人大版_贾俊平_第五版_统计学_第13章_时间序列分析和预测资料.pptVIP

移动平均趋势剔除法 第一步：计算移动平均值（如果是季度数据，采用4项移动平均，如果是月份数据则采用12项移动平均），并将其结果进行中心化处理（将移动平均值再进行一次二项移动平均），得出中心化移动平均值（CMA） 第二步：计算季节比率。将序列的各观测值除以相应的CMA，然后计算出各季度（或月份）的季节比率平均值 第三步：季节调整指数。将各季度（或月份）的季节比率平均值除以季节比率总平均值 2.分离季节成分 将各观测值分别除以相应的季节指数，将季节成分从时间序列中分离出去 13.7.2 建立预测模型并进行预测 用分离季节性因素的序列建立模型，进行预测。（如线性回归，具体形式根据分离季节性因素的序列形状确定） 用初步预测结果，乘以相应的季节指数，得到最终预测值。 * 第13章 时间序列分析和预测 13.1 时间序列及其分解 1.同一现象在不同时间上的相继观察值排列而成的数列 2. 形式上由现象所属的时间和现象在不同时间上的观察值两部分组成 3. 排列的时间可以是年份、季度、月份或其他任何时间形式 时间序列（一个例子） 国内生产总值等时间序列 年 份 国内生产总值 (亿元) 年末总人口 (万人) 人口自然增长率 (‰) 居民消费水平 (元) 1990 1991 1992 1993 1994 1995 1996 1997 1998 18547.9 21617.8 26638.1 34634.4 46759.4 58478.1 67884.6 74772.4 79552.8 114333 115823 117171 118517 119850 121121 122389 123626 124810 14.39 12.98 11.60 11.45 11.21 10.55 10.42 10.06 9.53 803 896 1070 1331 1781 2311 2726 2944 3094 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 13.2 时间序列的描述性分析 13.2.1 图形描述 13.2.2 增长率分析 1.增长率 环比增长速度 报告期水平与前一时期水平之比 定基增长速度 报告期水平与某一固定时期水平之比 2.平均增长率 也称平均增长速度，是时间序列中逐期环比值（也称环比发展速度）的几何平均数减1的结果。 3.增长率分析中应注意的问题 观察值中出现0或负数时，不宜计算增长率 有些情况下，不能单纯就增长率论增长率，要注意结合绝对值。 甲、乙两个企业的有关资料 年 份 甲 企 业 乙 企 业 利润额(万元) 增长率(%) 利润额(万元) 增长率(%) 1996 500 — 60 — 1997 600 20 84 40 假定有两个生产条件基本相同的企业，各年的利润额及有关的速度值如表 速度的分析与应用（增长1%绝对值） 速度每增长一个百分点而增加的绝对量 用于弥补速度分析中的局限性 计算公式为 甲企业增长1%绝对值＝500/100＝5万元 乙企业增长1%绝对值＝60/100＝0.6万元 时间序列数据 是否存在趋势？ 是否存在季节性？ 是否存在季节性？ 平滑预测法 简单平均法 移动平均法 指数平滑法 季节性预测法 季节多元回归模型 季节自回归模型 时间序列分解 趋势预测法 线性趋势推测 非线性趋势推测 自回归预测模型 是 是 是 否 否 否 13.3.3 预测方法的评估 线性模型法(趋势图) 0 50 100 150 200 1981 1985 1989 1993 1997 汽车产量 趋势值 汽车产量直线趋势 （年份） 汽 车 产 量 （万辆） 1981～1998年我国汽车产量数据 年 份 产量(万辆) 年份 产量(万辆) 1981 1982 1983 1984 1985 1986 1987 1988 1989 17.56 19.63 23.98 31.64 43.72 36.98 47.18 64.47 58.35 1990 1991 1992 1993 1994 1995 1996 1997 1998 51.40 71.42 106.67 129.85 136.69 145.27 147.52 158.25 163.00 【例】根据表中的资料，确定1981～1998年我国汽车产量的指数曲线方程，求出各年汽车产量的趋势值，并预测2000年的汽车