时间数列分析教学课件.pptVIP

时间数列分析 15.1 时间数列的性质 15.2 长期趋势分析 15.3 季节变动分析 15.4 循环变动分析 15.5 时间数列的综合分析 15.6 指数平滑法 15.1 时间数列的性质 企业对经营管理的各种问题决策，常需藉由预测结果用以决定问题处理或决策走向。 由过去历史资料所构成的时间数列，便成为重要预测基础，例如处理： 材料与零件库存 产品销售量 员工薪资与产品价格水平 生产过程之质量控制等 时间数列是一组统计资料，依其发生时间的先后顺序排成的序列(sequence)。 15.2 时间数列之特性 时间数列之时间单位通常可以是年、季、月、周、日等。并采用相同间隔以利分析。 时间数列中的时间为自变数，而其他变量为因变量，可为总数、平均数、比例、指数等。 时间数列各观察值皆存在关联性，时间间隔愈短则相关性愈大。故时间数列不满足「各个观察值为独立」之假设。 时间数列中之各个观察值乃案时间先后顺序排列，不可任意变更。 15.2 时间数列之特性 不同时间单位得时间数列若为分析上需要，则可转换为相同时间单位的资料。 分析一些社会现象或经济现象的时间序列，常需要对人口变动与价格变动等因素加以调整或转换。例如转换为每人平均消费额… 时间数列的各个观测值为该时期许多影响因素的组合，因此进行时间数列分析时，须先将时间数列依其组合成分加以分解方进行之。 时间数列的成分 长期趋势：是时间数列依时间之进行而逐渐增加或减少的长期性变化之趋势。 季节变动：时间数列之季节变动是指一年中，呈现固定周期的规则变动。 循环变动：是沿着长期趋势或做周而复始的上下变动，又称为景气循环变动(business cycle movement)。 不规则变动：是沿着长期趋势或做不规则的变动或偶然的波动。 时间数列Y及其组合成分T.S.C.I.之图例 时间数列Y及其组合成分T.S.C.I.之图例 时间数列各成分结合的模型 相加模型(additive model) ︰假定时间数列是基于四种成分相加之结果。 Y=T+S+C+I 相乘模型(multiplicative model) ︰假定时间数列是基于四种成分相乘之结果。 Y=T×S×C×I 基本上于时间数列分析中，由于乘法模式之假设较切合实际，即各种成分间存在相依关系，故大都采行乘法模式。 15.2 长期趋势分析 长期趋势为时间数列的主要成分，经由长期趋势分析所得结果为一序列的数值，称之为趋势值(trend value) 。由于长期趋势之趋势值的变动具有规律性，故可依一趋势方程式表示之。趋势值绘制于图上，可为一直线或曲线，称之为趋势线(Trend curve) 半平均数法 (直线趋势方法) 移动平均法 最小平方法 半平均数法 移动平均法(1/3) 移动平均法是以若干期的移动平均代替原有时间数列之观察值，用以表示其长期趋势。其可为若干期之中位数或几何平均数。但一般采用算术平均数。 设有一时间数列{Yt}, t=1,2,…,n；先取Y1,Y2,…,Yk求取平均，次取Y2,Y3,…Yk+1求平均数，依此类推，直至求完Yn–k+1,Yn–k+2,…,Yn的平均数，则这些平均数即构成原时间数列之k期移动平均的趋势值。 See example 15.2. 移动平均法(2/3) 移动平均法(3/3) 最小平方法 使用最小平方法的两个条件 各期的趋势值(　)对实际观测值(Yt)的误差之总和必为0，亦即 ； 所有误差的平方和为最小，亦即 =最小。 See page. 654 for more details 直线趋势方程式(1/2) 直线趋势方程式(2/2) 二次方程式(抛物线方程式) 指数方程式 15.3 季节变动分析 季节变动的特性 简单平均法 比率移动平均法 季节变动的特性 季节变动为时间数列所有周期中最主要的一种，通常是以一年为周期波动。其发生原因可分为两大类：1) 自然原因 (气候季节变化或地理位置不同), 2) 社会原因 (风俗习惯、法律、制度等) 。 测定季节变动的目的： 分析过去季节变动型态已建立季节模型。 进行短期预测，拟定短期计划。 消除季节变动的影响以显示时间数列之真正循环周期。 季节变动的特性 季节变动的特性，可归纳为下列三点 有规律的波动，且周期固定。 每年重复出现。 各年的变化幅度约略相同。 固定型态 (Fixed pattern) 季节指数 (seasonal index) ：指季节变动以百分比表示之，亦即所有年份之平均为100%，计算各月(季)指数，高于100%或低于100%，即产生一年内之起浮变动，由此观察季节规律变化。 简单平均法 简单平均法 (method of simple average) ：同月或同季平均法。 当同一时间数列中未包含有显著上升或下