wohngenehmigungen, die vor allem aufgrund vorhersehbarer Wetterverhältnisse starke saisonale Schwankungen aufweisen. Selbst nach saisonaler Anpassung werden diese vorhersehbaren Muster eliminiert, allerdings bleibt eine erhebliche Volatilität bestehen (Grafik 1). Warum Weil saisonale Anpassung nicht auf unregelmäßige Faktoren wie ungewöhnliche Wetterbedingungen oder Naturkatastrophen, unter anderem. Solche Ereignisse sind unerwartet und können nicht isoliert werden, wie saisonale Faktoren können. Zum Beispiel haben Einfamilienhäuser erlaubt im Juni fallen, weil die wirtschaftlichen Bedingungen verschlechtert, oder war es nur ein wetter Juni als üblich Ökonomen verwenden eine einfache Glättung Technik namens ldquomoving averagerdquo dazu beitragen, die zugrunde liegende Trend in Wohnungsgenehmigungen und andere volatile Daten zu bestimmen. Ein gleitender Durchschnitt glättet eine Serie durch die Konsolidierung der monatlichen Datenpunkte in längere Einheiten von timemdashnamely ein Durchschnitt von mehreren Monaten Daten. Es gibt einen Nachteil, einen gleitenden Durchschnitt zu verwenden, um eine Datenreihe zu glätten. Da die Berechnung auf historischen Daten beruht, gehen einige der Zeitvariablen verloren. Aus diesem Grund verwenden einige Forscher einen ldquoweightedrdquo gleitenden Durchschnitt, wobei die aktuelleren Werte der Variablen mehr Bedeutung erhalten. Eine andere Möglichkeit, die Abhängigkeit von vergangenen Werten zu reduzieren, besteht darin, einen ldquozentrischen gleitenden Durchschnitt zu berechnen, wobei der aktuelle Wert der Mittelwert in einem Fünfmonatsdurchschnitt mit zwei Verzögerungen und zwei Ableitungen ist. Die Leitzahlen sind prognostizierte Werte. Daten, die von der Dallas Feds Web site verfügbar sind, werden unter Verwendung der einfachen gleitenden durchschnittlichen Technik, die unten erklärt wird, justiert. Die technische Lösung Die Formel für einen einfachen gleitenden Durchschnitt ist: wobei y die Variable ist (z. B. Einfamilienhäuser), t die aktuelle Zeitperiode (wie der aktuelle Monat) und n die Anzahl der Zeitperioden ist Der Durchschnitt. In den meisten Fällen verwenden Forscher drei-, vier - oder fünfmonatige Bewegungsdurchschnitte (so dass n 3, 4 oder 5), mit dem größeren der n. Desto glatter die Serie. Real-World Beispiel Texas Housing Permits sind flüchtig von Monat zu Monat einen gleitenden Durchschnitt hilft, zeigen die zugrunde liegende Trend in der Tabelle Tabelle 1 verwendet die Formel oben, um einen Fünf-Monats-gleitenden Durchschnitt der Wohngebäude Genehmigungen zu berechnen. In der dritten Spalte wird die untere Figur (7,218) ermittelt, indem der Durchschnitt des laufenden Monats und der letzten vier Monate in Spalte 2 ermittelt wird. Die Reihe in der dritten Säule wird geglättet, und wie Schaubild 2 zeigt, ist sie viel weniger flüchtig als die ursprüngliche Reihe. Unter Verwendung der geglätteten Daten kann ein Forscher einfacher die zugrunde liegenden Trends in den Daten bestimmen sowie wesentliche Richtungsänderungen erkennen. Glättungstechniken reduzieren die Volatilität in einer Datenreihe, die es Analysten ermöglicht, wichtige wirtschaftliche Trends zu identifizieren. Die gleitende durchschnittliche Technik bietet einen einfachen Weg, um Daten jedoch zu glätten, weil sie Daten aus vergangenen Zeiträumen nutzt, kann es die letzten Änderungen im Trend verdecken. Glossar auf einen Blick Gleitender Durchschnitt: Eine Berechnung, die eine flüchtige Datenreihe durch Mittelung benachbarter Datenpunkte glättet. Saisonale Anpassung: Die Art der Glättungstechnik, bei der saisonale Schwankungen der Daten abgeschätzt und entfernt werden. Glättungstechnik: Eine statistische Operation auf die wirtschaftliche Datenreihe durchgeführt, zu reduzieren oder zu kurzfristigen beseitigen volatility. centred gleitenden Durchschnitt Re: zentrierter gleitender Durchschnitt Ich denke nicht, Daten Zeichnet Analyse-Funktionen können Sie geben einen zentrierten gleitenden Durchschnitt (MA). Sie können Ihre eigene zentrierte MA mit der durchschnittlichen Funktion erstellen. Starten Sie die zentrierte MA im Mittelwert Ihrer Daten, zählen vorwärts und rückwärts die gleiche Anzahl von Einheiten und verwenden Sie die durchschnittliche Funktion. Kopieren Sie diese Funktion in einen neuen Satz von Zellen, bis die Funktion mit Werten beginnt, die in Ihren Daten arent sind. In dem folgenden Datensatz berechnet Ive 3 und 5 Monate zentrierte MAs des Preises. (Der Datenstart in Zelle a1. Jahr ist in Spalte A und Preis ist in Spalte B. Preis ist der implizite Preis-Deflator.) Hope this helps. Baujahr Preis 3 Yr Centered MA 5 Yr Centered MA 1947 83 1948 88,5 MITTELWERT (B2: B4) 1949 88,2 MITTELWERT (B3: B5) MITTELWERT (B2: B6) 1950 89,5 MITTELWERT (B4: B6) MITTELWERT (B3: B7) 1951 96,2 MITTELWERT (B5: B7) MITTELWERT (B4: B8) 1952 98,1 MITTELWERT (B6: B8) MITTELWERT (B5: B9) 1953 99 MITTELWERT (B7: B9) MITTELWERT (B6: B10) 1954 100 MITTELWERT (B8: B10) MITTELWERT ( B7: B11) 1955 101,2 MITTELWERT (B9: B11) MITTELWERT (B8: B12) 1956 104,6 MITTELWERT (B10: B12) MITTELWERT (B9: B13) 1957 108,4 MITTELWERT (B11: B13) MITTELWERT (B10: B14) 1958 110,8 MITTELWERT ( B12: B14) MITTELWERT (B11: B15) 1959 112,6 MITTELWERT (B13: B15) MITTELWERT (B12: B16) 1960 114,2 MITTELWERT (B14: B16) MITTELWERT (B13: B17) 1961 115,7 MITTELWERT (B15: B17) 1962 116,9 Re: gleitenden Durchschnitt Vielen Dank für das Thomas zentriert, was ich hoffe, ein Makro zu tun ist, schreiben, die eine ähnliche Sache tun wird, dass die Microsoft - Daten Auswertung - durchschnittliche Werkzeugbewegung ist, sondern eine zentrierte gleitende Durchschnitt anstelle eines verzögerten ein verwenden. Dies wurde in einem vor kurzem durchgeführten Auditbericht zu unseren Arbeitsmethoden vorgeschlagen. Ich dachte, es wäre sehenswert, wenn es möglich war, die Microsoft anpassen, anstatt von vorne anfangen. (Ich habe nur die Rekord-Makro-Funktion vor, so dass jede Beratung helfen würde geschätzt werden) wellinth sagte: 27. September 2004 09.20 Uhr Re: zentriert gleitenden Durchschnitt Danke. Ich bezweifle, wenn Sie die Analyse Toolpak ändern könnte. Ive kaum jemals Makros verwendet, so tut mir leid, ich kann Ihnen nicht helfen, furthur. Möglicherweise möchten Sie das Web unter Microsoft Excel durchsuchen. Zentrierte Moving-Averages-Makros. Wenn Sie etwas Nützliches finden, lassen Sie es mich bitte wissen. Danken.
No comments:
Post a Comment