时间序列分析和预测学习课件.pptVIP

* * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * 周期性分析 (例题分析) 随机波动 (例题分析) 本章小节 时间序列的分解 时间序列的描述性分析 平稳序列的平滑和预测 有趋势序列的分析和预测 复合型序列的分析 * * * * * * * * * * * * * * * * * * * * * * * * * * * * * 在一般指数曲线的基础上增加一个常数K 一般形式为 修正指数曲线(modified exponential curve) K、a、b 为未知常数 K 0，a ≠ 0，0 b ≠ 1 用于描述的现象：初期增长迅速，随后增长率逐渐降低，最终则以K为增长极限 修正指数曲线(求解k、a、b 的三和法) 趋势值K无法事先确定时采用 将时间序列观察值等分为三个部分，每部分有m个时期 令预测值的三个局部总和分别等于原序列 观测值的三个局部总和，从而求出三个未知数 修正指数曲线(求解k、a、b 的三和法) 根据三和法求得 设观察值的三个局部总和分别为S1，S2，S3 修正指数曲线(例题分析) 例. 1983~2000年我国的糖产量数据如表。试确定修正指数曲线方程，计算出各期的趋势值和预测误差，预测2001年的糖产量，并将原序列和各期的趋势值序列绘制成图形进行比较 修正指数曲线(例题分析) 修正指数曲线 (例题分析) 解得 K、a 、b 如下 修正指数曲线 (例题分析) ?糖产量的修正指数曲线方程 2001年糖产量的预测值 预测的估计标准误差 $ Yt = 3659.149 – 2230.531?( 0.87836 ) t 修正指数曲线 (例题分析) 以英国统计学家和数学家 B·Gompertz 而命名 一般形式为 龚铂茨曲线(Gompertz curve) 描述的现象：初期增长缓慢，以后逐渐加快，当达到一定程度后，增长率又逐渐下降，最后接近一条水平线 两端都有渐近线，上渐近线为Y?K,下渐近线为Y=? 0 K、a、b为未知常数 K 0，0 a ≠ 1，0 b ≠ 1 龚铂茨曲线(求解k、a、b 的三和法) 仿照修正指数曲线的常数确定方法，求出 lg a、lg K、b 取 lg a、lg K 的反对数求得 a 和 K 则有： 将其改写为对数形式： 令： 龚铂茨曲线(例题分析) 【例】1983~2000年我国的糖产量数据如表。试确定修正指数曲线方程，计算出各期的趋势值和预测误差，预测2001年的糖产量，并将原序列和各期的趋势值序列绘制成图形进行比较 Gompertz 曲线(例题分析) Gompertz 曲线 (例题分析) Gompertz 曲线 (例题分析) ?糖产量的Gompertz曲线方程 ? 2001年糖产量的预测值 ?预测的估计标准误差 Gompertz 曲线 (例题分析) 趋势线的选择 观察散点图 根据观察数据本身，按以下标准选择趋势线 一次差大体相同，配合直线 二次差大体相同，配合二次曲线 对数的一次差大体相同，配合指数曲线 一次差的环比值大体相同，配合修正指数曲线 对数一次差的环比值大体相同，配合 Gompertz 曲线 倒数一次差的环比值大体相同，配合Logistic曲线 3. 比较估计标准误差 §12.5 复合型序列的分解 一. 季节性分析 趋势分析 周期性分析 季节性分析 季节指数(seasonal index) 刻画序列在一个年度内各月或季的典型季节特征 在乘法模型中，以其平均数等于100%为条件而构成 反映某一月份或季度的数值占全年平均数值的大小 如果现象的发展没有季节变动，则各期的季节指数应等于100% 季节变动的程度是根据各季节指数与其平均数(100%)的偏差程度来测定 如果某一月份或季度有明显的季节变化，则各期的季节指数应大于或小于100% 季节指数(计算步骤) 计算移动平均值(季度数据采用4项移动平均，月份数据采用12项移动平均)，并将其结果进行“中心化”处理 将移动平均的结果再进行一次二项的移动平均，即得出“中心化移动平均值”(CMA) 计算移动平均值的比值，也成为季节比率 即将序列的各观察值除以相应的中心化移动平均值，然后再计算出各比值的季度平均值，即季节比率 计算季节指数 各季节比率的平均数应等于1或100%，若根据第二步计算的季节比率的平均值不等于1时，则需要进行调整 具体方法是：将第二步计算的每个季节比率的平均值除以它们的总平均值 季节指数(例题分析