【時系列分析】季節変動・長期トレンドの除去 そのⅠ [時系列解析 / 需要予測]
時系列データの分解してみると、いろいろと見えてくる。
元データ = ①トレンド・循環変動 × ②季節変動 × ③不規則変動
と3つに分解できたとすると、① × ②を用いて未来を予測したり、あるいは、トレンドや季節変動だけでどれくらい予測できるのか?を認識することができる。
また、③の不規則変動には、トレンドや季節変動だけでは表すことができない変動が含まれているので、なんらかの施策の効果を分析したりできる。
ためしに、ここに落ちているデータを使って元データを分解してみる。
★ 月別ビール課税移出数量(会員5社)
http://www.brewers.or.jp/data/t02-tukibetu.html
※ アメリカ商務省 国勢調査局が開発したX-12-ARIMAというツールを使用。
元データは、こんな感じです。
上記データを
①トレンド・循環変動
②季節変動
③不規則変動
に因数分解します。
①トレンド・循環変動
②季節変動
③不規則変動
②季節変動をみると面白い傾向がみれますね。
昔は、ビールは7月に飲まれていたようですが、最近では7月よりも12月の方が多いようです。
①トレンド・循環変動は、ずっと下降気味で、発泡酒や新ジャンルに座を奪われている感じがします。
③不規則変動も上に跳ねているところ、下に落ちているところの原因をみると面白い結果が出てくると思います。
元データ = ①トレンド・循環変動 × ②季節変動 × ③不規則変動
と3つに分解できたとすると、① × ②を用いて未来を予測したり、あるいは、トレンドや季節変動だけでどれくらい予測できるのか?を認識することができる。
また、③の不規則変動には、トレンドや季節変動だけでは表すことができない変動が含まれているので、なんらかの施策の効果を分析したりできる。
ためしに、ここに落ちているデータを使って元データを分解してみる。
★ 月別ビール課税移出数量(会員5社)
http://www.brewers.or.jp/data/t02-tukibetu.html
※ アメリカ商務省 国勢調査局が開発したX-12-ARIMAというツールを使用。
元データは、こんな感じです。
上記データを
①トレンド・循環変動
②季節変動
③不規則変動
に因数分解します。
①トレンド・循環変動
②季節変動
③不規則変動
②季節変動をみると面白い傾向がみれますね。
昔は、ビールは7月に飲まれていたようですが、最近では7月よりも12月の方が多いようです。
①トレンド・循環変動は、ずっと下降気味で、発泡酒や新ジャンルに座を奪われている感じがします。
③不規則変動も上に跳ねているところ、下に落ちているところの原因をみると面白い結果が出てくると思います。