2015数据分析方法-时间序列分析2.pptxVIP

时间序列分析 16.1 时间序列分析概述 16.2 数据准备 16.3 时间序列的图形化观察及检验 16.4 时间序列的预处理(重点) 16.5 简单回归分析法和趋势外推法(自学) 16.6 指数平滑法(重点) 16.7 ARIMA模型分析(重点) 16.8 季节调整法(重点)16.7 ARIMA模型16.7.1 ARIMA模型的基本原理16.7.2 ARIMA模型的基本操作16.7.3 ARIMA模型实例分析ARIMA(自回归综合移动平均)是时间序列分析中最为常用的模型，也称之为Box-Jekins模型，或带差分的自回归移动平均模型。ARIMA模型可以对含有季节成分的时间序列数据进行分析，它包含三个主要的参数—自回归阶数(p)、差分阶数(d)、移动平均阶数(q)，一般模型的形式记为ARIMA(p,d,q)。16.7.1 ARIMA模型的基本原理处理非平衡的时间序列时，可以先建立一个包含趋势成分的模型，对由此初步模型得到的残差项，再使用ARIMA模型来拟合。差分ARIMA模型的分类建立ARIMA模型的一般步骤1. 差分差分是使序列平稳化的主要手段，常用的有一般性差分和季节差分两种。2. ARIMA模型的分类所谓ARIMA模型,就是对差分后的序列建立ARMA模型。根据参数个数的不同，ARIMA模型可分为如下几个基本类型：自回归(AR)模型;移动平均模型(MA)模型;自回归移动平均(A