gacco 「社会人のためのデータサイエンス入門」 Week 3 データの見方 part 2
- 作者: 高橋淳一,野村嗣,西村隆宏,水上ひろき,林田賢二,森清貴,越水直人,露崎博之,早川敦士,牧允皓,黒柳敬一
- 出版社/メーカー: 技術評論社
- 発売日: 2017/03/25
- メディア: Kindle版
- この商品を含むブログを見る
▼gacco 「社会人のためのデータサイエンス入門」 Week 3 データの見方 part 1 はこちらです。
3-4. 時系列データの見方①-基礎編
時系列データとは
時間とともに観測されるデータ -> 時系列データ
株価チャートしか頭に思い浮かばへんわ。
年次データを見るときの注意点
暦年データ（Calendar Year）
1月～12月までを1年間とするデータ
国際比較が容易
年度データ（Fiscal Year）
会計年度開始月から12か月を1年間とするデータ
各国の会計年度は異なる。
日本の場合は4月から翌年3月までが会計年度となる。
決算月は日本国内の企業によってもバラバラです。
決算が3月末の企業が多いですけどね。
時系列データの種類
ストックデータとフローデータ
- ストックデータ
ある時点の状態をとらえたもの
- フローデータ
ある期間の発生量や変化量
ストックデータとフローデータの関係
今期末ストック＝前期末ストック＋今期フロー
貯金額に置き換えて考えるとわかりやすいですね。
50万年（当月までの貯金額）=46万円（前月までの貯金額）+4万円（当月の貯金額）
時系列データの種類
乗用車のフローデータの説明はわかりますが、
ストックデータ（保有台数）は平成17年度を境に急に減っているようにみえますが、、、笑
3-5. 時系列データの見方②-発展編
時系列データの見方
時系列データはそのまま見るのではなく、様々な加工を施すことが多いです。
データサイエンティストの腕の見せ所ですね！
実質値と名目値
金額を扱う統計で使われる名目と実質について。
５０年前の１万円と今の１万円では価値が違います。
黒田日銀総裁は物価を2%上昇させようとしていますよね。
1000万円を貯金だけで資産運用していたら20万円損したことになります。
資産を増やそうと思ったら、3%以上の運用利回りが見込める資産が欲しいですね。
物価の変動分を除去
- 名目
その時その時の価格により表した金額
- 実質
ある基準時の価格により表した金額
名目金額の変化の要因は価格の変化と数量の変化があります。
価格の変化分を除いた動きが重要！
実質化について
実質値は名目値を何らかの価格指数で割ることにより求められます。
実質値 = 名目値 / 価格指数
季節性とは
月次や四半期データでは季節性があることがあります。
3,4月は新大学生や新社会人の引っ越しなどで消費支出が増えそうですよね。
新歓や会社の飲み会でお金が貯まらないなんて声も、、、
季節調整法
季節性を含んでいるデータでは前月から当月への変化動向を把握するのは困難
時系列データを年単位にする
前年同月比を用いる
など、季節変動を除去する必要があります。
季節調整値の見方
季節調整値の前月比を見る際のポイント
両者の値の符号が一致しない場合は、傾向に変化が生じている可能性があるので、注意が必要です。
前年同月比は前月比より変化が現れるのが遅れる場合があります。
一方、前月比はより細かいノイズによっても変化することもあります。
前年同月比はプラスで季節調節値の前月比はマイナスってどんな状態ですかね？
パッと例えが出て来ませんね。うーむ。。。
3-6. 時系列データの見方③-分析編
時系列同士の関係
2つの時系列間の関係を見るには、相関係数を見るのが一番、簡単です。
同時点の相関を見るものと、ある時間差をあけて相関を見るものがあります。
本当に簡単？
同時相関
同時点で相関
相互相関
時間差で相関
同時相関を見てみましょう。
グラフの可処分所得って何って思いました。
可処分所得とは？
実収入から、税金や社会保険料などの非消費支出を差し引いた手取り収入を、「家計が自由に処分することができる所得」という意味で、可処分所得という。
要するに手取りですね。ニンゴ、ムズカシイデス。
新社会人は源泉徴収票を見ることをお勧めします。
どれだけ国から税金がむしり取られているか分かりますよー。笑
自分の資産は自分で守りましょう！
見せかけの相関
時系列データから相関関係があるように見えるからといって
必ずしも相関関係があるとは限らないのですね。
だから消費者物価ってなに？
消費者物価とは？
消費者が実際に購入する段階での、商品の小売価格（物価）
気温が上がれば消費者物価が必ずしも上がるとは限らないですよね。
気温に物価が左右される農作物などもありますがね。
時系列予測について
- 多項式回帰による予測
直線の場合はxを時間とすると
y = a x + b
yを予測するのは簡単そうですね。
- 自己回帰モデルによる予測
難しいっす！
▼記事の続きは以下へ。
（執筆中です。）
- 作者: 岩波データサイエンス刊行委員会
- 出版社/メーカー: 岩波書店
- 発売日: 2017/10/19
- メディア: Kindle版
- この商品を含むブログを見る