第十四章時間數列.ppt.pptVIP

時間數列的四個成份 分析時間數列的首要工作是繪製資料的歷史曲線圖（亦稱時間數列圖），我們可以從圖形上大略觀察出資料隨時間變動的情形，再決定分析此時間數列的統計方法為何。現在我們介紹如何決定分析的方法： 長期趨勢（secular trend） 季節變動（seasonal variation） 循環變動（cyclical variation） 不規則變動（irregular fluctuation）（參見圖16-1）。 長期趨勢 時間數列在長時間內受到某因素影響，而造成一種有系統性的變動傾向，換句話說，時間數列呈現出緩慢而有規律的變化。這種長時間的變化可能是遞增或是遞減，例如近兩三年來，手機的銷售量逐漸增加；近十多年來，人口死亡率因醫藥日趨發達而漸漸降低。不過長期的變化也可能沒有明顯上升或下降的趨勢，呈現停滯狀態。 季節變動 季節變動存在的原因大部份是因為自然現象或社會現 象所引起的，如四季的冷暖會影響冰品的銷售、寒暑 假期間可能有較多的犯罪事件等。因此，以月或季為 單位的資料其季節變動的週期為一年，以年為單位的 資料則沒有季節變動之存在。 循環變動 循環變動與季節變動很類似，兩者都是有系統地作週期性的變化，只是循環變動的週期較長，約二至十五年不等（隨資料而不同）。通常循環變動的週期有時稍長，有時較短，上下變動的幅度也會稍微不一致，但是我們在分析上會假設週期的長短與變動幅度都是固定的。經濟方面的時間數列其循環變動較明顯，故循環變動常被稱為「景氣循環變動」。 不規則變動 不規則變動是去除長期趨勢，季節變動，循環變動等三種成份後的不可預測的隨機變動，它的產生主要是因為係如921大地震所引發股市的短暫下挫，聖嬰現象造成氣候短時間的異常，上游廠商供貨不足而影響成品銷售量，這些無法預期的因素造成時間數列短暫的異常變化。 當我們有興趣藉由分析某時間數列來預測將來時，首先該做的事情便是確定該時間數列屬於何種模型，一旦確定了模型就能做進一步的分析。 時間數列的模型 從數學的角度來看，我們能把觀察到的時間數列視為是前述四種成份的函數，意即 其中 是時間t 的時間數列觀察值， 是時間t 的長期趨勢， 是時間t 的季節變動（季節指數）， 是時間t 的循環變動，而 則是時間t 的不規則變動。 所以統計學家用這樣的函數關係將時間數列的模型分成兩大類：相加模型與相乘模型。由於相乘模型的假設比較合乎實際情形，即各個成份有相關性，故一般較常用的是相乘模型，不過兩種模型的分析方法在觀念上是相同的，我們在此僅探討相乘模型。 兩種模型我們分述如下： (1)相加模型（additive model）： 將時間數列假設為上述四種成份相加的結果，而各個 成份彼此間並不會互相影響，此模型如下所示： (14.1) (2)相乘模型（multiplicative model）: 將時間數列假設為上述四種成份相乘的結果，即認為 各個成份間有相互影響的關係，此模型如下所示： (14.2) 相加模型與相乘模型是最簡單、最基本的兩種時間數列模型，不過有些時候這兩種模型可能無法非常適合地來描述我們的時間數列資料，這時候我們可以進一步地考慮以混合模型來代表，如 或 等。 由於季節變動只發生於一年的期間內，因此對於年資料沒有季節變動，故對於年資料的相乘模如下所示： 時間數列之成份分析 我們做時間數列分析最主要的目的當然是要藉由過去的歷史資料來預測未來，但也不是隨隨便便地就能預測未來。理論上，若是我們能夠以「系統性的變動」與「非系統性（隨機性）的變動」來描述過去的現象，那麼，我們就能對未來有較準確的預測；也就是基於這個道理，我們才會將時間數列視為由四個成份組成，並且以正