CORSO DI ANALISI DELLE SERIE STORICHE (LM16/56) SERIE STORICA GRECIA

SIMONE TAU

SCHEDA di
SIMONE TAU

VARIABILE ESAMINATA
Employment Rate Tasso di occupazione

FONTE DEI DATI CON INDICAZIONE DEL SITO

Eurostat - http://ec.europa.eu/eurostat/statistics-explained/index.php/Main_Page

PERIODO DI RIFERIMENTO
Gennaio 1998 Giugno 2012

FREQUENZA DELLE OSSERVAZIONI

Trimestrale

ELENCO DELLE PRINCIPALI ELABORAZIONI

1.Metodi di analisi descrittiva utilizzati e componenti rilevate
Lieve TREND CRESCENTE
STAGIONALIT
2.Modello Adattato Con Indicazione Delle Stime Dei Coefficienti
SARIMA, parte non stagionale (0,0,0), parte stagionale (1,0,0)
1 = 0.898208
Zt = -2.39645
3.Verifica Di Indipendenza E Gaussianita Dei Residui
Condizione di Indipendenza dei residui Non Rispettata
Gaussianit dei residui Non Rispettata

Analisi descrittiva
Il campione di dati utilizzato in questa serie storica presenta 66
osservazioni, fra le quali non vi alcun dato mancante o

CORSO DI ANALISI DELLE SERIE STORICHE (LM16/56) SERIE STORICA GRECIA

SIMONE TAU

incompleto; tutte le osservazioni sono state rilevate in modo

sequenziale e senza interruzioni temporali.
Analizzando le caratteristiche descrittive della nostra serie storica
risulta che:
66

La media dei valori, intesa come

La mediana, intesa come

Me=

( xt )

X = t =1

x( 33)+ x(34)
2

uguale a 57.0424;

uguale a 57.8;

Il valore minimo uguale a 48.4;

Il valore massino uguale a 61.80;

Il valore della deviazione standard, intesa come

uguale a 3.76220;

66

{( x t x )}
t =1

65

Il coefficiente di variazione, calcolato dividendo il valore della

deviazione standard per la media dei valori osservati uguale a
0.0659545;
Lindice di skewness (asimmetria) pari a -0.953779 e ci fa
capire che la nostra distribuzione asimmetrica negativa;
Lindice di kurtosis (curtosi) pari a 0,0227022 e ci fa capire che
la nostra distribuzione leptocurtica;
La differenza interquartilica, ovvero differenza fra il terzo ed il
primo quartile uguale a 3.875.

Di seguito sono illustrati i dati appena descritti in modo sintetico:

Summary Statistics, using the observations 1998:1 - 2014:2
for the variable tasso_occupazione_grecia (66 valid observations)

CORSO DI ANALISI DELLE SERIE STORICHE (LM16/56) SERIE STORICA GRECIA

SIMONE TAU

Mean
57.0424
Std. Dev.
3.76220
5% Perc.
48.7750

Median
57.8000
C.V.
0.0659545
95% Perc.
61.3000

Minimum
48.4000
Skewness
-0.953779
IQ range
3.87500

Maximum
61.8000
Ex. kurtosis
0.0227022
Missing obs.
0

Prima di effettuare
alcun tipo di
analisi sulla nostra
serie storica, ne
effettuiamo una
rappresentazione
grafica.

Come evidente dal grafico la nostra serie caratterizzata da:

o Un lieve TREND CRESCENTE fino agli anni 2008-2009 (in
coincidenza con la crisi finanziaria), dopo il quale si riscontra una
profonda caduta delloccupazione;
o STAGIONALIT con massimo nel terzo trimestre dellanno
(corrispondente ai mesi di Luglio, Agosto e Settembre) e minimo

CORSO DI ANALISI DELLE SERIE STORICHE (LM16/56) SERIE STORICA GRECIA

SIMONE TAU

nel primo semestre dellanno (corrispondente ai mesi di Gennaio,

Febbraio e Marzo);
o Cambiamento radicale dellandamento della serie per gli anni
successivi al 2008-2009, come conseguenza della crisi
finanziaria.
Sulla base di uno dei principali modelli aggregativi per le
componenti di una serie storica, individueremo le caratteristiche
principali della nostra serie:
x t=T t +C t + St + V t , t=1,2, , N

1. Tt = Trend
La componente trend (chiamata anche componente di fondo),
definisce landamento di lungo periodo di una s.s., essendo
determinata da fattori che influenzano la variabile oggetto di
osservazione in modo regolare.
Utilizzeremo il metodo della regressione per ladattamento di una
funzione trend.
Dallanalisi condotta su excel risulta un modello di regressione
^y =0.2497 x i+ 557.93

- con coefficiente 1 = -0.2497;

- ed intercetta 0 = 557.93.
quindi possibile ottenere la serie dei valori detrendizzati
sottraendo ai valori osservati della nostra serie le stime ^y in
base al modello di regressione individuato.

CORSO DI ANALISI DELLE SERIE STORICHE (LM16/56) SERIE STORICA GRECIA

SIMONE TAU

Valori osservati e stimati

Tasso di occupazione

Tasso di occupazione stimato

63
61
59
57
55
53
51
49
47
45

Di seguito illustriamo il grafico nel quale abbiamo rappresentato i

valori osservati per il tasso di occupazione e quelli stimati:
In questo modo abbiamo eliminato la component trend e possiamo
procedere con lanalisi delle altre componenti sulla serie dei residui
(ovvero valori osservati valori teorici), il cui grafico risulta il
seguente:

Valori detrendizzati
12.00

7.00

2.00

-3.00

-8.00

-13.00

2. Ct = Ciclica
La componente ciclica costituita da fattori che determinano
landamento di una serie storica allalternarsi di fasi di
espansione o di recessione della variabile in esame. Al fine di
poter riscontrare questa caratteristica in una s.s. sarebbe

CORSO DI ANALISI DELLE SERIE STORICHE (LM16/56) SERIE STORICA GRECIA

SIMONE TAU

necessario considerare un periodo pluriennale di medio-lungo

termine, il quale non il nostro caso. Possiamo concludere quindi
che nella nostra s.s. non ravvisabile una componente ciclica.
3. St = Stagionalit
La componente stagionale pu essere analizzata, se presente, in
ogni serie storica nella quale le rilevazioni corrispondono a
periodo infra-annuali (con rilevazioni effettuate ad intervalli di
tempo inferiori allanno). Nel nostro caso le rilevazioni sono
trimestrali ed presente una componente stagionale che
andremo ad analizzare con il metodo delle medie stagionali.
Dallanalisi condotta in excel le
medie stagionali risultano essere
le seguenti, rispettivamente per il
primo, secondo, terzo e quarto
semestre dellanno (Q1, Q2, Q3,
Q4).

Row
Labels
Q1
Q2
Q3
Q4
Grand
Total

Average
of
detrendizzati
-0.446590175
0.112233355
0.50575206
-0.15049794
-3.91875E-14

Con il relativo grafico della componente stagionale:

Componente stagionale
0.9
0.7
0.5
0.3
0.1
-0.1
-0.3
-0.5
-0.7
-0.9

E la seguente serie ottenute destagionalizzata:

Valori

CORSO DI ANALISI DELLE SERIE STORICHE (LM16/56) SERIE STORICA GRECIA

SIMONE TAU

Valori destagionalizzati
7.00
2.00
-3.00
-8.00
-13.00

4. Vt = Residui
La componente residuale individuata da fattori che influenzano
la variabile oggetto di osservazione, ma che non rientrano in
nessuna delle categorie sopramenzionate. Il nostro obbiettivo in
questultima fase sar quello di scoprire se esiste ancora
correlazione temporale fra i residui.
Utilizzando il software Gretl analizziamo il correlogramma della
nostra s.s. alla quale stata gi rimossa la componente trend e
stagionale, per un numero di lag massimo pari a (66/4) = 16.

CORSO DI ANALISI DELLE SERIE STORICHE (LM16/56) SERIE STORICA GRECIA

SIMONE TAU

possibile notare il seguente comportamento della nostra ACF

(Auto Correlation Function) e PACF (Partial Auto Correlation
Function):
LACF non si annulla mai, ma tende a zero in modo
monotono;
La PACF, invece, si annulla dopo il primo lag.
Le osservazioni appena fatte ci permettono di individuare il modello
idoneo a rappresentare la componente residuale, e cio un modello
Autoregressivo di ordine uno, AR(1).
Il modello costruito su Gretl risulter un modello SARIMA
(Seasonalized AutoRegressive Integrated Moving Average) dove la
parte non stagionale risulta (0, 0, 0) e la parte stagionale (1, 0, 0).
Di seguito illustrato loutput del modello.

Al fine di poter verificare la validit del modello, ed effettuare

previsioni per istanti futuri, necessario controllare:
o La condizione di stazionariet del modello, ovvero se le radici B i
dellequazione caratteristica soddisfano la condizione
nel nostro caso rispettata poich 1.1133 > 1;

|Bi|>1 , e

CORSO DI ANALISI DELLE SERIE STORICHE (LM16/56) SERIE STORICA GRECIA

SIMONE TAU

o Che il p-value del coefficiente 1 sia < 0.05, ed rispettato

poich il suo p-value un valore molto piccolo, prossimo a 0.
Di seguito illustrato il grafico che mette a confronto la nostra
componente residuale e quella stimata dal modello:

Purtroppo non sono rispettate le condizioni sui residui:

o Valori dei residui non correlati (Residual autocorrelation function)
a causa dei p-value molto bassi;
o La gaussianit dei residui (Test statistic for normality), poich Chisquare(2) = 36.928 con un p-value associato minore del livello di
significativit del 5%.

CORSO DI ANALISI DELLE SERIE STORICHE (LM16/56) SERIE STORICA GRECIA

SIMONE TAU

Previsioni:
Sebbene il modello non
rispetti tutte le condizioni
affinch
possa
essere
definito
valido,
ci
approcciamo ad effettuare
delle previsioni per 4 istanti
temporali futuri. Si noti che
le previsioni effettuate si
riferiscono alla serie dei
valori destagionalizzata e
detrendizzata.
Al
fine
quindi
di
ottenere
le
previsioni
sui
valori
originari
sarebbe
necessario aggiungere alle
stagionale e trend.

stime

ottenute

la

componente