Statystyka opisowa · UEP

Analiza tendencji rozwojowej

Modele trendu w szeregach czasowych: trend liniowy metodą najmniejszych kwadratów, ocena dopasowania (R², φ², błąd szacunku), trend potęgowy i wykładniczy oraz prognozowanie. Sezonowość — w osobnym dziale.

Materiały

Zmienną objaśniającą jest czas t (kolejne okresy 1, 2, …, n). Parametry trendu szacuje się klasyczną metodą najmniejszych kwadratów (MNK) — minimalizując sumę kwadratów odchyleń danych od linii trendu. Przykład przewodni: sprzedaż (mln zł) w latach 2015–2023.

Szereg czasowy i jego składowe

co siedzi w danych

Chronologiczny ciąg wartości zjawiska. Rozkłada się na:

Trend (T) — długookresowy kierunek zmian
Wahania cykliczne (C) — wieloletnie, koniunkturalne
Wahania sezonowe (S) — regularne w ciągu roku
Wahania przypadkowe (ε) — losowe, nieregularne

Trend liniowy

stały przyrost absolutny

Y = a·t + b

a — o ile jednostek średnio zmienia się Y co okres
b — wartość teoretyczna dla t = 0 (okres zerowy)
t przyjmuje wartości 1, 2, …, n

Przykład: Y = 13,893·t + 121,426 → sprzedaż rosła średnio o 13,893 mln zł rocznie; w 2014 (t=0) trend daje 121,426 mln zł.

Wyznaczanie parametrów (MNK)

jak liczyć a i b ręcznie

a = Σ(tᵢ−t̄)(yᵢ−ȳ) / Σ(tᵢ−t̄)²b = ȳ − a·t̄

Budujesz kolumny: t−t̄, y−ȳ, ich iloczyn i (t−t̄)²
a = suma iloczynów / suma kwadratów
t̄ to środek osi czasu (dla n=9 → t̄=5)

Miary dopasowania

jak dobrze trend pasuje

determinacja: R² ∈ [0; 1]zbieżność: φ² = 1 − R²błąd szacunku: s = √(Σ(yᵢ−ŷᵢ)² / (n−2))

R² — jaką część zmienności trend wyjaśnia (0,988 → 98,8%)
φ² — część niewyjaśniona (0,012 → 1,2%)
s — przeciętne odchylenie od trendu, w jednostkach Y

Wartości teoretyczne i reszty

ŷ kontra rzeczywistość

teoretyczna: ŷᵢ = a·tᵢ + breszta: eᵢ = yᵢ − ŷᵢ

ŷ — wartość „z linii trendu" dla okresu tᵢ
Reszta dodatnia → punkt nad trendem, ujemna → pod
Suma reszt w MNK = 0; ich kwadraty są minimalizowane

Trend potęgowy

stała elastyczność

Y = b·tᵃ

a — elastyczność: o ile % zmieni się Y, gdy t wzrośnie o 1%
b — wartość dla t = 1 (okres pierwszy)
Przykład: Y = 523,81·t⁰′¹²⁹³ → +1% czasu ≈ +0,13% sprzedaży

Trend wykładniczy

stała stopa wzrostu

Y = b·aᵗ

(a−1)·100% — o ile % średnio rośnie Y co okres
a > 1 → wzrost; 0 < a < 1 → spadek
Przykład: Y = 144,76·e⁰′¹²⁰³ᵗ, e⁰′¹²⁰³=1,128 → +12,8% rocznie

Prognozowanie

ekstrapolacja trendu

Podstawiasz do równania trendu kolejne wartości t (poza zakresem danych).

Prognozę stawiasz na model o najlepszym dopasowaniu
Preferowane R² ≥ 0,90
Przy n=9 obserwacjach prognoza zaczyna się od t=10

Im dalej w przyszłość, tym mniej pewna prognoza — trend zakłada, że dotychczasowa prawidłowość się utrzyma.

Ściąga funkcji Excela

Trend liniowy policzysz dwoma drogami: funkcjami (NACHYLENIE/ODCIĘTA) albo linią trendu na wykresie (prawy klik na serii → „Dodaj linię trendu" → zaznacz „Wyświetl równanie" i „Wyświetl R²"). Linia trendu obsługuje też wariant potęgowy i wykładniczy.

Co liczysz	Funkcja Excela	Uwaga
Nachylenie awspółczynnik kierunkowy	=NACHYLENIE(Y;t)	Y — wartości zjawiska, t — zmienna czasowa
Wyraz wolny b	=ODCIĘTA(Y;t)	Wartość trendu dla t = 0
Współczynnik determinacji R²	=R.KWADRAT(Y;t)	0–1; ·100 daje %
Współczynnik zbieżności φ²	=1−R.KWADRAT(Y;t)	Część niewyjaśniona
Błąd standardowy szacunku s	=REGBŁSTD(Y;t)	Dzielnik n−2 (uwzględnia 2 parametry)
Prognoza dla nowego t	=NACHYLENIE(Y;t)*t_new+ODCIĘTA(Y;t)	Lub krócej: =REGLINX(t_new;Y;t)
Pełna regresja (a, b + statystyki)	=REGLINP(Y;t;PRAWDA;PRAWDA)	Formuła tablicowa — zwraca też R² i błędy
Trend potęgowy / wykładniczy	linia trendu na wykresie	Wybierz typ „Potęgowy" / „Wykładniczy" → pokaż równanie i R²

Zadania krok po kroku

Dane przewodnie: sprzedaż (mln zł), lata 2015–2023, czyli t = 1…9. Akceptuję przecinek/kropkę i drobne zaokrąglenia. Sumy pomocnicze masz pod tabelą — używaj ich przy MNK.

0 / 0

Quiz teoretyczny

Interpretacja parametrów i miar dopasowania, MNK, modele nieliniowe i zasady prognozowania.