Full-text resources of CEJSH and other databases are now available in the new Library of Science.
Visit https://bibliotekanauki.pl

Results found: 3

first rewind previous Page / 1 next fast forward last

Search results

Search:
in the keywords:  Seasonal character
help Sort By:

help Limit search:
first rewind previous Page / 1 next fast forward last
1

Metody wyrównań sezonowych

100%
Cierpiał-Wolan M.
Wiadomości Statystyczne. The Polish Statistician
|
2006
|
issue nr 7/8
34-44
XX
Sezonowość zawarta w szeregu czasowym praktycznie uniemożliwia precyzyjne porównanie zmian badanego zjawiska z okresu na okres, bowiem nie jesteśmy w stanie określić, czy zmiana jest rzeczywistym wzrostem natężenia zjawiska, czy jest to jedynie efekt sezonowy. Eliminacja składowej sezonowej z szeregu czasowego (wyrównywanie sezonowe) opiera się na modelowaniu zjawisk opartych na składnikach, które są nieobserwowalne i jest procesem, który w znacznej mierze zależy od zastosowanej metody. W artykule przedstawiono główne problemy wyrównywania sezonowego związane z dekompozycją i efektami kalendarzowymi, porównanie dwóch dominujących procedur wyrównań sezonowych X-12ARIMA oraz TRAMO-SEATS oraz dyskusję wokół strategii aktualizacji i korekty danych.
EN
Seasonal adjustment analysis relies on modelling of phenomena which are unobservable. This leads to disagreement among authors of specific methods, ambiguity of results and thereby often to vagueness of the published data corrected by seasonal component. The article discusses major issues concerning seasonal adjustments paying special attention to decomposition and calendar effects. Two most popular methods X-12-ARIMA and TRAMO-SEATS as well as problems of time series updating and revision have been characterised too.
2
Publication available in full text mode
Content available

Detecting Seasonality via Wavelet Methods

88%
Stachura M.
Studia Ekonomiczne
|
2014
|
vol. 207
223-232
PL
Wieloskalowa analiza falkowa jest efektywnym narzędziem, które z powodzeniem można stosować do dekompozycji ekonomicznych szeregów czasowych na takie składowe, jak trend, cykl koniunkturalny, cykle sezonowe (różnych skal) oraz szum. W opracowaniu przedstawiono krótki opis modelu teoretycznego analizy wieloskalowej, który następnie zilustrowano na podstawie danych rzeczywistych dotyczących stopy bezrobocia. Przeprowadzone badania empiryczne pokazują, że filtry falkowe we właściwym stopniu odtwarzają szereg empiryczny oraz jego swoiste własności.
EN
The multiresolution wavelet analysis is an effective tool that may be used to decompose an economic time series into its several natural components: a trend, business and seasonal cycles (of different frequencies), and a noise. The article provides a brief description of the theoretical model. The model is illustrated with its application to unemployment rate data. The empirical research carried out shows that cycles detected by wavelet filtering accurately reproduce the empirical series and its intrinsic properties.
3

Sezonowość w badaniach GUS

75%
Radziukiewicz M.
Wiadomości Statystyczne. The Polish Statistician
|
2004
|
issue nr 2
87-89
XX
GUS prowadzi wiele prac, których celem jest dostosowanie statystyki polskiej do wymogów stawianych przez EUROSTAT. Jednym z ważniejszych problemów jest tu wyodrębnienie składników sezonowych z szeregów czasowych i publikowanie szeregów wygładzonych, pozbawionych efektów sezonowych. Dane statystyczne stanowiące podstawę analiz ekonomicznych najczęściej przyjmują formę szeregów czasowych. Każda wartość szeregu czasowego jest odbiciem oddziaływania rozmaitych czynników w różnych momentach, które utrudniają lub wręcz uniemożliwiają porównywanie poszczególnych wartości szeregu czasowego, szczególnie zaś obserwację tendencji rozwojowych zjawiska w krótkich okresach (miesiącach, kwartałach).
first rewind previous Page / 1 next fast forward last
JavaScript is turned off in your web browser. Turn it on to take full advantage of this site, then refresh the page.