高级计量分析（时间序列平滑）.docVIP

时间序列平滑——指数平滑法 一、研究目的 传统的经济计量方法是以经济理论为基础来描述变量关系的模型。但经济理论通常不足以对变量之间的动态联系提供一个严密的说明，而且内生变量既可以出现在方程的左端又可以出现在方程的右端使得估计和推断变得更加复杂。为了解决这些问题而出现了一种用非结构方法来建立各个变量之间关系的模型，如向量自回归模型（vector autoregression,VAR）和向量误差修正模型（vector error correction model,VEC）。 在计量分析中，特别是时间序列数据，在进行实证分析时，往往会遇到有的样本点数据缺失问题。为了解决该问题，就需要对原序列进行处理，补充缺失的样本点数据，以便进行计量分析。解决该问题的方法有很多，如统计学中的移动平均方法，但移动平均法会形成新的样本点缺失；也可以采用高等数学中的数值插值方法来进行缺失样本点补足问题，但无法解决数据拟合问题。本案例介绍指数平滑方法，可以较好的处理样本点缺失问题，同时也可以解决数据平滑问题，通过平滑获得的公式及参数值，还可以进行预测。 二、指数平滑的原理 指数平滑法常用的有三种方法： 1、单指数平滑 适用于序列值在一个常数均值上下随机波动、无趋势及季节要素的情况。时间序列的平滑序列的计算公式如下： 其中，，为平滑因子，其值越小，越平缓。重复迭代，可得到： 由此可知为什么这种方法叫指