Etude de cas n 2 : Dtermination de la saisonnalit On considre la srie des ventes mensuelles dun produit festif, de Janvier 1982 Septembre

e 1990. Cette srie de 105 observations est donne au tableau de la page 5 a) File/New/Workfile b) Cocher Monthly Start date taper 1982:1 et dans End date taper 1990:9 Valider data ventes ENTRE On ouvre le fichier Word contenant nos donnes puis copier colonne par colonne et on vient coller (Paste) dans EViews. On enregistre le fichier sous le nom etude de cas 3 dans le mme rpertoire que le fichier etude de cas 1 . 1) Reprsenter graphiquement cette srie chronologique. a) Quick/Graph b) On tape Ventes c) On valide d) On choisit line graph dans la zone Graph type e) On valide
Evolution des ventes mensuelles

1600 1400 1200 1000 800 600 400 200 0 82 83 84 85 86 87 88 89 90

VENT ES

2) Cette srie est-elle saisonnire ? (Utiliser le corrlogramme) Pour dtecter lexistence de la composante saisonnire, on utilise le corrlogramme qui la reprsentation graphique de la fonction dautocorrlation de la srie ( ) ( , ( ) ( ) (0) 1 ) ) ( ( ) ( ) (0) )( )

( )

( ,

Pour une srie mensuelle, lexistence de la composante saisonnire se manifeste au niveau du corrlogramme par la prsence des pics en 1, 12, 24, 3 , 48, Instructions EViews a- Quick/Series statistics/Correlogram b- Taper ventes puis valider c- Dans la fentre qui souvre, spcifier le type de corrlogramme Level pour la srie niveau ou srie brute 1st difference pour la srie diffrence premire 2nd difference pour la srie diffrence seconde Pour notre cas, nous allons choisir level . d- Valider Sortie des rsultats

Le corrlogramme montre bien des pics en 1, 12, 24, 3 , 48 ce qui est typique dune srie mensuelle saisonnire. 3) La saisonnalit est-elle additive ou multiplicative ? Pour dterminer la nature de la saisonnalit, on dispose de deux mthodes : - La mthode graphique - La mthode analytique 3.1.) Dtermination de la nature de la saisonnalit par mthode graphique - on trace deux courbes : lune passant les maxima de la srie et lautre par les minima de la srie ; - si les deux courbes sont parallles, on adopte le schma additif ; - si les deux courbes ne sont pas parallles, on adopte le schma multiplicatif. Lobservation des courbes passant par les extremums de la srie montre que les deux courbes ne sont pas parallles : on peut donc admettre que la srie des ventes mensuelles est saisonnire multiplicative.
3

3.2.) Dtermination de la nature de la saisonnalit par mthode analytique : La mthode graphique est une mthode subjective. Il est parfois ncessaire dutiliser une mthode analytique : la mthode de Buys-Ballot. Cette mthode consiste calculer pour chacune des annes la moyenne et lcart-type. - Si les carts-types sont constants, alors la srie est saisonnire additive ; - Si les carts-types ne sont pas constants, alors les cartstypes dpendent de la moyenne. Dans ce cas, on adopte le schma multiplicatif. TAF a- Slectionner la srie ventes puis coller les valeurs dans Excel la ligne 2 colonne A b- Calculer la moyenne et lcart-type pour chaque anne

Anne 1982 1983 1984 1985 1986 1987 1988 1989 1990

Moyenne 347,8166667 386,4166667 433,7666667 501,6 537,0583333 571,3416667 500,6583333 564,0583333 431,2555556

Ecart-type 148,9081363 181,9957638 202,9639308 227,9266293 260,7425469 323,8174343 318,2702166 286,8042551 118,7940151

On constate que les carts-types ne sont pas constants, alors les carts-types dpendent de la moyenne. La srie des ventes mensuelles est saisonnire multiplicative.

4) Dterminer la srie dsaisonnalise (corrige des variations saisonnires, srie CVS) La dtermination de la srie CVS dpend du modle de dcomposition retenu. - Pour un modle additif, on utilise la mthode de la diffrence aux moyennes mobiles; , 1, 2, 3, , - Pour un modle multiplicatif, on utilise la mthode de rapport aux moyennes mobiles , 1, 2, 3, ,

est le coefficient saisonnier relatif linstant 1, 2, 3, , tant la priode des observations ( 4 si les observations sont triemestrielles ; 12 si les observations sont mensuelles) Instructions EViews a- Quick/Series statistics/Seasonnal adjustment b- Taper ventes puis valider c- Dans la fentre qui souvre, spcifier la mthode de dcomposition ainsi que le nom de la srie dsaisonnalise (CVS) d- Valider On obtient une fentre dans laquelle on retrouve les p coefficients saisonniers.
Scaling Factors: 1 2 3 4 5 6 7 8 9 10 11 12 0.831776 0.743142 0.890230 0.914801 0.963682 0.954756 0.816227 0.419926 1.021971 1.317812 1.933931 2.418525

Reprsentation de la srie CVS

5

5) Dterminer la tendance de cette srie Ventes en utilisant la srie dsaisonnalise. Il sagit destimer lquation , 1, 2, , La tendance est donne par le signe de a. Pour cela on doit au pralable introduire les valeurs de la variable temporelle dans notre Workfile. Dsignons par rang la variable temporelle On gnre cette variable de la manire suivante : a- Quick/Generate series b- Rang=@trend+1 c- Valider Puis on revient lestimation du modle de la tendance par la droite de rgression Instructions a- Quick/Estimate equation Cvs rang c b- Valider
Dependent Variable: CVS Method: Least Squares Date: 09/10/12 Time: 17:50 Sample: 1982:01 1990:09 Included observations: 105 Variable Coefficient RANG 1.800334 C 342.7326 R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat 0.440056 0.434620 62.14788 397823.0 -581.5782 1.699069

Std. Error 0.200103 12.21719

t-Statistic 8.997055 28.05332

Prob. 0.0000 0.0000 438.1503 82.65251 11.11577 11.16633 80.94700 0.000000

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)

CVS = 1.8t + 342.7326426

6

6) Prvision les ventes pour octobre, novembre et dcembre 1990 On sait que , Alors , ( ) , 1, 2, 3, , 1, 2, 3, , 1,31 812 1,31 812 1, 2, 3, ,

Pour octobre 1990, on t=106 et

:

(1,8 10 342, 32 ) Pour novembre 1990, on t=107 et (1,8 10 Pour dcembre 1990, on t=108 et
: :

342, 32 ) 342, 32 )

(1,8

10