《统计学》趣味案例-时间序列资料.pptVIP

《统计学》趣味案例 统计系 Department of Statistics 第七章：时间序列分析 季节指数(例题分析) 【例】下表是一家啤酒生产企业2000—2005年各季度的啤酒销售量数据。试计算各季的季节指数 BEER 朝日 BEER 朝日 BEER 朝日 季节指数 图形描述 趋势剔除法(原理和步骤) 先将序列中的趋势予以消除，再计算季节指数 计算季节指数的步骤 计算移动平均趋势值(T)； 从序列中剔出趋势值，即Y／T＝S×I； 将S×I重新按月（季）排列，计算季节指数(S) 季节指数调整。季节指数平均数不等于1时，需调整 趋势剔除法(原理和步骤) 季节指数调整 若∑S≠1200%（或400%），则求调整系数: 调整后的季节指数＝原季节指数×调整系数（R） 季节指数(例题分析) 季节指数(例题分析) 季节指数(例题分析) 分离季节因素 将季节性因素从时间序列中分离出去，以便观察和分析时间序列的其他特征 方法是将原时间序列除以相应的季节指数 结果即为季节因素分离后的序列，它反映了在没有季节因素影响的情况下时间序列的变化形态 趋势分析 建立预测模型并进行预测 根据分离季节性因素的序列确定线性趋势方程 根据趋势方程计算各期趋势值 根据趋势方程进行预测 该预测值不含季节性因素 如果要求含有季节性因素的销售量的预测值，则需要将预测值乘以相应的季节指数 线性趋势预测和最终预测值(例题分析) 季节性及其分离图 趋势预测 根据分离季节性因素的线性趋势方程预测2006年1季度销售量： 季节调整 预测值=趋势预测值×季节指数 =44.59×0.7922=35.32（万吨） 同理，预测2、3、4季度销售量 2006年预测值(例题分析) 实际值和最终预测值图 统计宝藏 季节指数 Sheet2 原始数据 中心化值及比值 季节指数计算表 季节调整 Chart2 年份 合计 季 度 SUMMARY OUTPUT 回归统计 Multiple R R Square Adjusted R Square 标准误差 观测值 方差分析 回归分析 残差 总计 Intercept df SS MS F Coefficients t Stat P-value Upper 95% 下限 95.0% 上限 95.0% X Variable 1 同季平均 季节指数(%) — (2) (3)=(1)/(2) (4) (5)=(3)/(4)*100 (6) 年/季度 3 4 销售量 （Y） 2 3 4 — 时间标号 t 1 2 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 平均 季节指数 (1) 时间 编号 (4) (5)=(3)/(4) (7)=(5)/(6) 周期及随机 波动C*I 周期波动 (C) 随机波动 (I) (2) (3) (6) (8)=MA(7) (9)=(7)/(8) 2000/1 2 3 4 2001/1 2002/1 2003/1 2004/1 2005/1 中心化移动平均值 （CMA） 比值 （Y/CMA） 预测值 最终预测值 (7)=(6)×(3) 预测误差 (8)=(3)-(7) 年/季 啤酒销 售量(Y) 季节指 数(S) 季节分离后 的序列(Y/S) 2000/1 1 2 2001/1 2002/1 2003/1 2004/1 2005/1 实际值 年/季 年份 季 度 合计 1.00 2.00 3.00 4.00 1987.00 6.00 7.00 9.00 8.00 30.00 1988.00 9.00 12.00 13.00 10.00 44.00 1989.00 13.00 14.00 17.00 13.00 57.00 1990.00 15.00 18.00 19.00 14.00 66.00 1991.00 18.00 20.00 24.00 19.00 81.00 1992.00 22.00 24.00 29.00 23.00 98.00 1993.00 23.00 26.00 32.00 24.00 105.00 1994.00 25.00 32.00 37.00 26.00 120.00 1995.00 30.00 38.00 42.00 30.00 140.00 1996.00 29.00 39.00 50.00 35.00 153.00 1997.00 30.00 39.00 51.00 37.00 157.00 1998.00 29.00 42.00 55.00 38.00 164.00 1999.00 31.00 43