第五章_时间序列分析PPT.ppt

c 例、时间序列在一年内重复出现的周期性波动称为（ ） A、长期趋势 B、季节变动 C、循环变动 D、随机变动 B 例．某车间月初工人人数资料如下： 则该车间上半年的平均人数约为(? ) ??? A 296人??? B 292人??? C 295 人??? D 300人 例 某地区某年9月末的人口数为150万人，10月末的人口数为150．2万人，该地区10月的人口平均数为( ? ) ??? A150万人??? B150．2万人? C150．1万人? D无法确定 C 例 判断题．发展速度可以为负值。(? ) X 例 由一个9项的时间数列可以计算的环比发展速度( ?) ??? A有8个??? B有9个??? C有10个??? D有7个 判断 只有增长速度大于100％才能说明事物的变动是增长的 （ ） α和初始值的确定原则 1、α值的确定 选择α，一个总的原则是使预测值与实际观察值之间的误差最小。从理论上 讲，α取0–1之间的任意数据均可以。具体如何选择，要视时间序列的变化趋势 来定。 （1）当时间序列呈较稳定的水平趋势时，应取小一些，如0.1–0.3，以减小 修正幅度，突出以往资料中长期趋势对预测值的影响。 （2）当时间序列波动较大时，宜选择居中的α值，如0.3–0.5。 （3）当时间序列波动很大，呈现明显且迅速的上升或下降趋势时，α应取 大些，如0.6–0.8，以加重近期实际观察值对预测值的影响，使预测模型灵敏度 高些，能迅速跟上数据的变化。（4）在实际预测中，可取几个α值进行试算， 比较预测误差（MSE），选择误差较小的那个α值。 2、初始值的确定 如果资料总项数N大于50，则经过长期平滑链的推算，初始值的影响变得很 小了，为了简便起见，可用第一期水平作为初始值。但是如果N小到15或20，则 初始值的影响较大，可以选用最初几期的平均数作为初始值。 5.4.3 最小平方法 最小平方法，又称最小二乘法，是统计学中数学模型参数使用 的传统方法。其实质是通过数学模型，配合一条最为理想的趋势线 。他的基本原理是通过趋势方程求出的长期趋势估计值（ ）与时 间序列实际值（ ）的离差平方和为最小，即： 最小值 （5–28） 按这个要求求出的趋势方程与原时间序列能达到最佳的吻合。最小平方法既可以配合趋势直线，也可以配合趋势曲线。 5.4.3.1 直线趋势 当现象的发展呈线性趋势变化时，就可以配合一直线。直线趋势方程的一 般形式： （5–29） 式中， 为时间序列的趋势值；t为时间序号； a为趋势线在Y轴上的截距， 是当t=0时的 数值；b为趋势线的斜率，表示时间t变动一个单位时，趋势值 的平均变动数量。 对于（5–29）方程中的参数a、b，按最小平方法的原理（式5–28）得： 最小值，根据数学分析中的求极值原理，用偏微分 法，可得到两个标准方程。其运算过程如下： 由 ，取 Q分别关于a、b 的偏导数，并令它们等于零。即： 5.4.3.1 直线趋势 整理后可得参数和b的标准求解方程： 解得： 其中，n代表时间的项数，时间t为1、2、3、……、 n。 5.4.3.1 直线趋势 为使计算更简便些，用坐标移位方法将原点O移到时间序列的 中间项，使∑t＝0。当项数n为奇数时，中间项为0，时间各项依次 设成：……–3，–2，–1，0；1，2，3，……；当项数n为偶数时， 中间的两项分别设－1，1，t各项依次设成：……–5，–3，–1； 1 ，3，5，……。这样求解公式便可简化为：  [例5–14]某