第七讲：时间序列分析.pptVIP

第七讲Session 7 时间序列分析 Time Series Analysis 时间序列 同一现象在不同时间上的相继观测值排列而成的数列。 根据观测值的不同表现形式有 绝对数时间序列：由一系列绝对数按时间序顺排成的数列；根据观测值所属的时间状况不同可分为 时点数列：反映所观测现象在某一定时点上的观测值，是一种存量指标 。比如各年份的年末人口数，等等。 时期数列：公映所观测现象在一段时期内的观测总量，是一种流量指标。比如，各年份的国内生产总值，等等 时间序列的种类 相对数时间序列：由一系列相对数按时间序顺排成的数列； 平均数时间序列：由一系列平均数按时间序顺排成的数列； 时间序列的特点 1、数据的先后顺序不能忽视； 2、观测值间不独立，既具有自相关性 第一节 引起时间序列变动因素的分解 趋势变动T 对所研究现象或事物的发展起着长期的、决定性的作用，致使该现象或事物的发展呈现出某种趋势和一定的规律性。由现象或事物发展的根本原因所决定。 季节变动S 对所研究现象或事物的发展起着短期的、非决定性的作用，致使该现象或事物的发展呈现出某种不规则性。 循环变动C 使所研究现象或事物的发展呈现出某种周期性的、近乎规律性的有起有落的变动。如Business Cycle 不规则变动I 由于意外的、偶然的因素引起的变动。 乘法模型 Y=T?S?C?I 注：此模型中，各因素是由不同的原因所形成，但彼此的作用却是相互的，模型的波动幅度随时间而增大。 加法模型 Y=T+S+C+I 注：此模型中，各因素之间的作用是相互独立的。 乘加模型 Y=T?S+C?I 是上两个模型的组合。 2、趋势变动的测定 数据的预先处理。例如消除人口变动的影响，修正月度资料等。 线性趋势：所研究现象随时间的推移呈现出稳定增长或下降的线性变化规律性。 移动平均法：对数列的若干项求平均，然后逐期递推，求出一系列的平均数。其目的在于消除原数列中短期的波动，对数列的变化趋势进行描述及分析。 对移动奇数项 对移动偶数项 线性模型法：为了能够对所研究现象的发展进行预测，还可以用线性模型来描述呈线性趋势变化的序列。 Yt= a + bt 其中，方程中的两个未知常数通常按最小二乘法求得 非线性趋势 二次曲线(Quadratic)：Yt= a + bt + ct2 三次曲线(Cubic)：Yt= a + bt + ct2 + dt3 Gompertz曲线： Logistic曲线（Logistic）： 复合曲线(Compound)： Yt= abt 修正复合曲线： Yt= K + abt 对数曲线(Logarithmic)：Y = a + b ln(t) S型曲线： 双曲线(Inverse)：Y= a + (b/t) 幂指数曲线(Power) ： 生长曲线(Growth)： 3、季节变动的测量 季节变动具有各年变化强度大体相同、且每年重现的规律，可由一系列指数构成的季节模型进行描述。 1）按月（季）平均法 季节指数=各年同月（季）平均 / 总平均 此方法适用于时间序列没有明显的长期趋势的情况。 例：旅游收入季节指数计算表： 通常的时间数列都含有某种长期趋势，不能直接使用按月（季）平均法，而要先消除长期趋势，再用按月（季）平均法求季节指数。 步骤： 先求出趋势值T 移动平均法 趋势线法 消除趋势影响 Y/T=S ? C ? I Y-T=S+C+I 对消除了趋势影响的数列用同月（季）平均法消除不规则变动的影响，求出季节指数。 例:消除趋势影响后季节指数的计算 3）季节变动的调整 消除季节变动前后旅游收入时间序列变动的比较 4、循环变动的测定—剩余法 当时间序列Y包含T、S、C、I四种因素时，从中一次或陆续消去趋势变动、季节变动、剩下循环变动及不规则变动，再将结果进行平滑，尽可能消去不规则成分，则所余结果即为循环变动。具体步骤如下： 观测值时间序列：Y = T×S×C×I 无季节性序列 : NS = Y/S = T×C×I 循环与不规则变动: CI = NS/T = C×I 对CI进行移动平均，得循环变动值： C = MA（ C×I ） 例：旅游收入循环变动计算表 循环变动相对数图 第二节 时间序列的自相关与自回归 时间序列的平稳性： 1、均值不随时间变化而变化； 2、方差不随时间变化而变化； 3、自相关系数只与时间间隔有关，而与所处的时间无关。 时间序列的平