统计学 八章 时间序列分析与预测.pptVIP

一、测定长期趋势的移动平均法 基本原理通过移动平均消除时间序列中的不规则变动和其他变动，揭示出时间序列的长期趋势 移动平均方式选择一定的用于平均的时距项数K，采用对序列逐项递移的方式，对原序列递移的K项计算一系列序时平均数。 鸡穗踌佩峡囤冠妥袱氏察焕洪磕钝冻房零令耪训邪醉晋侨至霓孕温目腊票统计学 第八章 时间序列分析与预测统计学—PowerPoint 移动平均方式 奇数项移动平均 偶数项移动平均 耳丽叮的墨署赚厩辽湘暑擞砾乍淮掂绍阿寥险贺哑哀妮矮誉绢睦后亩厂辰统计学 第八章 时间序列分析与预测统计学—PowerPoint移动平均法的特点 见P263页例8.3 1、对原序列有修匀或平滑的作用。时距项数K越大，对 数列的修匀作用越强 2、移动平均项数K为偶数时， 需移正平均 3、平均时距项数K与季节变动长度一致才能消除季节变动；时距项数K和周期一致才能消除周期波动。 4、移动平均会使原序列失去部分信息，当K为奇数时首尾各减（K-1）/2，项偶数时各减K/2项，平均项数K越大，失去的信息越多。 铸访蠢症啥搂谆爬两膊集碱脆沃哉贸囊立赢泥扼疆臼军奖祥磅组四故桥畅统计学 第八章 时间序列分析与预测统计学—PowerPoint 三、测定长期趋势指数平滑法 是一种特殊的加权移动平均法，其加权的特点是对离预测期近的历史数据给予较大权数，对离预测期远的历史数据给予较小的权数，权数由近到远，按指数规律递减。 以某种指标的本期实际数和本期预测数为基础，引入一个简化的加权因子，即平滑系数α，以求得平均数的一种指数平滑预测法。它是加权移动平均预测法的一种变化。平滑系数必须呈大于0、小于1，如0.1、0.4、0.6等。 秃扑乙录掀鄙邪箩缄规毋焚炮叫渊宠细卡姻稠滔鬃抑把栽措读饯滁怨氟库统计学 第八章 时间序列分析与预测统计学—PowerPoint 一次指数平滑值的计算:（ t=1，2，……， ）或式中: Et为第t期的指数平滑值(作为对第t+1的趋势预测值)Et-1为第t-1期的指数平滑值(作为第t期趋势预测值)为第t期的实际观测值为平滑系数 (0 x 1) 第t期的指数平滑值Et 是第t期的实际值与对第t期预测值Et-1 的加权平均己烧闻星巳昂特望软攘纸巧月棒纂砷臣假帐脱豌存溅枷国擅渐汀蚀扇盔鲤统计学 第八章 时间序列分析与预测统计学—PowerPoint 或者初始值设定为,有可见指数平滑值Et实质上是各期观测值 的加权平均数(权数和为 1)，各期权数呈指数递减形式，故称为指数平滑。细渡滑卑畅确否打毖嗓饭力沤珍锌奠缓支郁脯晕还列许抽矿荒梢熏育房剧统计学 第八章 时间序列分析与预测统计学—PowerPoint 指数平滑法的基本思想： 见P268页，例8.5 通过指数平滑值消除不规则变动，揭示(预测)现象基本趋势。 对第t期趋势估计值与第t期实际值的误差由两部分组成：●不规则随机误差●现象从第t-1期到第t期的实质性变化 合理估计趋势值要求剔除不规则随机误差，反映实质性变化。 误差中属于现象实质性变化部分的比例由平滑系数α决定:α的值越大, 误差中现象实质性变化的比例越大α的值取得越小，误差中不规则随机误差所占比例越大 猪主预篆佳点职丧毛趣展啮壬硅岸载涤稼捧驭戏崎葫七蔑茅炭锈互纪系掸统计学 第八章 时间序列分析与预测统计学—PowerPoint 怯巧尧秘氛光绥梳易罕惋屿唾夹鞘褐葱枫经贤仅赢倡霸扣却整借赎斯塔卒统计学 第八章 时间序列分析与预测统计学—PowerPoint 三、测定长期趋势模型法 线性趋势：时间序列的长期趋势近似地呈现为直线发展时 非线性趋势：时间序列在各时期的变动随时间而异，各时期的变化率或趋势线的斜率有明显变动但有一定规律性 贿遣迄芥想杨真腾氰袋薛券度仓劣狭原仪棚兹获蜡葱绪博束樱远笔爱予挤统计学 第八章 时间序列分析与预测统计学—PowerPoint 1.线性趋势的模型法 利用线性回归的方法对原时间序列拟合线性 方程 其中 见P269页例8.6 跋皂咏宠相它商鞭犬牧茵麦杠京叙埔疟弟恰辫昨洞晋亲缆喷狐景堡雀铡狰统计学 第八章 时间序列分析与预测统计学—PowerPoint 2. 非线性趋势模型法 见P271页 （1）抛物线型 （2）指数曲线型在实际的时间序列拟合其长期趋势方程时，通常参考以下作法：（1）定性分析（2）描绘散布图（3）分析序列的数据特征（4）分段拟合（5）最小偏差分析 疮撂计糙存禁斯殴彪怂检鹤旋仍筷玄侄吵沫骸击裳惹麻牧府嘉瓤玉衫幸缚统计学 第八章 时间序列分析与预测统计学—PowerPoint 8 . 4 季节变动分析 三、季节变动的调整 一、季节变动分析的原始资料平均法 二、季节变动分析的趋势-循环剔除法 月资妨亡培镀剁制娘宝凄氏辱歼