In diesem Artikel werden wir die Daten zu Scheidungsfällen pro Monat verwenden, um die Zeitreihen in saisonale Faktoren, Trends und unregelmäßige Reihen aufzuteilen.Ohne die saisonalen Faktoren ist der Scheidungstrend am Ende der Heisei-Periode Bestimmte Funktionen " Ich verstehe
In Japan Drei Monat Ist ein Abschiedsmonat.In diesem Jahr wurde die Abschlussfeier aufgrund des Einflusses von COVID-19 (neue Coronavirus-Infektion) abgesagt, und die Abschiedsparty wurde abgesagt, aber es ist auch ein Monat, um mein Leben zu unterbrechen .
Einige Menschen werden die traurige Scheidung der „Scheidung“ erleben.Nachrichten berichten oft über Scheidungen von Prominenten, aber steigt die Zahl der Scheidungen tatsächlich? Unter Bezugnahme auf die demografische Statistik des Ministeriums für Gesundheit, Arbeit und Soziales kann die Anzahl der Scheidungen pro Monat ermittelt werden. Berücksichtigen Sie die Anzahl der Scheidungen * von Januar 2014 bis Dezember 2019 (der letzte veröffentlichte Monat zum Zeitpunkt dieser Veröffentlichung). Ich werde.
* Hinweis: Vorläufige Daten werden für alle Monate verwendet.
Wie viele Scheidungen gibt es pro Jahr?
Lassen Sie uns zunächst ein Balkendiagramm der Anzahl der Scheidungen in jedem Jahr erstellen.
Die Zahl der Scheidungen pro Jahr ist seit 2015 allmählich zurückgegangen, hat jedoch ab 2019 leicht zugenommen.Die Zahl der Scheidungen im Jahr 2018 betrug 212.393 gegenüber 212.955 im Jahr 2019.
Als Referenz zeigt die folgende Abbildung die Anzahl der Scheidungen und Ehen pro Jahr als Liniendiagramm.Die blaue Linie oben ist die Anzahl der Scheidungen und die rote Linie unten ist die Anzahl der Ehen.Sie haben eine ähnliche Tendenz.Eine Scheidung kann nicht mit einer Ehe in Verbindung gebracht werden, da eine Scheidung nur erreicht werden kann, wenn Sie überhaupt verheiratet sind.
Monatliche Scheidungstrends
Warum war die Zahl der Scheidungen im Jahr 2019 etwas höher als im Vorjahr?Lassen Sie uns also ein Liniendiagramm der Anzahl der Scheidungen pro Monat erstellen.
Aus dieser Grafik geht hervor, dass die Anzahl der Scheidungen einen deutlichen monatlichen Trend aufweist (Saisonalität).Der prominenteste ist wiederum der März, der überwiegend höher ist als die anderen Monate, und es ist ersichtlich, dass der andere Monat auch im Dezember zunimmt.Sie können sich die Folgen einer Scheidung in den Pausen vorstellen.
Es gibt jedoch eine Sache, die mir wichtig ist.Die durchschnittliche Zahl im April ist deutlich niedriger als im März desselben Jahres, geht jedoch im April 2019 nur geringfügig zurück.
Darüber hinaus sind monatliche Trends leicht zu verstehen
Dieses Mal überlagern wir das jährliche Liniendiagramm mit dem Monat als horizontaler Achse.
Die rote Linie ist 2019, aber die Zahl der Scheidungen im April ist höher als in anderen Jahren, und es ist ersichtlich, dass sie im Vergleich zum März nicht viel zurückgegangen ist.
April 2019 ist der letzte Monat von Heisei.Es wird angenommen, dass viele Paare eine Pause einlegen wollten, bevor sich die Ära änderte.
Entfernen der Saisonalität durch Zerlegen von Zeitreihen
Zeitreihendaten können in verschiedene Faktoren wie Saisonalität und Trends unterteilt werden.Durch das Zerlegen können Saisonalität und Trends aus der ursprünglichen Zeitreihe entfernt werden.
Sie können beispielsweise die ursprüngliche Zeitreihe in saisonale Faktoren und Trends sowie in unregelmäßige Reihen zerlegen, die durch diese nicht erklärt werden können (siehe folgende Abbildung).
Daher ist eine unregelmäßige Reihe eine Zeitreihe, die saisonale Faktoren und Trends aus der ursprünglichen Zeitreihe ausschließt.
Hier ist das Ergebnis einer solchen Zerlegung der Scheidungsdaten *.
* Die X11-Methode wird als Zeitreihenzerlegungsmethode verwendet.
◆ Saisonale Faktoren
Monatliche Trends werden extrahiert.Sie können sehen, dass es Saisonalität gibt, mit Werten, die im Januar und Februar klein und im März und Dezember groß sind.
◆ Trend
Dies ist ein Trenddiagramm.Insgesamt ist zu erkennen, dass der Trend abnimmt, aber im ersten Halbjahr 2015 und im zweiten Halbjahr 2018 gibt es Berge.Die Tatsache, dass die Scheidungsfälle im März 2015 extrem hoch waren und die Scheidungsfälle im Jahr 2018 im Vergleich zu den anderen Oktoberjahren im Oktober, war die Ursache für den damaligen Höhepunkt.
◆ Unregelmäßige Serien
Die Zeitreihen, die mit den oben genannten saisonalen Faktoren und Trends nicht extrahiert werden konnten, werden angezeigt.Mit anderen Worten, es handelt sich um eine Reihe, die als "unregelmäßige Reihe = ursprüngliche Zeitreihe - saisonaler Faktortrend" berechnet wird.
Der April 2019, der letzte Monat der Heisei-Periode, war äußerst ungewöhnlich, auch wenn saisonale Faktoren und Trends ausgeschlossen wurden. Es war also ein ungewöhnlicher Monat.
Darüber hinaus kam der September 2018 als kleiner Wert heraus.Da der nächste Monat, Oktober 2018, einen hohen Wert aufweist, ist es wahrscheinlich, dass es einen Grund gab, sich im Oktober statt im September 2018 scheiden zu lassen.Ich kann nicht sofort daran denken, aber warum denkst du nicht über die Ursache nach?
Änderungen in der Anzahl der Scheidungen ohne Saisonalität
Schließlich wird in der folgenden Abbildung ein Liniendiagramm (rot) ohne saisonale Faktoren dem ursprünglichen Scheidungsliniendiagramm (blau) überlagert.
Rote Polylinie = Ursprüngliche Scheidungspolylinie - Saisonale Polylinie
Der numerische Wert des roten Liniendiagramms wird beispielsweise im April 2019 wie folgt berechnet.
21.061 (ursprüngliche Zeitreihe) = -36,53 (saisonale Faktoren) + 17.543,89 (Trend) + 3.553,64 (unregelmäßige Reihe)
Bereinigt um saisonale Faktoren
Es gibt unerwartet viele Zeitreihendaten mit saisonalen Faktoren in der Nähe.Einzelhandelsumsätze, Stromverbrauch und die Anzahl der Menschen mit Infektionskrankheiten können berücksichtigt werden, aber wir können Trends in diesen Daten sehen, wenn wir saisonale Faktoren berücksichtigen, wie in diesem Beispiel für Scheidungsfälle.
Das Statistikamt des Ministeriums für innere Angelegenheiten und Kommunikation erklärt auf leicht verständliche Weise das statistische Denken und das Lesen statistischer Informationen. https://www.stat.go.jp/koukou/index.html ), Die eine klare Erklärung für die Anpassung an saisonale Faktoren enthält. https://www.stat.go.jp/koukou/trivia/careers/career9.html ).
