n05 の変更点

• 追加された行はこの色です。
• 削除された行はこの色です。
• n05 は削除されています。
• n05 の差分を削除

#author("2023-07-09T09:15:43+09:00","default:maa","maa")
※作成中
#author("2023-07-10T09:37:51+09:00","default:maa","maa")

次の&aname(t05){表 5}; は、茨城県の高等学校卒業者に占める進学者数の推移である。前節の「対応しているデータ」の場合と似ているが、このような時間に対して何らかの変量を取るデータを時系列データという。それでは、このようなデータについて、時間的変動パターンの規則性を知るためにはどのようにすればよいか。

CENTER:表 5 進学者数の推移&aname(t05);
#br
|CENTER:|CENTER:|c
|年度 | 進学者数|h
|CENTER:BGCOLOR(WHITE):|CENTER:BGCOLOR(WHITE):|c
|2008 |13,593|
|2009 |13,684|
|2010 |13,273|
|2011 |13,090|
|2012 |12,894|
|2013 |12,380|
|2014 |12,679|
|2015 |12,867|
|2016 |12,764|
|2017 |12,940|
|2018 |12,701|
|2019 |12,645|
#br

*考え方と適用手法 [#h928b185]

時系列データの変動パターンを視覚的にとらえて把握するためには、いわゆる折れ線グラフを適用する。さらに、傾向変動をとらえるために目測法、移動平均法、最小二乗法（回帰分析）などが適用できる。ただし、変動パターンは直線的とは限らないので、以下のどの方法が適切か、データのどの期間に適用できるのか等、個々のデータの特性に応じてよく吟味する必要がある。

*目測法 [#u784d7be]

観測者の主観により、折れ線グラフの傾向に最適と思われる直線を目分量で引く。当然のことながら、観測者により異なった直線が得られる。

*移動平均法 [#eb52bbd6]

一定期間の平均を、期間の位置をずらしながら求めた移動平均値により、傾向線（移動平均線）を求める方法を移動平均法と呼ぶ。平均をとる一定期間の間隔を調節することで、短期、中期、長期の傾向を把握することができる。移動平均線は実際の動きを平滑化し、少し遅れて追随する。

*最小二乗法（回帰分析） [#b231be1d]

近似直線を求める方法であり、既述の回帰分析と全く同じ方法である。ただし、時間軸のスケールについては、必要に応じて工夫することが多い。直線的傾向の強いデータに適用する必要がある。

&aname(f07);
#ref(tsd.png,center)
CENTER:図 7 進学者数の推移

RIGHT:[[[授業計画に戻る>コンピュータ実習#y5badde0]]]