277 lines
6.9 KiB
Markdown
277 lines
6.9 KiB
Markdown
---
|
||
marp: true
|
||
theme: default
|
||
paginate: true
|
||
style: |
|
||
h1, h2 {
|
||
color: #31567A;
|
||
}
|
||
---
|
||
|
||
# Analiza i prognozowanie inflacji w województwach Polski
|
||
|
||
**Analiza Szeregów Czasowych, czerwiec 2025**
|
||
_Mikołaj Kaczmarek, Piotr Wilma_
|
||
|
||
Analiza kwartalnych wskaźników inflacji w regionach Polski (2005–2024) oraz prognozy na kolejne kwartały.
|
||
|
||
<!--
|
||
- Slajd tytułowy
|
||
- Przedstawienie tematu prezentacji
|
||
- Analiza obejmuje całą Polskę, prognozy regionalne
|
||
-->
|
||
|
||
---
|
||
|
||
# Cel projektu
|
||
|
||
- Szczegółowa analiza i prognoza kwartalnych wskaźników inflacji w województwach Polski.
|
||
- Wskazanie zróżnicowań regionalnych i sezonowych w dynamice inflacji.
|
||
- Opracowanie wiarygodnych prognoz na kolejne cztery kwartały.
|
||
- Wyniki przedstawione również na mapie Polski.
|
||
|
||
<!--
|
||
- Przedstawienie celów projektu
|
||
- Analiza zmian inflacji regionalnej i sezonowości
|
||
- Opracowanie prognoz na 4 kolejne kwartały
|
||
- Prezentacja wyników na mapie Polski
|
||
-->
|
||
|
||
---
|
||
|
||
# Znaczenie regionalnej analizy inflacji
|
||
|
||
- Inflacja wpływa na siłę nabywczą, stabilność gospodarczą, decyzje inwestycyjne.
|
||
- Prognozy pomagają w planowaniu budżetów, indeksacji świadczeń, ocenie ryzyka.
|
||
- Analiza regionalna wspiera efektywniejsze decyzje władz lokalnych i firm.
|
||
|
||
<!--
|
||
- Inflacja wpływa na gospodarkę i codzienne życie
|
||
- Prognozowanie istotne dla planowania budżetów i indeksacji
|
||
- Analiza regionalna ułatwia decyzje lokalnych władz i przedsiębiorstw
|
||
-->
|
||
|
||
---
|
||
|
||
# Dane: zakres i źródła
|
||
|
||
- Źródło: Bank Danych Lokalnych GUS
|
||
- Okres: 2005–2024, kwartalnie
|
||
- Zasięg: 16 województw, brak luk w danych
|
||
- Zmienna główna: indeks inflacji (średnia: 100,84, odchylenie: 1,17)
|
||
|
||
<!--
|
||
- Omówienie źródła danych (BDL GUS)
|
||
- Dane kwartalne z lat 2005–2024
|
||
- Pełen zasięg: wszystkie województwa, brak braków
|
||
- Główna zmienna: indeks inflacji, 100 jako wartość poprzedniego, wartości opisowe
|
||
-->
|
||
|
||
---
|
||
|
||
## Przygotowanie danych
|
||
|
||
- Usunięcie braków i zbędnych kolumn
|
||
- Zamiana nazw, typów, mapowanie kwartałów
|
||
- Utworzenie zmiennej czasu (`PeriodIndex`)
|
||
- Kompletność i spójność danych
|
||
|
||
<!--
|
||
- Opis przetwarzania i czyszczenia danych
|
||
- Usunięcie zbędnych informacji, zmiana formatów
|
||
- Mapowanie kwartałów, tworzenie osi czasu
|
||
- Zachowana kompletność i spójność danych
|
||
-->
|
||
|
||
---
|
||
|
||
# Statystyki opisowe
|
||
|
||
- Inflacja krajowa:
|
||
- średnia: **100,84**
|
||
- mediana: **100,5**
|
||
- min: **99,0**, max: **107,0**
|
||
- 75% obserwacji ≤ **101,4**
|
||
- Różnice regionalne: bardzo niewielkie
|
||
(średnia w województwach: 100,78–100,90)
|
||
- Największa zmienność: **świętokrzyskie**
|
||
Najstabilniejsze: **mazowieckie, pomorskie**
|
||
|
||
<!--
|
||
- Omówienie statystyk opisowych dla inflacji
|
||
- Stabilność wskaźnika na poziomie kraju
|
||
- Minimalne różnice między województwami
|
||
- Największa zmienność: świętokrzyskie; najmniejsza: mazowieckie, pomorskie
|
||
-->
|
||
|
||
---
|
||
|
||
## Rozkład inflacji w województwach
|
||
|
||
<style scoped>
|
||
p { text-align: center;}
|
||
</style>
|
||
|
||
|
||
|
||
<!--
|
||
- Wykres pudełkowy pokazuje rozkład inflacji w regionach
|
||
- Rozkłady inflacji bardzo zbliżone
|
||
- Potwierdzenie niewielkich różnic regionalnych
|
||
-->
|
||
|
||
---
|
||
|
||
## Inflacja w czasie: przykład
|
||
|
||
<style scoped>
|
||
p { text-align: center;}
|
||
</style>
|
||
|
||
|
||
|
||
<!--
|
||
- Przykład przebiegu inflacji w Wielkopolsce
|
||
- Wyraźny wzrost wskaźnika w latach 2021–2023
|
||
- Trend widoczny w całym kraju, powiązanie z globalnymi wydarzeniami
|
||
-->
|
||
|
||
---
|
||
|
||
## Outliery: zjawisko ogólnopolskie
|
||
|
||
<style scoped>
|
||
p { text-align: center;}
|
||
</style>
|
||
|
||
|
||
|
||
<!--
|
||
- Outliery występują w tych samych okresach w całym kraju
|
||
- Związane z globalnymi zjawiskami, pandemia COVID-19
|
||
- Brak silnych różnic regionalnych w liczbie outlierów
|
||
-->
|
||
|
||
---
|
||
|
||
## Sezonowość inflacji
|
||
|
||
<style scoped>
|
||
p { text-align: center;}
|
||
</style>
|
||
|
||
|
||
|
||
<!--
|
||
- Sezonowość: najwyższa inflacja w Q1 i Q2
|
||
- Niższa inflacja w Q3 i Q4
|
||
- Związki z cyklicznymi procesami gospodarczymi
|
||
-->
|
||
|
||
---
|
||
|
||
# Metodyka prognozowania
|
||
|
||
- Model ARIMA (z automatycznym doborem parametrów, auto_arima)
|
||
- Każde województwo modelowane osobno
|
||
- Uwzględnienie wartości odstających (nie usuwano outlierów)
|
||
- Podział na zbiór treningowy (do 2022) i testowy (2023-2024)
|
||
|
||
<!--
|
||
- Zastosowano model ARIMA do prognozowania
|
||
- Automatyczny dobór parametrów (auto_arima)
|
||
- Modele dla każdego województwa osobno
|
||
- Outliery pozostawiono, aby uchwycić rzeczywiste zmiany
|
||
- Walidacja na zbiorze testowym (2023+)
|
||
-->
|
||
|
||
---
|
||
|
||
## Wyniki prognoz
|
||
|
||
- Prognozy na kolejne 4 kwartały: większość województw powyżej **103,0**
|
||
- Najwyższe wartości: Lubuskie, Pomorskie, Łódzkie, Kujawsko-Pomorskie
|
||
- Najniższe: Dolnośląskie, Opolskie
|
||
- Przebieg prognoz podobny w całej Polsce
|
||
|
||
<!--
|
||
- Większość województw: prognozowana inflacja powyżej 103
|
||
- Najwyższe prognozy: Lubuskie, Pomorskie, Łódzkie, Kujawsko-Pomorskie
|
||
- Najniższe: Dolnośląskie, Opolskie
|
||
- Niewielkie różnice regionalne, podobny przebieg prognoz w całym kraju
|
||
-->
|
||
|
||
---
|
||
|
||
## Ocena jakości prognoz
|
||
|
||
- Miary błędu: **MAE** i **RMSE**
|
||
|
||
<style scoped>
|
||
p { text-align: center;}
|
||
</style>
|
||
|
||
|
||
|
||
<!--
|
||
- Ocena jakości prognoz na podstawie MAE i RMSE
|
||
- Najlepsza jakość: Dolnośląskie, Opolskie, Podkarpackie, Śląskie
|
||
- Największe błędy: Małopolskie, Pomorskie, Łódzkie, Lubuskie
|
||
- Różnice w błędach umiarkowane
|
||
-->
|
||
|
||
---
|
||
|
||
## Prognozy: heatmapa kwartalna
|
||
|
||
<style scoped>
|
||
p { text-align: center;}
|
||
</style>
|
||
|
||
|
||
|
||
<!--
|
||
- Heatmapa przedstawia prognozowany wzrost inflacji w kwartale
|
||
- Ułatwia porównanie regionów i kwartałów
|
||
- Pozwala zidentyfikować, gdzie przewidywany jest wyższy wzrost cen
|
||
-->
|
||
|
||
---
|
||
|
||
## Mapa prognoz inflacji
|
||
|
||
<style scoped>
|
||
p { text-align: center;}
|
||
</style>
|
||
|
||
|
||
|
||
<!--
|
||
- Mapa Polski z prognozowaną średnią inflacją w województwach
|
||
- Ciemniejszy kolor: wyższa inflacja
|
||
- Szybka identyfikacja regionów z najwyższymi prognozami
|
||
-->
|
||
|
||
---
|
||
|
||
# Wnioski
|
||
|
||
- Inflacja w Polsce ma charakter ogólnokrajowy, regionalne różnice są niewielkie
|
||
- Wyraźny wzrost inflacji w latach 2021–2023 – wpływ globalnych zjawisk (COVID-19)
|
||
- Sezonowość: wyższa inflacja na początku roku
|
||
- Model ARIMA dobrze prognozuje w regionach stabilnych, większe błędy w regionach o wyższej zmienności
|
||
|
||
<!--
|
||
- Inflacja w Polsce: zjawisko ogólnokrajowe, małe różnice regionalne
|
||
- Silny wpływ globalnych wydarzeń na wzrost inflacji
|
||
- Sezonowość widoczna w danych kwartalnych
|
||
- Modele lepiej sprawdzają się w regionach stabilnych
|
||
-->
|
||
|
||
---
|
||
|
||
# Analiza i prognozowanie inflacji w województwach Polski
|
||
|
||
**Analiza Szeregów Czasowych, czerwiec 2025**
|
||
_Mikołaj Kaczmarek, Piotr Wilma_
|