Kestirim yöntemleri ve bir uygulama

Abstract

Bu araştırmanın amacı, metal sektöründe raf imalatı alanında üretim yapan, küçük ölçekli bir firmanın satış verilerinin doğru bir yapıya sahip olup olmadığının araştırılması ve eldeki zaman serisi verileri ile gelecek dönem satış kestirimlerinin doğruluğunun araştırılmasıdır. Çalışma 1 Ocak 2005 31 Aralık 2009 tarihleri arasında elde edilen 60 aylık zaman serisi satış verileri örneklemi ele alınarak yapılmıştır.Kestirim yöntemleri ile ilgili tanımsal bilgilere yer verilmiştir. Uygulamada kullanılan verilerin zaman serisi verileri olmasından dolayı verilerde karşılaşılacak problemler ve bu problemin çözümüne yönelik yöntemler uygulanmıştır. Zaman serisi verileri ile oluşturulan modeller Box Jenkins yöntemleri ile açıklanmıştır. Elde edilen zaman serisi satış verileri, EVIEWS paket programı ile analiz edilmiştir. İstatiksel analiz birim kök test teknikleri kullanılarak yapılmıştır.Uygulanan program sonucunda zaman serisi verilerinin durağan olmadığı eldeki verilerle kestirimin doğru sonuçlar vermeyeceği belirledikten sonra birinci dereceden fark alınarak veriler durağanlaştırılmıştır. Hata değerlerini minimum yapan Box Jenkins yöntemi ARMA (1,1) modeli, kestirim için doğru sonucu veren model olduğu sonucuna varılmıştır.

This paper aims to discover whether a previous sales data of a small scale firm that operates in a shelving industry is in line with the data calculated using time series for forecasting future sales data. Sales data gathered for 60 months between 1st Jan 2005 and 31st December 2009 has been used for this study.Firstly, number of forecasting methods is discussed; secondly possible errors that may come up due to the nature of the time series data applied is discussed and solutions to those problems are also looked at. Models acquired using time series data is explained through Box-Jenkins technique. Time series data is then analysed with EVIEWS package programme. Analysis is carried out using Augmented Dickey-Fuller Test Statistic.As a result of the applied programme, time series data first obtained was not stable, therefore could not have resulted accurately. Data is then corrected taking a first degree difference. To conclude, it is found out that Box Jenkins method ARMA (1,1), minimizes the error values therefore it is the precise model for forecasting.