第七讲 时间序列分析.ppt

第七讲 定量分析（三） 名人名言 有什么东西与时间无关呢？一切都要接受时间的检验。 上苍赐给世人的时间是无限的。究竟怎样赐给我们呢？是一下子就给我们一千年吗？不，是把时间均匀地分成一个个清新的早晨。 ——爱默生 学习内容 时间序列的基本问题 2. 时间序列的趋势分析和预测 3. 时间序列的综合分析和预测 一、时间序列(times series) 1. 同一现象在不同时间上的相继观察值排列而成的数列，称为时间序列（或时间数列） 2. 形式上由现象所属的时间和数值两部分组成 年份、季度、月份或其他任何时间形式 时间序列的作用： 描述社会现象的发展状态、趋势和结果； 掌握社会现象的发展变化规律性； 预测社会现象的发展方向和速度。 二、时间序列的编制原则 保证各期指标数值的可比性，是编制时间序列的基本原则。注意事项： １、时间长短应尽量统一。 ２、总体范围应一致。如行政区划、隶属关系 ３、计算口径应统一。 计算方法和计量单位，如劳动生产率可按实物量或价值量计算。 ４、指标涵义和经济内容应一致。如国土法国民收入和国民法国民收入。 三、时间序列的分类 绝对数时间序列 一系列总量指标按时间顺序排列而成 反映现象在不同时间上所达到的绝对水平 按总量指标反映的时间状态不同，分为： 时期序列：现象在一段时期内总量的排序 时点序列：现象在某一时点上总量的排序 2. 相对数时间序列 一系列相对数指标按时间顺序排列而成 平均数时间序列 一系列平均数指标按时间顺序排列而成 三、时间序列的分类 三、时间序列的分类 ①连续时点序列： a.间隔相等的连续时点 b.间隔不等的连续时点 ②间断时点序列：间隔在一个时间单位以上 a.间隔相等的间断时点 b.间隔不等的间断时点 四、时间序列的构成要素 四、时间序列的构成要素 四、时间序列的构成要素 趋势(trend) 也称长期趋势 (Secular trend ) 呈现出某种持续向上或持续下降的趋势或规律 2. 季节性(seasonality) 也称季节变动(Seasonal fluctuation) 现象在一年内随着季节的更换而引起的有规律变动 周期性(cyclity) 也称循环波动(Cyclical fluctuation) 从低至高再从高至低的周而复始的变动 随机性(random) 也称不规则波动(Irregular variations) 偶然性因素对时间序列产生影响 四、时间序列的构成要素 五、时间序列的分解模型 时间序列的构成要素 长期趋势 (T) 季节变动(S) 循环波动(C) 不规则波动 (I) 时间序列的分解模型 乘法模型：Y i= T i× S i× C i× I i 加法模型：Y i= T i + S i + C i + I i 混合模型： Y = T · S + I 或 Y = S + T · C · I 五、时间序列的分解模型 六、时间序列的分解方法 2、时间序列的趋势分析和预测 一、线性趋势(linear trend) 现象随着时间的推移而呈现出稳定增长或下降的线性变化规律。 测定方法： 移动平均法 指数平滑法 线性模型法 一、时间序列的线性趋势分析方法 二、移动平均法(moving average) 又称滑动平均法，是1884年由英国波因廷教授提出。 是建立在算术平均的基础上，根据时间序列资料，逐项推移，依次计算包含一定项数的时间序列平均值，以反映长期趋势的方法。 基本方法：每次在时间序列上移动一步求平均值，对原始无规则的数据进行修匀，消除样本中随机干扰成分，形成平滑曲线，突出样本规律。 对原时间序列的波动起到一定的修匀作用，削弱了原序列中短期偶然因素的影响，从而呈现出现象发展的变动趋势。 二、移动平均法(moving average) 设观测的时间序列为y1,y2……yt 设移动间隔为 n(1nt)，则n期的移动平均值为 基本计算公式为： 二、移动平均法(例题分析) 二、移动平均法 二、移动平均法：注意事项 1、用移动平均法对原时间序列修匀，修匀程度的大小，与平均的项数多少有关。 2、移动间隔的选取原则 如果现象的发展具有一定的周期性，应以周期长度作为移动间隔的长度 若时间序列是季度资料，应采用4项移动平均 若为月份资料，应采用12项移动平均 二、移动平均法的简单预测 将最近n期数据加以平均作为下一期的预测值 设移动间隔为 n(1nt)，则 t+1期的移动平均预测值为 预测误差用均方误差(MSE) 来衡量 二、移动平均法预测(例题分析) 二、移动平均法 二、移动平均法 （1）一次移动平均： 基本公式