最新第节时间序列分析预测.ppt

2007-12-31 第14章 时间序列分析预测 【开篇案例】美国内华达职业健康诊所保险理赔 经营超过15年，具有历史资料，如何估计未知状态？ 增长规律、季节波动规律如何描述？ 时间数列分析，能否反映客观事物的发展变化，能否揭示客观事物随时间演变的趋势和规律？ 14．1 时序分析法概述 时间序列概念及研究目的 时间序列的构成要素主要有两个： 一是现象所属的时间。 二是现象在一定时间条件下的统计数据，即发展水平。 进行时间序列分析目的有三个： 一是描述事物在过去时间的状态； 二是分析事物发展变化的规律； 三是对事物的发展变化趋势进行预测。 时间序列的分类 总量指标时间序列 是指由一系列同类的总量指标数值所构成的时间序列。它反映事物在不同时间上的规模、水平等总量特征。 相对数时间序列 是指由一系列同类的相对指标数值所构成的时间序列。它可以反映社会经济现象数量对比关系的发展过程。 平均数时间序列 是指由一系列同类的平均数指标数值所构成的时间序列。它可以反映客观现象一般水平的发展变化过程。 编制时序数据的原则 (1)时间方面的可比性 (2)空间的可比性(即总体范围大小应该一致) (3)各指标数值的内容、计算计量应具有可比性 时间序列的基本变动趋势 时间序列的基本变动趋势 长期趋势（T） 季节变动（S） 循环变动（C） 不规则变动（I） 事物的发展变化是上述四因素的全部或部分变动影响的结果。在统计分析中，将这种关系概括为两种假设： 第一种假设：各个组成部分所具有的变动数值是各自独立，彼此相加的，可建立加法模型： 第二种假设：各个组成部分所具有的变动数值是相互依存，彼此相乘的，可建立乘法模型： 14．2 简单的平均值预测 由于平均值代表了一组数据的一般水平，特别如果一组数据没有趋势变化，只是在某一水平上下波动，则其平均值可作为预测值进行简单的预测。 可供选择的时序平均值的计算方法区分为两类： 指标平均值的计算 平均发展速度计算 简单的平均值预测 简单的平均值预测 指标平均值的计算 “间隔加权”平均值 几何平均法 平均发展速度的计算 平均发展速度计算 定基发展速度及 定基增减速度 环比发展速度及 环比增减速度 平均发展速度 14．3 移动平均法 移动平均法(和指数平滑法)是在平均值预测基础上的改进，其特点是重视近期数据，尽管不能很好的描述过去，但追逐趋势变化的能力很强，有较好的预测效果。 移动平均值的计算 设有n个观察值组成的时序：X1，X2，…，Xn， 其中Xt为第t期的数据(t＝l，2，…，n)，选择连续的N个观察期(N＜n，称跨越期)数据计算移动算术平均数, M1(t)称为移动平均值(一次)： M1(t) ＝(Xt+Xt-1+…+Xt-N+1)/N 一次移动平均值的滞后规律 一次移动平均值序列{ M1(t)}滞后规律： (1){M1(t)}可以追踪{Xt}的趋势,且具有修匀效果; (2)当{Xt}增长趋势时{M1(t)}纵向值小于{Xt},当{Xt}递减趋势时{ M1(t)}纵向值大于{Xt}; (3){M1(t)}与{Xt}有水平偏差,统计学上称平均役令,可以证明其平均役令： 考虑滞后规律，Mt可作为t-ρ时刻的估算值。 一次移动平均法 利用一次移动平均值的滞后规律，可以对有趋势的时间序列进行预测。假如选取移动跨越期为N，一次移动平均值序列须前移(N-1)/2个位置才能追踪到实际趋势。 一次移动平均值序列的前移 奇数项移动平均值数据，列表时应对准所平均时期的中间时期，一次前移即可得到长期趋势值； 偶数项移动平均平均值，应置于所平均时期的中间两个时期之间，可先把移动均值前移(N/2-1)行(少移动0.5行)，为移正长期趋势值，还需要一次两项移动平均并前移一行，即可追踪到长期趋势。 跨越期N的选择 如果现象变动有一定的周期，扩大跨越期时应注意与现象周期变动的时距一致。如在分月(或季)的时间序列中，必须消除季节因素变动的影响，就需要采用12项(或4项)移动平均；一般在3-20之间选取N值,但要注意下列影响： 选取N值大，可避免随机干扰，但追踪新趋势的能力稍差； N值较小，追踪新趋势能力强，但易受随机干扰。 一次移动平均预测 二次移动平均法 二次移动平均法是对时间序列的一次移动平均值再进行第二次移动平均，利用一次移动平均值和二次移动平均值，求出线性预测模型的平滑系数并修正滞后偏差，建立线性预测模型进行预测。 可见，二次移动平均法适用于时间序列数据呈现线性趋势变化的预测。 二次移动平均法原理 二次移动平均法，是利用移动平均值具有滞后规律来进行预测的，特别当原始时间序列X1，X2，…，Xt呈现出线性趋势时，可以证明下列规律(见图14-2)： (1) M1(t)也呈现