新实用统计 教学课件 樊培茗10 10.pptVIP

第十章 动态分析与预测 能力要求 理解动态数据特点 掌握时间序列的水平和速度分析的基本方法 掌握线性趋势下季节变动分析法 了解影响时间序列的因素及其分解方法 会使用Excel完成实际动态问题中的统计分析及预测 2008年人均收入预测值？ 右表为1994～2006上海年人均可支配收入和人均消费支出数据。根据历史数据的趋势预测未来收入水平。 根据趋势获得2008年人均收入预测值？ 本章结构 第一节 时间序列水平分析 第二节 时间数列速度分析 第三节 时间序列的平滑方法 第四节 趋势延伸预测 第五节 季节变动的测定 第六节 时间序列的影响因素及模型 第七节 本章内容用Excel实现 时间序列变量指每隔一定时间间隔所记录的变量数据。 时间序列（一个例子） 计算公式： 当间隔相等(T1 = T2= …= Tn-1)时，有 相对数动态数列 1.计算作为相对数分子的动态数列的平均发展水平； 2.计算作为相对数分母的动态数列的平均发展水平； 3.将分子和分母的平均水平加以对比，计算相对数动态数列的平均发展水平。 平均增长量 1. 观察期内各逐期增长量的平均数 2. 描述现象在观察期内平均增长的数量 3. 计算公式为 时间序列的速度分析 环比发展速度与定基发展速度 环比发展速度 报告期水平与前一期水平之比 增长速度 计算公式为 环比增长速度与定基增长速度 环比增长速度 报告期水平与前一时期水平之比 发展速度与增长速度的计算 平均发展速度 观察期内各环比发展速度的平均数 说明现象在整个观察期内平均发展变化的程度 通常采用几何法(水平法)计算 计算公式为 平均发展速度与平均增长速度 上海历年人均GDP和人均可支配收入 /2004shtj/tjnj/tjnj2008.htm 时间序列预测法 可用于短期预测、中期预测和长期预测。 根据对资料分析方法的不同， 又可分为：简单序时平均数法、加权序时平均数法、移动平均法、指数平滑法、趋势预测法、季节性趋势预测法、市场寿命周期预测法等。 影响时间序列的因素 （一）长期趋势（T） 通过对时间序列长期趋势的分析，可以掌握现象活动的规律性，并对其未来的发展趋势作出判断或预测。另外，也是为了将其从时间序列中剔除，以便观察和分析其他各影响因素。 （二）季节变动（S） 由于自然季节因素（气候条件）或人文习惯季节因素（节假日）更替的影响，时间序列随季节更替而呈现出周期性变动。这里季节是广义的，可以是季，可以是年、也可以是月、周、日时。 （三）循环变动（C） 循环变动是近乎规律性的周而复始的变动。如：经济增长中：“繁荣－衰退－萧条－复苏－繁荣”商业周期。固定资产或耐用消费品的更新周期等。 它不同于趋势变动—朝着单一方向持续变动，而是涨落相间的交替波动；也不同于季节变动—有着比较固定周期(一般不超过1年)的，而是周期1年以上且不固定。 （四）不规则变动（I） 不规则变动是由于偶然性因素的影响而表现出的波动。如自然灾害、意外事故以及大量无可言状的随机因素的干扰。该因素一般很难识别。 下表我国2004~2008年各月份的社会消费品零售总额数据，下图则是其变化图。 2008年人均收入预测值？ 右表为1994～2006上海年人均可支配收入和人均消费支出数据。根据历史数据的趋势预测未来收入水平。 根据趋势获得2008年人均收入预测值？ 时间序列的构成要素与模型 构成因素 长期趋势 (Secular trend ) 季节变动 (Seasonal Fluctuation ) 循环波动 (Cyclical Movement ) 不规则波动 (Irregular Variations ) 模型 乘法模型：Yi = Ti × Si × Ci × Ii 加法模型：Yi = Ti + Si + Ci + Ii 线性趋势 移动平均法(Moving Average Method) 移动步长为K(1Kn)的移动平均序列为 移动平均法 移动平均法 移动平均法(趋势图) 指数平滑法 趋势预测法 1、线性 2、非线性（二次曲线、指数。。） 线性模型法 现象的发展按线性趋势变化时，可用线性模型表示 线性模型的形式为 线性模型法(实例及计算过程) 线性模型法（计算结果） 线性模型法(趋势图) 二次曲线(实例) 二次曲线(计算过程) 二次曲线(趋势图) 指数曲线(Exponential curve) 用于描述以几何级数递增或递减的现象 一般形式为 指数曲线(实例及计算结果) 指数曲线(趋势图) 趋势线的选择 观察散点图 按月(季)平均法 按月(季)平均法 趋势剔除法(原理和步骤) 时间序列因素分析的一般步骤 第一步：按时间顺序画时间序列的折线图