색인 번호는 다양한 유형의 데이터를 제시하고 시간 경과에 따른 변화를 분석하는 간단하고 쉬운 방법을 제공합니다. 간단한 나누기 및 곱셈을 사용하여 인덱스 번호를 계산하고 다양한 유형의 데이터를 동일한 형식으로 변환하는 일련의 정보로 인덱스를 만듭니다. 피험자의 성장을 측정하고 다른 데이터 세트와 비교 및 대조하는 등의 다양한 분석을 위해 산출물을 사용하십시오.
단순화를위한 색인 사용
인덱스는 기본 값에 대한 변경을 단순화 된 방식으로 측정합니다. S & P 500으로 잘 알려진 소비자 물가 지수 (CPI)와 S & P 500 지수가 잘 알려져 있습니다. 대다수의 그룹과 함께 일하는 것은 때로는 비효율적이며 혼란스럽고 인덱스를 사용하면 값을 사용하여 다른 데이터 포인트와 쉽게 비교하고 추적 할 수 있습니다.
예를 들어, 미국 전체가 약 1 억 4000 만 개의 일자리를 제공합니다. 숫자를 단순화하기 위해 지수를 사용하면 텍사스 주가 약 2 천만 개의 일자리를 보유하고 있음에도 불구하고 시간 경과에 따른 텍사스 주의 고용 증가율을 쉽게 비교할 수 있습니다. 데이터를 색인 값으로 변환하면 미국 전체의 일자리 규모가 텍사스의 일자리 수를 줄이긴하지만 매년 두 세트의 데이터를 비교할 때 해마다 변화율을 확인할 수 있습니다.
인덱스는 달러, 유로 또는 인원수로 데이터 단위를 측정하는지 여부에 관계없이 일반적으로 100으로 설정된 기본 값으로 시작합니다. 색인의 각 후속 값은이 기본 값으로 표준화됩니다. 서로 다른 계산 된 인덱스 값 간의 비율 변화를 살펴보면 정규화되지 않은 또는 인덱싱되지 않은 데이터 비율 변경과 정확히 동일하다는 것을 알 수 있습니다. 인덱스를 사용하여 데이터 변경을 측정하면 실제 데이터 수를 알 필요없이 인덱스의 포인트 간 변경 비율을 계산할 수 있습니다. 인덱스 수는 각 수를 기본 값으로 나눌 때 정규화됩니다. 이는 서로 다른 스케일의 값이 비교하기 쉽도록 공통 스케일로 변환된다는 것을 의미합니다.
색인 값 계산
인덱스를 구성하는 첫 번째 단계는 기본 값을 설정하는 것입니다. 예를 들어, 연례 회사 판매의 시계열의 경우 첫 해에 판매액이 150,000 달러였습니다. 이 기본 연도 금액은 시작 인덱스 값인 100과 동일하게 설정됩니다. 각 추가 된 값은 기준 값에 대해 정규화됩니다. 이 인덱싱 된 시계열에서 다음 데이터 요소의 값을 계산하려면 연간 매출의 두 번째 연도가 $ 225,000에 해당한다고 가정 해 봅시다. 새로운 데이터 포인트 ($ 225,000)를 원래 값 ($ 150,000)으로 나눈 다음, 결과를 100으로 곱해서 연도 2의 인덱스 값인 167을 얻습니다.
(2 년차 매출 $ 250,000 / 기본 연도 판매액 $ 150,000) * 100 = 167
데이터의 각 새해는 이후 동일한 방식으로 $ 150,000의 기본 연도에 대해 표준화됩니다. 3, 4, 5 년에 325,000 달러, 385,000 달러, 415,000 달러의 매출이 있다면 해당 계산 된 인덱스 값은 각각 217, 257 및 277이됩니다.
해석 문제
인덱스를 사용하여 시간 경과에 따른 변경 사항을 추적 할 때 데이터가 변경되어 원본 데이터 또는 기본 데이터와 비교할 수 없을 정도로 줄어들 수 있습니다. 예를 들어 시간 경과에 따른 제품 판매 단위를 추적 할 때 가격이 영구 상승 할 수 있습니다. 제품의 판매량이 실제로 증가하지는 않았지만 제품의 새롭고 높은 가격으로 인해 색인의 성장이 나타납니다. 소비자 물가 지수와 같은 상품 및 서비스의 시장 바구니를 사용하여 시간이 지남에 따라 변화를 측정하는 지수의 관점에서, 일부 상품 또는 상품은 가격이 오르고 품질이나 기타 기능이 변경되어 더 이상 원래의 기본 가치와 비교할 수 없게됩니다 인덱스 또는 그 이전의 데이터 포인트 이 문제에 대한 보상은 완벽한 솔루션은 아니지만 이러한 유형의 변경을 반영하고 보상하기 위해 정기적으로 상품 및 이전 데이터 포인트를 업데이트해야합니다.
