統計學導論.pptVIP

時間數列分析 15.1 時間數列的性質 15.2 長期趨勢分析 15.3 季節變動分析 15.4 循環變動分析 15.5 時間數列的綜合分析 15.6 指數平滑法 15.1 時間數列的性質 企業對經營管理的各種問題決策，常需藉由預測結果用以決定問題處理或決策走向。 由過去歷史資料所構成的時間數列，便成為重要預測基礎，例如處理： 材料與零件庫存 產品銷售量 員工薪資與產品價格水準 生產過程之品質控制等 時間數列是一組統計資料，依其發生時間的先後順序排成的序列(sequence)。 15.2 時間數列之特性 時間數列之時間單位通常可以是年、季、月、週、日等。並採用相同間隔以利分析。 時間數列中的時間為自變數，而其他變數為因變數，可為總數、平均數、比例、指數等。 時間數列各觀察值皆存在關聯性，時間間隔愈短則相關性愈大。故時間數列不滿足「各個觀察值為獨立」之假設。 時間數列中之各個觀察值乃案時間先後順序排列，不可任意變更。 15.2 時間數列之特性 不同時間單位得時間數列若為分析上需要，則可轉換為相同時間單位的資料。 分析一些社會現象或經濟現象的時間序列，常需要對人口變動與價格變動等因素加以調整或轉換。例如轉換為每人平均消費額… 時間數列的各個觀測值為該時期許多影響因素的組合，因此進行時間數列分析時，須先將時間數列依其組合成分加以分解方進行之。 時間數列的成分 長期趨勢：是時間數列依時間之進行而逐漸增加或減少的長期性變化之趨勢。 季節變動：時間數列之季節變動是指一年中，呈現固定週期的規則變動。 循環變動：是沿著長期趨勢或做週而復始的上下變動，又稱為景氣循環變動(business cycle movement)。 不規則變動：是沿著長期趨勢或做不規則的變動或偶然的波動。 時間數列Y及其組合成分T.S.C.I.之圖例 時間數列Y及其組合成分T.S.C.I.之圖例 時間數列各成分結合的模型 相加模型(additive model) ︰假定時間數列是基於四種成分相加之結果。 Y=T+S+C+I 相乘模型(multiplicative model) ︰假定時間數列是基於四種成分相乘之結果。 Y=T×S×C×I 基本上於時間數列分析中，由於乘法模式之假設較切合實際，即各種成分間存在相依關係，故大都採行乘法模式。 15.2 長期趨勢分析 長期趨勢為時間數列的主要成分，經由長期趨勢分析所得結果為一序列的數值，稱之為趨勢值(trend value) 。由於長期趨勢之趨勢值的變動具有規律性，故可依一趨勢方程式表示之。趨勢值繪製於圖上，可為一直線或曲線，稱之為趨勢線(Trend curve) 半平均數法 (直線趨勢方法) 移動平均法 最小平方法 半平均數法 移動平均法(1/3) 移動平均法是以若干期的移動平均代替原有時間數列之觀察值，用以表示其長期趨勢。其可為若干期之中位數或幾何平均數。但一般採用算術平均數。 設有一時間數列{Yt}, t=1,2,…,n；先取Y1,Y2,…,Yk求取平均，次取Y2,Y3,…Yk+1求平均數，依此類推，直至求完Yn–k+1,Yn–k+2,…,Yn的平均數，則這些平均數即構成原時間數列之k期移動平均的趨勢值。 See example 15.2. 移動平均法(2/3) 移動平均法(3/3) 最小平方法 使用最小平方法的兩個條件 各期的趨勢值(　)對實際觀測值(Yt)的誤差之總和必為0，亦即 ； 所有誤差的平方和為最小，亦即 =最小。 See page. 654 for more details 直線趨勢方程式(1/2) 直線趨勢方程式(2/2) 二次方程式(拋物線方程式) 指數方程式 15.3 季節變動分析 季節變動的特性 簡單平均法 比率移動平均法 季節變動的特性 季節變動為時間數列所有週期中最主要的一種，通常是以一年為週期波動。其發生原因可分為兩大類：1) 自然原因 (氣候季節變化或地理位置不同), 2) 社會原因 (風俗習慣、法律、制度等) 。 測定季節變動的目的： 分析過去季節變動型態已建立季節模型。 進行短期預測，擬定短期計畫。 消除季節變動的影響以顯示時間數列之真正循環週期。 季節變動的特性 季節變動的特性，可歸納為下列三點 有規律的波動，且週期固定。 每年重複出現。 各年的變化幅度約略相同。 固定型態 (Fixed pattern) 季節指數 (seasonal index) ：指季節變動以百分比表示之，亦即所有年份之平均為100%，計算各月(季)指數，高於100%或低於100%，即產生一年內之起浮變動，由此觀察季節規律變化。 簡單平均法 簡單平均法 (method of simple average) ：同月或同季平均法。 當同一時間數列中未包含有顯著上升或下