TSA02-趋势与回归分析[V3.0]详解.pptx

趋势与回归分析Trends,andRegressionAnalysis2016年12月19日11年周期的太阳黑子活动变化(浅色曲线)，和200年周期的太阳活动变化(深色曲线)课堂讨论2GPS测站残差的时间序列包含趋势项移除趋势项3学习内容一、趋势二、回归分析三、回归诊断四、多元线性回归与非线性回归4一、趋势时间序列的分类常数均值的估计5平稳时间序列：均值、方差和自回归函数不随时间变化非平稳时间序列：随机趋势（可用差分方式消除的趋势）确定性趋势（线性、非线性、周期项…）1.时间序列的分类时间序列非平稳序列随机趋势确定性趋势平稳序列6随机游动：例题：随机趋势随机游动时间序列7月均气温：特点：季节性趋势例题：确定性趋势迪比克市月平均气温8构成：长期趋势（T）：线性趋势、非线性趋势季节变动（S）周期波动（C）不规则波动（I）组合模式：加法：Y=T+S+C+I乘法：Y=T*S*C*I时间序列的构成与组合模式9描述性分析：通过数据比较或绘图观测研究规律统计分析时域分析：寻找序列值之间的相关关系的统计规律，进而预测序列未来的走势频域分析：将时间序列分解成若干不同频率的周期波动，对频率分量进行统计分析和建模分析方法10常数均值模型：Yt=μ+Xt2.常数均值的估计111213情况3：滑动平均模型1415情况5：｛Xt｝是随机游动过程16习题讲解：3.2（P37）17时间序列的趋势类型有哪些？化简：课堂练习18二、回归分析简单线性回归周期性趋势的回归方法19相关关系：带有一定随机性的变量间关系函数关系：确定性关系简单线性回归20回归分析：对两个变量进行统计分析回归直线：各点大致分布在一条直线的附近散点图：正相关、负相关相关关系-4-2024-4-2024-4-20246-20246-4正相关负相关21回归模型随机误差分量自变量直线的斜率直线的y轴截距因变量22拟合回归线23散点图及回归线围绕真实回归线的个体观测值拟合误差24最小二乘估计25计算样本平均值估计回归系数回归直线方程例题：线性回归分析26x8876736663y7865716461绘散点图（1）绘制数据的散点图；（2）估计回归系数（3）写出回归直线方程课堂练习：车辆堵塞研究车辆数3456堵塞时间(sec)510121527时间的线性趋势28data(rwalk)model1=lm(rwalk~time(rwalk))summary(model1)EstimateStd.ErrortvaluePr(|t|)(Intercept)-1.0078880.297245-3.3910.00126time(rwalk)0.13408708222e-16plot(rwalk,type=o,col=red)abline(model1,col=blue)例题：线性趋势估计（R命令）292.周期性趋势的回归方法30迪比克市的月平均气温month.=season(tempdub）model2=lm(tempdub~month.-1)summary(model2)EstimateStd.ErrortvaluePr(|t|)month.January16.6080.98716.832e-16***month.February20.6500.98720.922e-16***…例题：季节均值模型（R命令）31month.=season(tempdub）model3=lm(tempdub~month.)summary(model3)EstimateStd.ErrortvaluePr(|t|)(Intercept)16.6080.98716.8282e-16***month.February4.0421.3962.8960.00443**month.March15.8671.39611.3682e-16***…注：实际温度估计值：16.608+4.042；16.608+15.867…例题：季节均值模型（R命令）32情形2：余弦趋势33har.=harmonic(tempdub,1)model4=lm(tempdub~har.)summary(model4)EstimateStd.ErrortvaluePr(|t|)(Intercept)46.26600.3088149.8162e-16***har.cos(2*pi*t)-26.70790.4367-61.1542e-16***har.sin(2*pi*t)-2.16970.4367-4.9681.93e-06***例题：气温序列的余弦趋势模型(R命令)34plot(ts(fitted(model4),freq=12,start=c(1964,1)),type=l,ylim=range(c(fitted(model4),tempdub)))poin