Funkcijų žinynas

convert(s, to, [method], [partial]) · operacijos kodas convert

Pakeičia laiko eilutės dažnį. Keičiant į mažesnį dažnį (pvz., iš mėnesinio į ketvirtinį) kiekvieno laikotarpio reikšmės agreguojamos. Numatytasis būdas „Automatinis“ parenkamas pagal rodiklio pobūdį: srauto rodikliai (pvz., BVP, eksportas, biudžeto pajamos) sumuojami, laikotarpio pabaigos būklės rodikliams (pvz., skolai) imama paskutinė reikšmė, o normos, indeksai, kainos ir nežinomo pobūdžio rodikliai vidurkinami; taikytas būdas nurodomas laiko eilutės istorijoje. Būdą galima pasirinkti ir patiems: vidurkis, suma (srauto rodikliams, pvz., BVP ar eksportui), paskutinė reikšmė (laikotarpio pabaigos būklės rodikliams, pvz., skolai), pirmoji, didžiausia arba mažiausia reikšmė. Keičiant į didesnį dažnį (pvz., iš metinio į ketvirtinį) reikšmės interpoliuojamos tiesiškai arba kubiniu splainu (reikšmė priskiriama laikotarpio pabaigai), kartojamos (pastovi reikšmė) arba paskirstomos po lygiai, kad išliktų sumos (paskirstymas). Pasirinkus sumą, vidurkį arba paskutinę reikšmę keičiant į didesnį dažnį, reikšmės atitinkamai paskirstomos, kartojamos arba interpoliuojamos. Nepilni laikotarpiai pradžioje ir pabaigoje praleidžiami, nebent pažymėta „Įtraukti nepilnus laikotarpius“. Savaitė priskiriama tam mėnesiui, ketvirčiui ar metams, kuriems priklauso jos ketvirtadienis (ISO 8601).

convert(s1, "Q", "average")

convert(s1, "A", "sum")

convert(s1, "M", "linear")

wavg(s1, s2, …, weights, [normalize]) · operacijos kodas weighted_average

Kelių vienodo dažnio laiko eilučių svertinis vidurkis: Σ wᵢ·sᵢ / Σ wᵢ (svoriai nurodomi laiko eilučių eilės tvarka). Išjungus svorių normalizavimą, grąžinama svertinė suma Σ wᵢ·sᵢ. Jei bent vienos laiko eilutės reikšmės tam tikru laikotarpiu nėra, rezultato reikšmės tuo laikotarpiu taip pat nėra.

wavg(s1, s2, weights=[0.6, 0.4])

wavg(s1, s2, s3, weights=[1, 2, 1], normalize=false)

lag(s, [n]) · operacijos kodas lag

Perkelia laiko eilutę n laikotarpių vėliau: reikšmė laikotarpiu t lygi pradinei reikšmei laikotarpiu t − n (išsaugoma visa laiko eilutė, ji baigiasi n laikotarpių vėliau). Neigiama n reikšmė veikia kaip ankstinimas.

lag(s1, 1)

lag(s1, 4)

lead(s, [n]) · operacijos kodas lead

Perkelia laiko eilutę n laikotarpių anksčiau: reikšmė laikotarpiu t lygi pradinei reikšmei laikotarpiu t + n. Neigiama n reikšmė veikia kaip vėlinimas.

lead(s1, 1)

lead(s1, 12)

shiftyears(s, [years]) · operacijos kodas shift_years

Perkelia visą laiko eilutę n metų į priekį laiko ašyje (atgal, jei n neigiamas), kad tos pačios laiko eilutės skirtingus metus būtų galima palyginti vienoje diagramoje ar lentelėje, pvz., šių metų mėnesines reikšmes su praėjusių metų (shift_years(s, 1)).

shiftyears(s1, 1)

shiftyears(s1, -1)

window(s, [start], [end]) · operacijos kodas window

Palieka tik stebėjimus nuo pradžios iki pabaigos laikotarpio (imtinai); vieną iš ribų galima palikti tuščią. Kartu su postūmiu metais ir statistine analize leidžia palyginti skirtingus tos pačios laiko eilutės laikotarpius. Laikotarpius galima rašyti kaip 2008, 2008-S1, 2008-Q1, 2008-03, 2008-W10 arba 2008-03-15; nurodžius metus, atrenkami visi jų ketvirčiai, mėnesiai ar dienos.

window(s1, "2008-Q1", "2012-Q4")

window(s1, "2015")

cumulative(s, [func], [reset]) · operacijos kodas cumulative

Kaupia reikšmes laike: kaupiamoji suma, sandauga, einamasis maksimumas, minimumas arba vidurkis. Pasirinkus kaupimą „kiekvienais metais“, kaupiama iš naujo kiekvienų kalendorinių metų pradžioje (nuo metų pradžios). Trūkstama reikšmė nutraukia sumos, sandaugos ar vidurkio kaupimą (kaupiant kasmet – iki kitų metų); prireikus pirmiausia užpildykite trūkstamas reikšmes.

cumulative(s1, "sum")

cumulative(s1, "sum", "year")

max(s1, s2, …) · operacijos kodas max_series

Didžiausia kelių vienodo dažnio laiko eilučių reikšmė kiekvienu laikotarpiu (jei trūksta bent vienos laiko eilutės reikšmės, rezultato reikšmės nėra).

max(s1, s2)

mean(s1, s2, …, [skipna]) · operacijos kodas mean_series

Kelių vienodo dažnio laiko eilučių paprastasis (nesvertinis) vidurkis kiekvienu laikotarpiu. Numatytuoju atveju, jei trūksta bent vienos laiko eilutės reikšmės, rezultato reikšmės nėra; pažymėjus „Ignoruoti trūkstamas reikšmes“, skaičiuojamas turimų reikšmių vidurkis.

mean(s1, s2)

mean(s1, s2, s3, skipna=true)

min(s1, s2, …) · operacijos kodas min_series

Mažiausia kelių vienodo dažnio laiko eilučių reikšmė kiekvienu laikotarpiu (jei trūksta bent vienos laiko eilutės reikšmės, rezultato reikšmės nėra).

min(s1, s2)

rolling(s, [window], [func], [min_periods]) · operacijos kodas rolling

Kiekvienu laikotarpiu agreguoja paskutinius n stebėjimų (slankusis langas): slankusis vidurkis, slankioji suma, minimumas, maksimumas, mediana arba standartinis nuokrypis, pvz., mėnesinio eksporto 12 mėnesių slankioji suma. Numatytuoju atveju reikia, kad visame lange būtų reikšmės.

rolling(s1, 12, "sum")

rolling(s1, 4)

rolling(s1, 12, "std")

sum(s1, s2, …, [skipna]) · operacijos kodas sum_series

Sudeda kelias vienodo dažnio laiko eilutes kiekvienu laikotarpiu (pvz., regionų ar sektorių komponentes). Numatytuoju atveju, jei trūksta bent vienos laiko eilutės reikšmės, rezultato reikšmės nėra; pažymėjus „Ignoruoti trūkstamas reikšmes“, sudedamos turimos reikšmės.

sum(s1, s2, s3)

sum(s1, s2, skipna=true)

ytd(s, [func]) · operacijos kodas ytd

Kaupiamoji suma arba vidurkis nuo kiekvienų kalendorinių metų pradžios, pvz., biudžeto pajamos nuo sausio. Jei trūksta ankstesnių tų metų laikotarpių reikšmių, reikšmės nuo metų pradžios neskaičiuojamos.

ytd(s1, "sum")

ytd(s1, "mean")

change(s, [kind], [horizon], [n], [annualize]) · operacijos kodas change

Pokytis per pasirinktą laikotarpį: absoliutus (x_t − x_{t−k}), procentinis (100·(x_t / x_{t−k} − 1)), logaritminis (ln x_t − ln x_{t−k}), logaritminis × 100 arba santykis (x_t / x_{t−k}). Lyginama su ankstesniu laikotarpiu, reikšme prieš mėnesį, ketvirtį, metus arba prieš pasirinktą laikotarpių skaičių; k = n × palyginimo laikotarpis. Pažymėjus „Perskaičiuoti metiniu tempu“, pokytis išreiškiamas metiniu tempu (procentiniams pokyčiams ir santykiams – sudėtiniu). Dieniniams duomenims lyginama su ankstesniu stebėjimu, o lyginant su reikšme prieš mėnesį, ketvirtį ar metus – su paskutiniu tos pačios ar ankstesnės datos stebėjimu.

change(s1, "pct", "year")

change(s1, "abs", "period")

change(s1, "log_pct", "quarter", 1, true)

changeref(s, ref, [kind]) · operacijos kodas change_ref

Kiekvienos reikšmės pokytis, palyginti su pasirinkto atskaitos laikotarpio reikšme, pvz., su 2019-Q4 (lygiu prieš pandemiją): procentinis, absoliutus, santykis arba logaritminis. Jei atskaitos laikotarpis ilgesnis už duomenų laikotarpį (pvz., metai ketvirtiniams duomenims), naudojamas jo vidurkis.

changeref(s1, "2019-Q4", "pct")

changeref(s1, "2019", "abs")

diff(s, [n]) · operacijos kodas diff

Absoliutus pokytis, palyginti su reikšme prieš n laikotarpių: x_t − x_{t−n} (dieniniams duomenims – prieš n stebėjimų).

diff(s1)

diff(s1, 4)

logdiff(s, [n], [scale]) · operacijos kodas log_diff

Logaritminis pokytis daugiklis·(ln x_t − ln x_{t−n}); kai daugiklis 100 (numatytasis), jis apytiksliai lygus procentiniam pokyčiui. Nulinėms ar neigiamoms reikšmėms rezultatas paliekamas tuščias.

logdiff(s1)

logdiff(s1, 12)

logdiff(s1, 1, 1)

mom(s) · operacijos kodas pct_mom

Procentinis pokytis, palyginti su praėjusiu mėnesiu: 100·(x_t / x_{t−1} − 1). Taikoma tik mėnesiniams duomenims.

mom(s1)

qoq(s, [annualize]) · operacijos kodas pct_qoq

Procentinis pokytis, palyginti su praėjusiu ketvirčiu; mėnesiniams duomenims – palyginti su reikšme prieš tris mėnesius. Galima perskaičiuoti metiniu tempu: 100·((x_t / x_{t−1})⁴ − 1).

qoq(s1)

qoq(s1, true)

yoy(s) · operacijos kodas pct_yoy

Procentinis pokytis, palyginti su atitinkamu praėjusių metų laikotarpiu: 100·(x_t / x_{t−p} − 1), kur p – laikotarpių skaičius per metus. Taikoma visų dažnių duomenims; dieniniai duomenys lyginami su paskutiniu praėjusių metų tos pačios ar ankstesnės datos stebėjimu.

yoy(s1)

rebase(s, base_start, [base_end], [value]) · operacijos kodas rebase

Perskaičiuoja reikšmes į indeksą: bazinė reikšmė · x_t / (x vidurkis baziniu laikotarpiu), pvz., 2015 m. = 100. Bazinis laikotarpis gali būti vienas laikotarpis (2015, 2015-Q1) arba intervalas nuo pradžios iki pabaigos.

rebase(s1, "2015")

rebase(s1, "2015", "", 100)

rebase(s1, "2019-Q1", "2019-Q4", 1)

trend(s, [method], [lam], [window]) · operacijos kodas trend

Įvertina laiko eilutės trendą: tiesinį, kvadratinį arba logaritminį tiesinį (eksponentinį) laiko trendą mažiausiųjų kvadratų metodu, Hodriko-Preskoto filtru (λ pagal dažnį: metiniams duomenims 100, ketvirtiniams 1600, mėnesiniams 129 600) arba centruotuoju slankiuoju vidurkiu (numatytasis – 2×12 mėnesiniams ir 2×4 ketvirtiniams duomenims).

trend(s1, "hp")

trend(s1, "linear")

trend(s1, "moving_average", window=12)

cycle(s, [method], [lam], [low], [high], [k], [output]) · operacijos kodas cycle

Išskiria ciklo komponentę: nuokrypį nuo Hodriko-Preskoto trendo, Baxterio-Kingo arba Christiano-Fitzgeraldo juostinio filtro išskirtą komponentę (ciklų trukmė – nuo trumpiausio iki ilgiausio nurodyto ciklo, numatytoji – 1,5–8 metai), Hamiltono (2018) regresinio filtro komponentę (horizontas h – 2 metai, vėlinių skaičius p – vieni metai) arba nuokrypį nuo tiesinio trendo. Pasirinkus rezultatą „Nuokrypis nuo trendo, %“, gaunamas procentinis nuokrypis (skaičiuojamas nuo 100·ln x). Baxterio-Kingo filtro rezultate nėra k pirmųjų ir k paskutiniųjų stebėjimų (numatytasis k – 3 metai), Hamiltono – pirmųjų h + p − 1 stebėjimų. Juostiniams ir Hamiltono filtrams reikia metinių, pusmečio, ketvirtinių arba mėnesinių duomenų.

cycle(s1, "hp")

cycle(s1, "bk", low=1.5, high=8)

cycle(s1, "hamilton", output="pct")

sa(s, [method], [mode], [output]) · operacijos kodas seasonal_adjust

Pašalina sezono įtaką iš mėnesinių arba ketvirtinių duomenų. Naudojamas X-13ARIMA-SEATS metodas (JAV surašymo biuras: automatinis ARIMA modelio parinkimas, išskirčių nustatymas, X-11 dekompozicija), jei jis prieinamas serveryje; priešingu atveju arba jei X-13 negali koreguoti laiko eilutės (reikia bent trejų pilnų metų duomenų), taikomas STL metodas (sezono ir trendo dekompozicija LOESS metodu) ir tai nurodoma laiko eilutės istorijoje. „Klasikinis“ – santykio su slankiuoju vidurkiu metodas. Rezultatas: sezoniškai koreguota laiko eilutė, sezoninė komponentė, trendo ir ciklo komponentė arba atsitiktinė komponentė. Multiplikatyvinis modelis tinka teigiamoms laiko eilutėms, kurių sezoniniai svyravimai didėja kartu su lygiu; pasirinkus „automatinis“, modelį parenka X-13 (STL ir klasikiniam metodams – multiplikatyvinis, jei visos reikšmės teigiamos). Reikia bent dvejų pilnų metų duomenų be spragų.

sa(s1, "x13")

sa(s1, "stl", "multiplicative")

sa(s1, "x13", output="seasonal")

hp(s, [lam], [output]) · operacijos kodas hp_filter

Hodriko-Preskoto filtras su glodinimo parametru λ (nenurodžius – pagal dažnį: metiniams duomenims 100, ketvirtiniams 1600, mėnesiniams 129 600). Grąžina glotnųjį trendą arba ciklo komponentę (laiko eilutė atėmus trendą).

hp(s1)

hp(s1, 1600, "trend")

hp(s1, 1600, "cycle")

smooth(s, [method], [window], [alpha], [frac], [lam]) · operacijos kodas smooth

Glodina laiko eilutę pasirinktu metodu: paskutinių n stebėjimų slankusis vidurkis, centruotasis slankusis vidurkis (lyginiam n – 2×n), eksponentinis glodinimas (koeficientas α, numatytasis 2/(n+1)), LOESS lokalioji regresija (kiekvienam įvertinimui naudojama stebėjimų dalis, numatytoji 0,25), Hodriko-Preskoto filtras (λ) arba Hendersono slankusis vidurkis (n narių, nelyginis; numatytasis – 13 mėnesiniams ir 5 ketvirtiniams duomenims).

smooth(s1, "ma", 3)

smooth(s1, "centered_ma", 12)

smooth(s1, "ewma", alpha=0.3)

smooth(s1, "loess", frac=0.2)

smooth(s1, "henderson", 13)

abs(s) · operacijos kodas abs

Kiekvienos reikšmės absoliučioji reikšmė (modulis) |x|: neigiamos reikšmės tampa teigiamos.

abs(s1)

add(s, value) · operacijos kodas add

Prie kiekvienos reikšmės prideda pastovų skaičių: x + skaičius. Laiko eilutes tarpusavyje galima sudėti formulėse (s1 + s2).

add(s1, 5)

s1 + 5

divide(s, value) · operacijos kodas divide

Kiekvieną reikšmę padalija iš nenulinio pastovaus skaičiaus: x / skaičius.

divide(s1, 1000)

s1 / 1000

exp(s) · operacijos kodas exp

Eksponentinė funkcija eˣ – atvirkštinė natūriniam logaritmui.

exp(log(s1))

log(s) · operacijos kodas log

Natūrinis logaritmas ln(x). Nulinėms ir neigiamoms reikšmėms rezultatas paliekamas tuščias.

log(s1)

log10(s) · operacijos kodas log10

Dešimtainis logaritmas log₁₀(x). Nulinėms ir neigiamoms reikšmėms rezultatas paliekamas tuščias.

log10(s1)

multiply(s, value) · operacijos kodas multiply

Kiekvieną reikšmę padaugina iš pastovaus skaičiaus: x · skaičius.

multiply(s1, 100)

s1 * 100

negate(s) · operacijos kodas negate

Pakeičia kiekvienos reikšmės ženklą: −x.

negate(s1)

power(s, value) · operacijos kodas power

Kiekvieną reikšmę pakelia laipsniu: x^laipsnis. Jei rezultatas nėra realusis skaičius (pvz., neigiamos reikšmės trupmeninis laipsnis), reikšmė paliekama tuščia.

power(s1, 2)

s1 ** 0.5

reciprocal(s) · operacijos kodas reciprocal

Atvirkštinis skaičius 1/x, pvz., valiutos kursui išreikšti atvirkščiai (EUR už USD → USD už EUR). Nulinėms reikšmėms rezultatas paliekamas tuščias.

reciprocal(s1)

round(s, [digits]) · operacijos kodas round

Suapvalina kiekvieną reikšmę iki nurodyto skaitmenų po kablelio skaičiaus; vidurinės reikšmės (pvz., 2,5) apvalinamos tolyn nuo nulio, kaip programoje „Excel“. Nurodžius neigiamą skaičių, apvalinama iki dešimčių, šimtų ir t. t. (−2 – iki artimiausio šimto).

round(s1, 1)

scale(s, factor, [unit]) · operacijos kodas scale

Padaugina laiko eilutę iš daugiklio matavimo vienetui pakeisti, pvz., 0,001 perskaičiuoja milijonus į milijardus. Galima nurodyti naujo matavimo vieneto pavadinimą.

scale(s1, 0.001, "EUR billion")

scale(s1, 100)

sqrt(s) · operacijos kodas sqrt

Kvadratinė šaknis √x. Neigiamoms reikšmėms rezultatas paliekamas tuščias.

sqrt(s1)

subtract(s, value) · operacijos kodas subtract

Iš kiekvienos reikšmės atima pastovų skaičių: x − skaičius.

subtract(s1, 2)

s1 - 2

annualize(s, [kind]) · operacijos kodas annualize

Laikotarpio reikšmes išreiškia metiniu tempu: „dauginti“ – padaugina iš laikotarpių skaičiaus per metus (pvz., ketvirtinis srautas × 4); „sudėtinis“ – procentinį augimo tempą perskaičiuoja metams taikant sudėtinį augimą: 100·((1 + x/100)^p − 1).

annualize(s1)

annualize(qoq(s1), "compound")

fill(s, [method], [limit]) · operacijos kodas fill

Užpildo trūkstamas reikšmes laiko eilutės viduje tiesine interpoliacija, ankstesne reikšme, kita reikšme arba nuliu. „Didžiausias iš eilės užpildomų reikšmių skaičius“ riboja, kiek iš eilės trūkstamų reikšmių užpildoma. Reikšmės prieš pirmąjį ir po paskutinio stebėjimo nekuriamos. Dieniniuose duomenyse užpildomos ir dienos, kuriomis stebėjimų nėra (savaitgaliai, šventės).

fill(s1, "linear")

fill(s1, "ffill", 2)

S("key")

Įkelia bet kurią „MacroLens“ duomenų bazės laiko eilutę pagal jos raktą. Raktas rodomas laiko eilutės puslapyje ir paieškos rezultatuose; jį reikia rašyti kabutėse.

S("ESTAT/namq_10_gdp/Q.CLV10_MEUR.SCA.B1GQ.LT")

yoy(S("ESTAT/namq_10_gdp/Q.CLV10_MEUR.SCA.B1GQ.LT"))

U("code")

Įkelia jūsų bibliotekoje išsaugotą (arba su jumis bendrinamą) laiko eilutę pagal jos kodą, parašytą kabutėse.

U("my_series")

U("my_series") / S("ESTAT/namq_10_gdp/Q.CLV10_MEUR.SCA.B1GQ.LT")

a + b

Sudeda laiko eilutes arba skaičius. Laiko eilutės sulyginamos pagal laikotarpius; jei kurios nors eilutės reikšmės trūksta, to laikotarpio rezultato taip pat nėra.

s1 + s2

s1 + 100

a - b

Atima laiko eilutes arba skaičius (kiekvienam laikotarpiui atskirai).

s1 - s2

s1 - lag(s1, 1)

a * b

Sudaugina laiko eilutes arba skaičius (kiekvienam laikotarpiui atskirai).

s1 * 1000

s1 * s2

a / b

Dalija laiko eilutes arba skaičius (kiekvienam laikotarpiui atskirai). Dalijant iš nulio gaunama trūkstama reikšmė.

s1 / s2 * 100

s1 / 1000

a ** b

Kelia laipsniu. Vietoj ** galima rašyti ^.

s1 ** 2

(s1 / lag(s1, 4)) ^ 0.25

-a

Pakeičia laiko eilutės arba skaičiaus ženklą priešingu.

-s1

(a + b) * c

Grupuoja formulės dalis. Veiksmų tvarka: pirmiausia keliama laipsniu, tada dauginama ir dalijama, galiausiai sudedama ir atimama. Operatoriais sujungiamų laiko eilučių dažnis turi būti vienodas; priešingu atveju naudokite convert().

(s1 + s2) / 2

if_missing(s, value)

Pakeičia trūkstamas laiko eilutės reikšmes nurodytu skaičiumi arba kitos to paties dažnio laiko eilutės tų pačių laikotarpių reikšmėmis.

if_missing(s1, 0)

if_missing(s1, s2)

pi

Skaičius π (3,14159…).

s1 * pi

e

Oilerio skaičius e (2,71828…) – natūrinio logaritmo pagrindas.

e ** (s1 / 100)

Dviejų ar daugiau laiko eilučių Pirsono, Spirmeno arba Kendalo koreliacijos matrica bendrų laikotarpių imtyje su p reikšmėmis, stebėjimų skaičiumi ir 95 % pasikliautinaisiais intervalais (Pirsono koeficientui).

Pasirinkite dvi ar daugiau to paties dažnio laiko eilučių.

Kaip skaityti rezultatus – naudotojo vadove →

Koreliacija tarp k laikotarpių paslinktos eilutės X ir eilutės Y, kai k = −K…K: parodo, kuri eilutė pirmauja ir keliais laikotarpiais.

Pasirinkite lygiai dvi to paties dažnio laiko eilutes: pirmiausia X, tada Y.

Kaip skaityti rezultatus – naudotojo vadove →

Kiekvienos laiko eilutės stebėjimų skaičius, vidurkis, standartinis nuokrypis (imties ir generalinės aibės), dispersija, variacijos koeficientas, mažiausia ir didžiausia reikšmės, kvartiliai, mediana, asimetrijos ir eksceso koeficientai, Jarque–Bera normalumo testas, pirmasis ir paskutinis laikotarpiai.

Pasirinkite vieną ar daugiau laiko eilučių.

Kaip skaityti rezultatus – naudotojo vadove →

Paprastoji (vienas aiškinamasis kintamasis) arba daugianarė tiesinė regresija, įvertinta mažiausiųjų kvadratų metodu (MKM): koeficientai su standartinėmis paklaidomis, t statistikomis, p reikšmėmis ir 95 % pasikliautinaisiais intervalais, R², koreguotas R², F testas, Durbino–Watsono statistika, AIC, BIC, liekanų diagnostika, įvertintos reikšmės ir liekanos.

Pirmoji laiko eilutė – priklausomasis kintamasis, kitos – aiškinamieji kintamieji (vienas – paprastajai regresijai, keli – daugianarei regresijai).

Kaip skaityti rezultatus – naudotojo vadove →

Dviejų ar daugiau laiko eilučių VAR modelis: vėlinimų skaičiaus parinkimas (AIC, BIC, HQIC, FPE), kiekvienos lygties koeficientai, stabilumas, Grangerio priežastingumo testai, impulso atsako funkcijos, prognozės paklaidų dispersijos dekompozicija ir prognozės.

Pasirinkite nuo dviejų iki aštuonių to paties dažnio laiko eilučių. Ortogonalizuotiems impulso atsakams svarbi eilučių tvarka (Choleskio dekompozicija).

Kaip skaityti rezultatus – naudotojo vadove →

Dviejų ar daugiau laiko eilučių pagrindiniai komponentai bendrų laikotarpių imtyje (pagal nutylėjimą – standartizuotiems duomenims): tikrinės reikšmės, paaiškintos dispersijos dalis, svoriai ir komponentų laiko eilutės.

Pasirinkite dvi ar daugiau to paties dažnio laiko eilučių.

Kaip skaityti rezultatus – naudotojo vadove →

Išplėstinis Dickey–Fullerio (ADF), Phillipso–Perrono (PP) ir KPSS stacionarumo testai: testų statistikos, p reikšmės, kritinės reikšmės ir aiški išvada.

Pasirinkite vieną ar daugiau laiko eilučių; kiekviena tikrinama atskirai.

Kaip skaityti rezultatus – naudotojo vadove →

Palygina du ar daugiau tos pačios laiko eilutės laikotarpių: stebėjimų skaičių, vidurkį, medianą, standartinį nuokrypį, mažiausią ir didžiausią reikšmes, bendrą pokytį ir vidutinį metinį augimo tempą.

Pasirinkite vieną laiko eilutę ir įveskite lyginamus laikotarpius.

Kaip skaityti rezultatus – naudotojo vadove →