時系列データの季節調整 経済データ解析 2009年度.

Slides:



Advertisements
Similar presentations
第59回 形の科学シンポジウム 移動勾配が示す経済数値の形 2005 年 6 月 21 日 関西大学総合情報学部(マクロ経済 理論) 岩田 年浩
Advertisements

地域格差と生産性 ー地域別全要素生産性の計測ー 明治学院大学経済学部 高橋ゼミ 発表者 増田 智也 2007 年度卒業論文発表会.
経済予測入門Ⅰ 第2回 内容 (1)時系列データ (2)データの季節性 前年同期との比較 季節調整 (3)景気動向指数(内閣府、DI)
2016 年度 計量経済学 講義内容 担当者: 河田 正樹
第1章 金融の基本的要素 Q.4~Q /5/6 棚倉 彩香.
第7章 時系列データの季節調整 ー 経済統計 ー.
EXCELで学ぶマーケティング統計 第4章 経営学研究科 M1  真島 健.
第2章 1変量データの記述 統計学基礎 2011年度.
専修大学 経済統計学(経済学部)・ 現代の経済/経済の世界(法学部) 作間逸雄
疫学概論 時系列研究 Lesson 11. 記述疫学 §B. 時系列研究 S.Harano,MD,PhD,MPH.
時系列の予測 時系列:観測値を時刻の順に並べたものの集合
自己回帰モデルへの橋渡し 高崎経済大学 宮田庸一
  個人投資家向け株式分析   と予測システム A1グループ  劉 チュン.
補章 時系列モデル入門 ー 計量経済学 ー.
第3章 2変量データの記述 統計学基礎 2010年度.
第1章 記述統計の復習 統計学 2011年度.
重回帰分析入門 経済データ解析 2009年度.
時系列データの季節調整 経済データ解析 2009年度.
時系列データの季節調整 経済データ解析 2011年度.
税と経済 ~税で国はどう動く?~ 富山大学 山田(潤)ゼミ① 大石、護摩堂、追分、門野、森本、辻.
実証分析の手順 経済データ解析 2011年度.
月曜3限 1132教室 担当者: 河田 正樹 年度 経済データ解析講義内容 月曜3限  1132教室 担当者: 河田 正樹
第2章 単純回帰分析 ー 計量経済学 ー.
第2章 バブル崩壊後における経済の長期停滞の原因をどうみるか
第5章 回帰分析の諸問題(2) ー 計量経済学 ー.
第5章 回帰分析の諸問題(2) ー 計量経済学 ー.
重回帰分析入門 経済データ解析 2011年度.
新潟県の自殺の概要 (平成23年) 新潟県精神保健福祉センター 【人口動態統計と警察統計の違い】
平成25年3月期第2四半期決算補足説明資料 平成24年11月9日 (FACT SHEET) (2013年3月期) 1
QE 専修大学 経済統計学・経済の世界 作間逸雄.
シミュレーション論Ⅰ 第4回 基礎的なシミュレーション手法.
第8章 景気指標 ー 経済統計 ー.
日経平均株価の時系列データ分析 B03007 明田 剛慈.
日本の少子化問題:その原因と対策 ~県別のパネルデータでの分析~.
担当者: 河田 正樹 年度 経済統計講義内容 担当者: 河田 正樹
大阪府の将来推計人口の点検について 平成26年3月 大阪府政策企画部企画室計画課
第3章 重回帰分析 ー 計量経済学 ー.
第3章 重回帰分析 ー 計量経済学 ー.
酒井哲郎:海岸工学入門,森北出版 第3章(pp.27-36)
計算値が表の値より小さいので「異なるとは言えない」。
第5章 回帰分析入門 統計学 2006年度.
月曜3限 1141教室 担当者: 河田 正樹 年度 経済データ解析講義内容 月曜3限  1141教室 担当者: 河田 正樹
第7章 時系列データの季節調整 ー 経済統計 ー.
担当者: 河田 正樹 年度 経済統計講義内容 担当者: 河田 正樹
VARモデルによる分析 高橋青天ゼミ 製作者 福原 充 増田 佑太郎 鈴木 茜
第7章 時系列データの季節調整 ー 経済統計 ー.
第4章 投資関数.
離婚が出生数に与える影響 -都道府県データを用いた計量分析
補章 時系列モデル入門 ー 計量経済学 ー.
2014年3月期 決算説明会 2014年6月4日 日商電機産業株式会社.
前期ゼミまとめ スラックス経済.
第5章 回帰分析の諸問題(2) ー 計量経済学 ー.
スペクトル・時系列データの前処理方法 ~平滑化 (スムージング) と微分~
需要パターンを考慮した 発注方式の比較検討
社内データの活用による 経営活動の効率化 K.Yamato
バブル崩壊後の日本経済の 貯蓄率低下について
第6章 連立方程式モデル ー 計量経済学 ー.
【事前課題1】時系列比較分析 (別添1) C社の比較貸借対照表 平成X年3月31日現在
担当者: 河田 正樹 年度 経済統計講義内容 担当者: 河田 正樹
他の平均値 幾何平均 調和平均 メデイアンとモード 平均値・メデイアン・モードの関係.
シミュレーション論 Ⅱ 第1回.
川崎浩司:沿岸域工学,コロナ社 第4章(pp.58-68)
MIROC5による将来のヤマセの再現性について(2)
第2章 統計データの記述 データについての理解 度数分布表の作成.
重回帰分析入門 経済データ解析 2008年度.
回帰分析入門 経済データ解析 2011年度.
時系列データの季節調整 経済データ解析 2008年度.
第7章 時系列データの季節調整 ー 経済統計 ー.
疫学概論 時系列研究 Lesson 11. 記述疫学 §B. 時系列研究 S.Harano,MD,PhD,MPH.
第7章 時系列データの季節調整 ー 経済統計 ー.
Presentation transcript:

時系列データの季節調整 経済データ解析 2009年度

(経済)データの種類 時系列データ クロスセクションデータ データを時間の順序に並べたもの 将来の予測などに用いる ⇒ (例)2030年の山口県の人口は? データの発生間隔により、年次データ、四半期データ、月次データなどがある ※ 四半期データ - 1年を1月~3月、4月~6月、7月~9月、10月~12月の4つに分けたもので、それぞれを第Ⅰ四半期、第Ⅱ四半期、第Ⅲ四半期、第Ⅳ四半期という。 クロスセクションデータ 1時点におけるデータ 現状把握に用いる ⇒ (例)都道府県の人口格差はどの程度か? 都道府県別データ、世帯の収入階級別データ、企業の従業員規模別データなどがある。

交通事故死亡者数の推移(中国地方5県) 鳥取県の交通事故死亡者数の年次推移 → 時系列データ 2008年の県別交通事故死亡者数 (単位:人) 鳥取県の交通事故死亡者数の年次推移   → 時系列データ 2008年の県別交通事故死亡者数   → クロスセクションデータ

分析目的と利用する時系列データ 日本経済の長期的な変動を分析したい 株式投資をおこなうためにその変動をみたい ⇒ 実質GDPの年次データなどの発生間隔の長いデータを用いる 株式投資をおこなうためにその変動をみたい ⇒ 日経平均株価の日次データなどの発生間隔の短いデータを用いる

季節性を含むデータ 毎年同様の変動パターン ⇒ 季節性 季節性を含むデータ ⇒ 前期と単純比較すると誤った結論を導く 毎年同様の変動パターン ⇒ 季節性 四半期データや月次データなどに見られる 季節性を含むデータ  ⇒ 前期と単純比較すると誤った結論を導く

季節性を含むデータの簡単な分析 前年同期比 四半期データの場合 今期のデータ 前年同期比     四半期データの場合  前年の同じ時期を100としたとき、今期がどれぐらいの大きさとなるかをあらわしたものである。  月次データの場合には、        となる。これは前年同月比ともいわれる。 前年の同じ時期のデータ

<前年同期比の問題点> 1. 不規則変動の影響 ある期のデータが平年と異なった値をとったとき、前年同期比は影響をうける。   1. 不規則変動の影響   ある期のデータが平年と異なった値をとったとき、前年同期比は影響をうける。  (例)1997年の第Ⅰ四半期(第Ⅱ四半期も同様) 1997年第Ⅰ四半期が平年より高い値をとったので 1997年第Ⅰ四半期の前年同期比は通常より高めになる。 1998年第Ⅰ四半期は、反対に通常より低めになる。 この場合は、1997年第Ⅱ四半期も平年より低い値をとったので 1997年第Ⅱ四半期の前年同期比は通常より低めになる。 1998年第Ⅱ四半期は、反対に通常より高めになる。

  2. タイミングの問題   経済時系列データは景気変動などにより、循環的な変動をすることがある。(詳しくは後述)   景気判断をおこなう場合などには、「どこが底か」を知りたいのであるが、前年同期比にはタイミングのずれがある。   この仮想の月次データについて前年同月比を取ると、転換点から若干の遅れが出るのがわかる。   そのため、データから季節性のみをとり除くための方法が必要となる。  ⇒ その方法は季節調整法といわれる方法で、古典的時系列分析の応用例の1つである。

時系列データの成分 古典的時系列分析では、時系列データは次の4つのものが組み合わさったものと想定する。 1.トレンド(Trend) 経済成長などの長期的な変動 2.サイクル(Cycle) 景気循環などの周期的な変動 3.季節変動(Seasonal variation) 季節による変動 4.不規則変動(Irregular variation) 上の3つに含まれない変動

トレンドとサイクル  1990年までの日本の経済データの多くは、周期的な上昇下降をくり返しながら、右上がりの傾向を示している。(実質GDPのグラフを参照)  これは、トレンドとサイクルが組み合わさったものと考えられる。

不規則変動 不規則変動は2種類のものを含んでいる。 1.比較的小さなランダムな変動 2.戦争、天災、制度の変更などによる突発的 な変動  不規則変動は2種類のものを含んでいる。 1.比較的小さなランダムな変動 2.戦争、天災、制度の変更などによる突発的 な変動 (例) 百貨店売上高  1997年4月に消費税が3%から5%に引き上げられた。  → この年の第Ⅰ四半期に「駆け込み需要」、第Ⅱ四半期に「買い控え」の傾向がみられる  これは不規則変動の2番目の種類である。

時系列データの4つの成分は直接観測することはできない どのように組み合わさっているかは分からない → モデルを仮定する   → モデルを仮定する   (1) 加法モデル yt=Tt+Ct+St+It   (2) 乗法モデル yt=Tt×Ct×St×It 季節調整法 原系列から季節変動Stをとり除くこと。加法モデルを仮定した場合は yt-St 、乗法モデルを仮定した場合には yt/St が季節調整値となる。季節調整値をもとめるには、 1.トレンドTCtをとり除く 2.不規則変動Itをとり除く 3.このようにしてもとめた季節変動Stを原系列ytからとり除く yt SIt St TCt It yt-St または yt/St

トレンドの抽出 系列の大局的な変動をトレンドと考える。 トレンドを抽出する1つの方法として移動平均法を用いる方法がある。   (トレンドとサイクルを分離することは困難なので、この2つをあわせたものを、以下ではトレンドとよぶ) トレンドを抽出する1つの方法として移動平均法を用いる方法がある。 移動平均法はその期と前後k期の値の平均を、1期ずつ移動しながら平均する手法であり、k=1のとするなら、3項移動平均である。 移動平均には系列の大幅な上下変動を「ならす」効果がある。

下の表のようなデータについて3項移動平均をとると、変動の幅は小さくなる。

移動平均をとることによって、変動の激しいデータの大局的な動きを見ることができる。 たとえば、株価の変動などは移動平均をとることによって、今後のトレンドの予想をおこなう。 日経平均株価 出典: Yahooサイトより

四半期データの場合、移動平均としては4項移動平均をとる。   ← すべての季節の影響を「ならす」ため 移動平均の項数が偶数の場合、どの期に対応するデータか判断することが困難である。   → 中心化系列の利用 1996年第Ⅲ四半期の中心化系列は前後同数の期の影響を受けている。

不規則変動の除去 原系列からトレンドをとり除いたものは、季節変動と不規則変動の和となる。(SItとあらわす) さらに、この平均値の合計が0になるように調整したものが季節変動となる。

季節調整値 原系列から季節変動を除いた系列が季節調整値(または季節調整済み系列)となる。 季節調整値を用いれば、前期との比較をおこなうことができる。