Dans cet article, nous utiliserons les données sur les cas de divorce par mois pour décomposer la série chronologique en facteurs saisonniers, tendances et séries irrégulières.Hors facteurs saisonniers, la tendance au divorce à la fin de la période Heisei Certaines fonctionnalités " Je comprends.
Au Japon Trois Mois Est un mois d'adieu.Cette année, la cérémonie de remise des diplômes a été annulée en raison de l'influence de COVID-19 (nouvelle infection à coronavirus), la fête d'adieu a été annulée, mais c'est aussi un mois pour mettre une pause dans ma vie .
Certaines personnes connaîtront le triste divorce du «divorce».Les nouvelles font souvent état de divorces de célébrités, mais le nombre de divorces augmente-t-il réellement? En se référant aux statistiques démographiques du Ministère de la santé, du travail et de la protection sociale, le nombre de divorces par mois peut être déterminé. Prenons le nombre de divorces * de janvier 2014 à décembre 2019 (le dernier mois publié à ce jour). Je le ferai.
* Remarque: les données préliminaires sont utilisées pour tous les mois.
Quel est le nombre de divorces par an?
Tout d'abord, faisons un diagramme à barres du nombre de divorces chaque année.
Le nombre de divorces par an diminue progressivement depuis 2015, mais a commencé à augmenter légèrement en 2019.Le nombre de divorces en 2018 était de 212393, contre 212955 en 2019.
Pour référence, la figure ci-dessous montre le nombre de divorces et de mariages par année sous forme de graphique linéaire.La ligne bleue en haut est le nombre de divorces et la ligne rouge en bas est le nombre de mariages.Vous avez une tendance similaire.Le divorce ne peut pas être lié au mariage car le divorce ne peut être obtenu que si vous êtes marié en premier lieu.
Tendances mensuelles en matière de divorce
Pourquoi le nombre de divorces en 2019 était-il légèrement supérieur à celui de l'année précédente?Alors, faisons un graphique linéaire du nombre de divorces par mois.
D'après ce graphique, le nombre de divorces a une tendance mensuelle claire (saisonnalité).Encore une fois, le plus important est le mois de mars, qui est largement supérieur aux autres mois, et on peut voir que l'autre mois augmente également en décembre.Vous pouvez imaginer les conséquences du divorce pendant les pauses.
Cependant, il y a une chose qui m'importe.Le nombre moyen en avril est nettement inférieur à celui de mars de la même année, mais ne diminue que légèrement en avril 2019.
De plus, les tendances mensuelles sont faciles à comprendre
Cette fois, superposons le graphique linéaire annuel avec le mois comme axe horizontal.
La ligne rouge est 2019, mais le nombre de divorces en avril est plus élevé que les autres années, et on peut voir qu'il n'a pas beaucoup diminué par rapport à mars.
Avril 2019 est le dernier mois de Heisei.On pense que de nombreux couples voulaient faire une pause avant que l'ère ne change.
Supprimer la saisonnalité en décomposant les séries chronologiques
Les données de séries chronologiques peuvent être décomposées en plusieurs facteurs, tels que la saisonnalité et les tendances.La décomposition peut supprimer la saisonnalité et les tendances de la série chronologique d'origine.
Par exemple, vous pouvez décomposer la série chronologique d'origine en facteurs et tendances saisonniers, ainsi qu'en séries irrégulières qui ne peuvent pas être expliquées par ceux-ci, comme illustré dans la figure suivante.
Par conséquent, une série irrégulière est une série chronologique qui exclut les facteurs saisonniers et les tendances de la série chronologique d'origine.
Voici le résultat d'une telle décomposition des données de divorce *.
* La méthode X11 est utilisée comme méthode de décomposition des séries chronologiques.
◆ Facteurs saisonniers
Les tendances mensuelles sont extraites.Vous pouvez voir qu'il y a une saisonnalité, avec des valeurs petites en janvier et février et grandes en mars et décembre.
◆ Tendance
Ceci est un graphique de tendance.Dans l'ensemble, on peut voir que la tendance est à la baisse, mais il y a des montagnes au premier semestre 2015 et au second semestre 2018.Le fait que les cas de divorce étaient extrêmement élevés en mars 2015 et ceux des cas de divorce en 2018 par rapport à octobre d'autres années en octobre était la cause du pic à cette époque.
◆ Série irrégulière
Les séries chronologiques qui n'ont pas pu être extraites par les facteurs saisonniers et les tendances ci-dessus sont présentées.En d'autres termes, c'est une série qui est calculée comme "Série irrégulière = série chronologique d'origine-facteur-tendance".
Avril 2019, le dernier mois de la période Heisei, était extrêmement anormal même si les facteurs et les tendances saisonniers étaient exclus, il s'agissait donc d'un mois inhabituel.
De plus, septembre 2018 est apparu comme une petite valeur.Étant donné que le mois suivant, octobre 2018, montre une grande valeur, il est probable qu'il y avait une raison de divorcer en octobre au lieu de septembre en 2018.Je ne peux pas y penser tout de suite, mais pourquoi ne considérez-vous pas la cause?
Évolution du nombre de divorces hors saisonnalité
Enfin, dans la figure ci-dessous, un graphique linéaire (rouge) excluant les facteurs saisonniers est superposé au graphique linéaire de divorce d'origine (bleu).
Polyligne rouge = polyligne de divorce originale - polyligne saisonnière
La valeur numérique du graphique en ligne rouge est calculée comme suit, par exemple en avril 2019.
21 061 (séries chronologiques originales) = -36,53 (facteurs saisonniers) + 17 543,89 (tendance) + 3 553,64 (séries irrégulières)
Ajustement pour les facteurs saisonniers
Il existe de manière inattendue de nombreuses séries chronologiques avec des facteurs saisonniers à proximité.Les ventes au détail, la consommation d'énergie et le nombre de personnes atteintes de maladies infectieuses peuvent être pris en compte, mais nous pouvons voir des tendances après ajustement pour les facteurs saisonniers dans ces données, comme dans cet exemple de cas de divorce.
Le Bureau des statistiques, Ministère des affaires intérieures et des communications, explique de manière simple à comprendre la réflexion statistique et la lecture des informations statistiques. https://www.stat.go.jp/koukou/index.html ), Qui contient une explication claire de la correction des facteurs saisonniers. https://www.stat.go.jp/koukou/trivia/careers/career9.html ).
