2012预测-第5讲(时间序列分析)-1资料.ppt

图31 彩电出口量序列图 1. 绘制序列图 简单指数平滑模型输出的统计量 参数估计值 均方根误差 2. 简单指数平滑模型，具体操作见上一节 简单指数平滑模型输出的残差自相关函数和偏自相关函数图 图32 简单指数平滑法拟合效果图 2. Brown线性趋势模型 均方根误差,比简单指数平滑模型的小些 参数估计值 输出的统计量 残差自相关函数和偏自相关函数图,具有明显的季节性 逐个输出便可 Brown线性趋势模型拟合效果图 3. Winters可加性模型 具体操作 预测设定 均方根误差,比前面两个模型的更小 参数估计值 输出的统计量 残差自相关函数和偏自相关函数图, 季节性趋势已消除 Winters可加性模型拟合效果图,更佳 预测值 可进一步用其它平滑模型对其进行拟合。 Thank you * * * * 另外，还可以通过序列取对数以及对序列进行标准化、中心化、归一化处理等方法进行数据变换。它们可使偏态分布的序列变成对称的分布，可消除序列中的异方差性，可使变量间的非线性变换关系转换成为线性关系，在时间序列数量级很大的时候会起到显著改善计算精度的作用。 6.4.2 预处理的基本操作 序列缺失数据处理的基本操作 转换?替换缺失值; 把需处理的变量选择到新变量框中，在名称和方法框中，在名称后输入处理新生成的变量名，在方法中选择处理缺失值的替代方法，并单击更改按钮。 注意，若序列中第一个或最后一