工业统计学讲课用课件精品.ppt

应用回归预测时应注意的问题 1. 关于定性分析的问题 进行回归分析时，应当重视相应的理论分析，来确定变量之间的相关关系及其影响程度。 2. 关于回归预测不能任意外推的问题 3. 关于对数据资料的要求问题 （1）数据资料的准确性 （2）数据资料的可比性和独立性 （3）社会经济现象基本稳定的问题 返回本章 返回总目录 第12章时间序列分析和预测 返回总目录 （1）时间序列的基本概念： 时间序列是社会经济指标按时间顺序排列而成的一种数列。它反映社会经济现象发展变化的过程和特点，是研究现象发展变化趋势、规律和对未来状态进行预测的重要依据。 1.时间序列的基本概念和构成要素 （2）时间序列的两个基本要素： 一是统计指标所属的时间； 二是统计指标在特定时间的具体指标值。 时间序列分解法 返回本章 返回总目录 2．时间序列的因素分解 （1）长期趋势因素（T） 长期趋势因素（T）反映了经济现象在一个较长时间内的发展方向，可以在一个相当长的时间内表现为一种近似直线的持续向上或持续向下或平稳的趋势；在某种情况下，它也可以表现为某种类似指数或者其他曲线的形式。经济现象的长期趋势一旦形成，总能延续一段相当长的时期。 经济时间序列的变化受到长期趋势、季节变动、周期变动和不规则变动这四个因素的影响。其中： （2）季节变动因素（S） 季节变动因素（S）是经济现象受季节变动影响所形成的一种长度和幅度固定的周期波动。季节变动因素既包括受自然季节影响所形成的波动，也包括受工作时间规律如每周5天工作制度所形成的波动。 返回本章 返回总目录 （3）周期变动因素 周期变动因素（C）也称循环变动因素，它是受各种经济因素影响形成的上下起伏不定的波动。 季节变动和周期变动的区别在于季节变动的波动长度固定，而周期变动的长度则一般是不一样的。 （4） 不规则变动因素（I） 不规则变动又称随机变动，它是受各种偶然因素影响所形成的不规则变动。 返回本章 返回总目录 3．时间序列的分解模型 时间序列分解的方法有很多，较常用的模型有加法模型和乘法模型。 将时间序列分解成长期趋势、季节变动、周期变动和不规则变动四个因素后，可以认为时间序列是Y是这四个因素的函数， 加法模型为： 乘法模型为： 相对而言，乘法模型用的较为广泛。 返回本章 返回总目录 4.时间序列的分解方法 （1）季节指数 的计算 季节指数 的计算是先运用移动平均法剔除长期趋势和周期变化，得到序列 ，然后再用按月（季）平均法求出季节指数 。 移动平均的项数取决于周期变动的时间长度。但是按偶数项计算的平均数对应的是原序列移动平均期的两项中间，所以需做两次移动。由此得到了不含季节因素和不规则因素的序列（移动平均也消除了不规则变动），它可以大致地体现现象发展的长期趋势。 将Y除以 ，得到的是只含季节因素和不规则变动因素的序列，在此基础上采用按季平均法可求出各年的同季节平均数。 时间序列的分解分析中，一般先计算季节指数，然后计算长期趋势和周期变动。以乘法模型为例 返回本章 返回总目录 （2）长期趋势 T 的计算 可以用回归模型来描述，做散点图，选择适合的趋势模型拟合序列的长期趋势，得到长期趋势 T 。 （4）不规则变动I 的计算 将时间序列的T, S, C分解出来后，剩余的即为不规则变动，即：I Y/ TSC （3）周期变动因素C的计算 用序列TC除以 T ，即可得周期变动因素C。 返回本章 返回总目录 5．用时间序列分解法进行预测 （1）建立预测模型 以乘法模型为例，在时间序列分解中，一般无法预测不规则变动因素I，因此，它的预测模型可以表达为： 在求解出时间序列各个因素之后，便可以建立模型进行预测。 （2）预测长期趋势 （3）计算季节因素和周期因素对预测值的影响 返回本章 返回总目录 1．趋势外推法 当研究对象依时间变化呈现某种上升或下降趋势，没有明显的季节波动，且能找到一个合适的函数曲线反映这种变化趋势时，就可以用时间为自变量，时间序列数值为因变量，建立趋势模型： .如果有理由认为这种趋势能够延伸到未来时，赋予变量 t 所需要的值，就能得到相应的时间序列未来值，这就是趋势外推法。 趋势外推法的两个假定： （1）假设事物发展过程没有跳跃式变化； （2）假定事物的发展因素也决定事物未来的发展，其条件是不变或变化不大。 时间序列趋势外推法 返回本章 返回总目录 （1）多项式曲线模型 一次（线性）预测模型： 二次（二次抛物线）预测模型： 三次（三次抛物线）预测模型： n次（n次抛物线）预测模型： 趋势外推法的实质就是利用某种函数方程来分析研究对象的发展趋势。以时间作为自变量，有下列四种趋势模型最为常用： 2.趋势外推分析法的模型 返回本章 返回总目录 （2