第7章4时间序列的回归分析讲义.docVIP

7.4 时间序列的曲线估计分析 时间序列预测属于预测技术的一种。预测就是预计和推测，即根据过去和现在预计未来，根据已知推测未知。具体讲就是运用主观的经验、客观的资料与条件、数学的逻辑与推理来寻求事物的发展规律，揭示经济、科学和技术的发展趋势，弄清决定这种趋势的实际因素，研究国民经济发展方案，探索最佳解决方法和途径。所以科学的预测能为决策目标和方案的选择提供定性、定时和定量的科学依据，也是编制经济发展计划、制定企业经营方针和政策的前提条件。 预测范围和内容是相当广泛的，主要包括社会预测、科学研究预测、经济预测、技术预测和军事预测等五个方面。预测的方法更是多种多样，可分为定性预测和定量预测两个方面，经常采用的方法有专家意见法、时间序列预测、因果关系预测、模拟法预测、投入产出法预测等。 时间序列（Time Series）是指与时间先后次序有关的统计数列，其自变量为时间，因变量为与各时间对应的变量，如销售量、股价、产量、物价等。此外，在商管领域中，常常必须根据过去的数据来预测未来，这时就可利用时间序列技术，以过去的数据来预测未来。时间序列可以用年、季、月、周、日、时为单位，时间的间隔在同一数列中通常是相等的，即时间序列通常是一个等差级数。 在SPSS分析软件中，必须另外购置时间序列软件SPSS Trends，它是一种专为执行时间序列分析的模块，包含ARIMA（ARIMA模型）、Autoregression、Exponential Smoothing、Seasonal Decomposition、Spectral Analysis ARIMA（autoregressive Integrated Moving Average Model），ARIMA（p，d，q）表示，代表自我相关（AR）、差分（I）与移动平均（MA）三种技术的结合。 Transfer、Data、Graphs和Analyze 主菜单 菜单 英文功能名称 转换 Create time series 数据 Define dates 分析模块中的“图形” Autocorrelations Cross-correlations 分析 指数平滑法 Exponential smoothing 自我回归法 Autoregression ARIMA模型 例如，用时间序列法对我国薄板钢材需求量进行预测。将来的消费量到底有多大，增长速度有多高，需要根据过去的消费情况做一个比较合理的预测，为计划工作者提供一个参考，这是十分必要的。 实例操作：用时间序列回归分析研究某公司2000年到2009年这十年时间与公司收入的关系 数据文件：“公司年度与收入调查表” Xh：序号；x：年度；y：收入 输出结果与分析： 从结果来看，一元线性函数linear和三次函数cubic的拟合度最高，在考虑使用方便的情况下，可以选用linear函数。 实例：针对SPSS18.0操作 用时间序列曲线估计分析研究1978-2006年社会消费品零售总额之间的关系 数据文件：“1978~2006年社会消费品零售总额2” Xh：序号； nf：年度； y：收入 点击分析——回归——曲线估计 选项设置 在自变量区域要选中“时间”选项；如果要保存预测值、预测区间、显著性水平等，打开“保存”进行设置 输出结果 从对比图中可以看出，三次函数拟合较好，所以决定采用三次函数进行回归分析， 具体模型为 Y=230.7=768.9x-65.2x2+4.4x3