صاف کردن داده ها با میانگین های متحرک

برای رمزگشایی روند در سری داده ها ، محققان دستکاری های مختلف آماری را انجام می دهند. این عملیات به "تکنیک های هموار سازی" گفته می شود و برای کاهش یا از بین بردن نوسانات کوتاه مدت در داده ها طراحی شده است. یک سری صاف به یک نسخه غیر صاف ترجیح داده می شود زیرا ممکن است تغییراتی را در جهت اقتصاد بهتر از سریال های غیر قابل تنظیم انجام دهد.

تنظیم فصلی یک روش هموار سازی است

یکی از روشهای هموار سازی متداول که در تحقیقات اقتصادی مورد استفاده قرار می گیرد ، تنظیم فصلی است. این فرایند شامل جدا کردن نوسانات در داده هایی است که در همان ماه هر سال (عوامل فصلی) عود می کنند. چنین نوسانات می تواند نتیجه تعطیلات سالانه (پرش در خرده فروشی در ماه دسامبر) یا الگوهای آب و هوایی قابل پیش بینی (افزایش ساخت خانه در بهار) باشد. برای کسب اطلاعات بیشتر در مورد فرآیند تنظیم فصلی ، به "تنظیم فصلی داده ها" مراجعه کنید.

میانگین متحرک می تواند داده هایی را که پس از تنظیم فصلی بی ثبات است ، صاف کند

در موارد دیگر ، یک سری داده حتی پس از تنظیم فصلی نوسانات را حفظ می کند. مثال خوب مجوزهای مسکن است که نوسانات فصلی قوی در درجه اول به دلیل الگوهای قابل پیش بینی آب و هوا دارند. حتی پس از تنظیم فصلی این الگوهای قابل پیش بینی را از بین می برد ، با این حال ، نوسانات قابل توجهی باقی می ماند (نمودار 1). چرا؟از آنجا که تعدیل فصلی عوامل نامنظم مانند شرایط آب و هوایی غیرمعمول یا بلایای طبیعی را از جمله دیگر به خود اختصاص نمی دهد. چنین رویدادهایی غیر منتظره هستند و نمی توانند به شکلی که عوامل فصلی می توانند جدا شوند. به عنوان مثال ، آیا مجوزهای مسکن یک خانواده در ماه ژوئن سقوط کرده است زیرا شرایط اقتصادی بدتر می شود ، یا این فقط ژوئن مرطوب تر از حد معمول بود؟اقتصاددانان از یک تکنیک صاف کننده ساده به نام "میانگین حرکت" برای تعیین روند اساسی در مجوزهای مسکن و سایر داده های فرار استفاده می کنند. متوسط در حال حرکت با ادغام نقاط داده ماهانه در واحدهای طولانی تر - یعنی به طور متوسط داده های چند ماهه ، یک سری را صاف می کند.

با این حال ، استفاده از میانگین متحرک برای صاف کردن یک سری داده ها ، یک نکته منفی وجود دارد. از آنجا که محاسبه به داده های تاریخی متکی است ، برخی از به موقع بودن متغیر از بین می رود. به همین دلیل ، برخی از محققان از میانگین متحرک "وزنی" استفاده می کنند ، جایی که به مقادیر فعلی متغیر اهمیت بیشتری داده می شود. راه دیگر برای کاهش اعتماد به مقادیر گذشته ، محاسبه میانگین متحرک "محور" است ، جایی که مقدار فعلی ارزش متوسط در میانگین پنج ماهه است ، با دو تاخیر و دو منجر. ارقام سرب مقادیر پیش بینی شده است. داده های موجود از وب سایت Dallas Fed با استفاده از تکنیک متوسط متحرک ساده توضیح داده شده در زیر تنظیم می شود.

راه حل فنی

فرمول برای یک میانگین متحرک ساده:

در جایی که y متغیر است (مانند مجوزهای مسکن تک خانواده) ، t دوره زمانی فعلی (مانند ماه جاری) و N تعداد دوره های زمانی به طور متوسط است. در بیشتر موارد ، محققان از میانگین های متحرک سه ، چهار یا پنج ماهه استفاده می کنند (به طوری که n = 3 ، 4 یا 5) ، با بزرگتر N ، سریال نرم تر است.

مثال در دنیای واقعی

مجوزهای مسکن تگزاس از ماه به ماه بی ثبات است. میانگین متحرک به نشان دادن روند اساسی در داده ها کمک می کند

در جدول 1 از فرمول بالا برای محاسبه میانگین متحرک پنج ماهه مجوزهای ساختمان مسکونی استفاده شده است.

در ستون سوم ، شکل پایین (7،367) با گرفتن میانگین ماه جاری و چهار ماه گذشته در ستون دو یافت می شود.

این سریال در ستون سوم صاف است و همانطور که نمودار 2 نشان می دهد ، بسیار کمتری نسبت به سری اصلی است. با استفاده از داده های صاف ، یک محقق می تواند به راحتی روند اساسی در داده ها را تعیین کند ، و همچنین تغییرات قابل توجهی را در جهت تشخیص دهد.

خلاصه

تکنیک های هموار سازی نوسانات را در یک سری داده کاهش می دهد ، که به تحلیلگران اجازه می دهد روندهای مهم اقتصادی را شناسایی کنند. تکنیک متوسط متحرک یک روش ساده برای صاف کردن داده ها ارائه می دهد. با این حال ، از آنجا که از داده های دوره های زمانی گذشته استفاده می کند ، ممکن است آخرین تغییرات در روند را مبهم کند.

واژه نامه با یک نگاه

میانگین حرکت: محاسبه ای که با میانگین نقاط داده همسایه ، یک سری داده های فرار را صاف می کند. تنظیم فصلی: نوع تکنیک هموار سازی که در آن نوسانات فصلی در داده ها تخمین زده و حذف می شود. تکنیک هموار سازی: یک عملیات آماری در سری داده های اقتصادی برای کاهش یا از بین بردن نوسانات کوتاه مدت انجام شده است.

واژه نامه با یک نگاه

میانگین حرکت: محاسبه ای که با میانگین نقاط داده همسایه ، یک سری داده های فرار را صاف می کند. تنظیم فصلی: نوع تکنیک هموار سازی که در آن نوسانات فصلی در داده ها تخمین زده و حذف می شود. تکنیک هموار سازی: یک عملیات آماری در سری داده های اقتصادی برای کاهش یا از بین بردن نوسانات کوتاه مدت انجام شده است.