Componentele unei serii cronologice:

O serie cronologică poate conţine următoarele componente: trend (ytT), componenta ciclică (ytC),
componenta sezonieră (ytS) şi componenta reziduală (ytR). Aceste componente pot apărea în diferite
combinaţii, cel mai adesea analiza lor statistică fiind realizată pe baza modelor aditive şi multiplicative.
10
Trend crescător 10 Ciclicitate
8
Variabilă 8

Variabilă
6
6
4 4
2 2
0 0
1 2 3 4 5 6 1 2 3 4 5 6 7 8 9 10 11 12
Timp Timp (Ani)

Sezonalitate 0.6
Componenta reziduală
10
0.5
8

Variabilă
Variabilă

0.4
6
0.3
4 0.2
2 0.1
0 0
1 2 3 4 5 6 1 6 11 16 21
Timp (Luni/Trimestre) Timp

Figura 1. Componentele unei serii cronologice

 Tipuri de modele

ponenta ciclică (ytC), Modelul ADITIV presupune că seria cronologică este suma unor compone
ot apărea în diferite componenta trend, componenta ciclică, componenta sezonieră şi componenta reziduală.
e şi multiplicative. yt  ytT  ytC  ytS  ytR
Acest tip de descompunere se impune atunci când amplitudinea fluctuaţiilor
coborâşuri) din jurul trendului rămâne aproximativ aceeaşi, indiferent de tendinţa de creştere

Model aditiv (trend crescător) Model aditiv (trend descrescător)

10 10
9 9
8 8
10 11 12 7 7

Variabilă
Variabilă
6 6
5 5
4 4
uală 3 3
2
2
1
1
0
0
1 2 3 4 5 6 7 8
1 2 3 4 5 6 7 8
Timp (Luni/Trimestre) Timp (Luni/Trimestre)

Figura 2. Model aditiv (trend crescător şi descrescător)

21
Modelul MULTIPLICATIV presupune că seria cronologică este produsul unor
precum: componenta trend, componenta ciclică, componenta sezonieră şi componenta rezidu
y t  y tT  y tC  y tS  y tR
Acest tip de descompunere se impune atunci când amplitudinea fluctuaţiilor
coborâşuri) din jurul trendului se modifică în timp, indiferent de tendinţa de creştere sau scăd

Model multiplicativ (trend crescător) Model multiplicativ (trend descrescător)

12
12

10 10

8 8
Variabilă

Variabilă

6 6
4 4
2
2
0
1 2 3 4 5 6 7 8 0
1 2 3 4 5 6 7 8
Timp (Luni/Trimestre) Timp (Luni/Trimestre)

Figura 3. Model multiplicativ (trend crescător şi descrescător)

 este suma unor componente precum:
i componenta reziduală.

d amplitudinea fluctuaţiilor (suişuri sau

iferent de tendinţa de creştere sau scădere.

aditiv (trend descrescător)

2 3 4 5 6 7 8

Timp (Luni/Trimestre)

cător şi descrescător)

nologică este produsul unor componente

zonieră şi componenta reziduală.

d amplitudinea fluctuaţiilor (suişuri sau

e tendinţa de creştere sau scădere.

ultiplicativ (trend descrescător)

2 3 4 5 6 7 8
Timp (Luni/Trimestre)

cător şi descrescător)
Să se calculeze devierile sezoniere şi să se ajusteze sezonier datele cu privire la numărul
trimestrial de locuri de muncă vacante din România în perioada 2018-2020, în ipoteza unui
model aditiv.

Devierile sezoniere reprezintă abaterile medii faţă de trend ale fiecărui sezon (pozitive sau
negative), astfel încât suma acestor abateri pentru fiecare sezon să fie 0.
Etape:
1. Vom elimina din seria cronologică (yt) componenta trend (ytT), prin scădere. Vom estima
componenta trend cu ajutorul metodei mediilor mobile.
2. Vom calcula mediile fiecărui trimestru şi o medie trimestrială generală (ca medii aritmetice).
Devierile sezoniere (DS) pentru fiecare trimestru vor fi calculate ca diferenţă între media
trimestrului şi media trimestrială generală.
3. Vom obţine seria ajustată sezonier prin eliminarea din seria cronologică iniţială a devierilor
sezoniere.

Numărul de locuri de muncă vacante (mii)

70

60 f(x) = − 2.68531468531469 x + 68.1212121212121

R² = 0.847529456844525
50

40

30

20

10

0
I II III IV I II III IV I II III IV
2018 2019 2020
 Notăm cu yt=număr de locuri de muncă vacante (mii)
yt=ytT+ytS+ytR m=4
ETAPA 1

e la numărul Număr Medii Eliminarea

ipoteza unui locuri de mobile trendului
Ani Trimestre muncă centrate (model aditiv)
vacante ytT(MM) yt-ytT (MM)
yt (mii)
(pozitive sau
I 58
II 61
Vom estima 2018
III 64 60.5 3.500
IV 59 59.8 -0.750
itmetice). I 58 57.9 0.125
media II 55 55.3 -0.250
2019
III 55 51.8 3.250
evierilor IV 47 47.1 -0.125
I 42 42.5 -0.500
II 34 39.1 -5.125
2020
III 39
IV 36

ETAPA 2
Trim/ yt-ytT(MM) (MII)Media DS
Ani trimestrială (MII)
2018 2019 2020 (MII)
I 0.125 -0.500 -0.188 -0.203
II -0.250 -5.125 -2.688 -2.703
III 3.500 3.250 3.375 3.359
IV -0.750 -0.125 -0.438 -0.453
Media trimestrială generală (medie aritmetică) 0.016 0.000

Interpretare: Putem observa faptul că în trimestrul III, devierea sezonieră este

pozitivă (peste trend), iar în trimestrele I, II şi IV sunt negative (sub trend).
Astfel, în trimestrul III numărul de locuri de muncă vacante s-a situat peste
trend cu aproximativ 3359, în timp ce în trimestrele I, II şi IV acestea s-au situat
sub trend cu 203, respectiv 2703 și 453 locuri de muncă vacante.
ETAPA 3

Număr de
locuri de
Ani Trimestre muncă DS Valori
vacante desezonali
yt (mii) zate
(yt-DS)
I 58 -0.203 58
II 61 -2.703 64
2018
III 64 3.359 61
IV 59 -0.453 59
I 58 -0.203 58
II 55 -2.703 58
2019
III 55 3.359 52
IV 47 -0.453 47
I 42 -0.203 42
II 34 -2.703 37
2020
III 39 3.359 36
IV 36 -0.453 36
Să se calculeze indicii de sezonalitate şi să se ajusteze sezonier datele pe baza exemplului
anterior, în ipoteza unui model multiplicativ.

Indicii de sezonalitate măsoară cu câte procente se abate în medie variabila de la trend,

astfel încât produsul indicilor (măsuraţi în coeficient) să fie 1.

Etape:
1. Vom elimina din seria cronologică (yt) componenta trend (ytT), prin operaţia de împărţire. Vom
estima componenta trend cu ajutorul metodei mediilor mobile.
2. Vom calcula mediile fiecărui trimestru şi o medie trimestrială generală (ca medii geometrice).
Indicii de sezonalitate (IS) pentru fiecare trimestru vor fi calculaţi ca raport între media
trimestrului şi media trimestrială generală.
3. Vom obţine seria ajustată sezonier prin eliminarea din seria cronologică iniţială a indicilor de
sezonalitate.

Locuri de muncă vacante (mii)

70
yt
60 ytT(MM
)
50

40

30

20

10

0
I II III IV I II III IV I II III IV
2018 2019 2020
 yt=locuri de muncă vacante (mii)
yt=ytT*ytS*ytR
ETAPA 1 ETAPA 3
e baza exemplului Eliminarea
Locuri de Medii trendului
muncă mobile (model
Ani Trimestre Ani
vacante centrate multiplicativ)
iabila de la trend, yt (mii) ytT(MM) yt/ytT (MM)

I 58
II 61
de împărţire. Vom 2018 2018
III 64 60.5 1.058
IV 59 59.8 0.987
edii geometrice). I 58 57.9 1.002
ntre media II 55 55.3 0.995
2019 2019
III 55 51.8 1.063
ală a indicilor de IV 47 47.1 0.997
I 42 42.5 0.988
II 34 39.1 0.869
2020 2020
III 39
IV 36

ETAPA 2
Trim/ yt-ytT(MM) Media IS IS
Ani trimestrială (%)
2018 2019 2020
I 1.002 0.988 0.995 1.002 100.2 0.2
II 0.995 0.869 0.930 0.936 93.6 -6.4
III 1.058 1.063 1.060 1.067 106.7 6.7
IV 0.987 0.997 0.992 0.999 99.9 -0.1
Media trimestrială generală (medie 0.993 1.000
geometrică)

Interpretare: Putem observa faptul că în trimestrele I şi III, indicii de

sezonalitate sunt supraunitari, iar în trimestrele II şi IV sunt subunitari.
Astfel, în trimestrele I şi III numărul de locuri de muncă vacante s-au
situat peste trend cu 0.2% (1.002*100-100), respectiv cu 6,7%
(1.067*100-100), în timp ce în trimestrele II şi IV acestea s-au situat sub
trend cu 6,4% (0.936*100-100), respectiv cu 0.1% (0.999*100-100).
 Locuri de
muncă Valori
Trimestre IS
vacante desezonali
yt (mii) zate
(yt/IS)
I 58 1.002 58
II 61 0.936 65
III 64 1.067 60
IV 59 0.999 59
I 58 1.002 58
II 55 0.936 59
III 55 1.067 52
IV 47 0.999 47
I 42 1.002 42
II 34 0.936 36
III 39 1.067 37
IV 36 0.999 36
Previziunea

1. Pentru seria desezonalizată se calculează trendul (metoda analitică).

2. Se realizează previziunea componentei trend.
3. Se realizează previziunea finală (pentru modelul aditiv adăugând la trend devierile
sezoniere (prin adunare), iar pentru modelul multiplicativ indicii de sezonalitate (prin
înmulțire).

Locuri de muncă vacante (seria desezonalizată)

70

60 f(x) = − 2.74104020979021 x + 68.483428030303

R² = 0.883966345841893
50

40

30

20

10

0
I II III IV I II III IV I II III IV
2018 2019 2020
 ETAPA 1+2 ETAPA 3
Locuri de
Valori ytT=68.5-2.74*t
muncă
Ani Trimestre Timp (t) DS desezonal (metoda yt (final)
vacante
izate analitică)
yt (mii)
(yt-DS)
I 1 58 -0.203 58 66
II 2 61 -2.703 64 63
2018
III 3 64 3.359 61 60
erile IV 4 59 -0.453 59 58
te (prin I 5 58 -0.203 58 55
II 6 55 -2.703 58 52
2019
III 7 55 3.359 52 49
IV 8 47 -0.453 47 47
I 9 42 -0.203 42 44
II 10 34 -2.703 37 41
2020
III 11 39 3.359 36 38
IV 12 36 -0.453 36 36
2021 I 13 -0.203 33 33
II 14 -2.703 30 27
III 15 3.359 27 31
IV 16 -0.453 25 24
SUMMARY OUTPUT

Regression Statistics
Multiple R 0.940195
R Square 0.883966
Adjusted R 0.872363
Standard E 3.755412
Observatio 12

ANOVA
df SS MS F Significance F
Regression 1 1074.402 1074.402 76.18189 5.447E-06
Residual 10 141.0312 14.10312
Total 11 1215.433

Coefficients
Standard Error t Stat P-value Lower 95%Upper 95%Lower 95,0%
Upper 95,0%
Intercept 68.48343 2.311296 29.62988 4.48E-11 63.33354 73.63332 63.33354 73.63332
Timp (t) -2.74104 0.314043 -8.728224 5.447E-06 -3.440772 -2.041308 -3.440772 -2.041308