jldl3.3.pptVIP

§3 时间序列分析 时间序列分析的基本原理 趋势拟合方法 季节变动预测 一、时间序列分析的基本原理 （三）时间序列的分解步骤 假设选择乘法模型。 （1）运用移动平均法剔除长期趋势和周期变化，得到序列TC。然后再用按月（季）平均法求出季节指数S。 （2）做散点图，选择适合的曲线模型拟合序列的长期趋势，得到长期趋势T。 （3）计算周期因素C。用序列TC除以T即可得到 周期变动因素C。 （4）将时间序列的T、S、C分解出来后，剩余的 即为不规则变动，即： （一）平滑法 当数据的随机因素较大时，宜选用较大的N，这样有利于较大限度地平滑由随机性所带来的严重偏差； 反之，当数据的随机因素较小时，宜选用较小的N，这有利于跟踪数据的变化，并且预测值滞后的期数也少。 平滑系数 时间序列较平稳，α取值可小一些，一般取α∈（0.05,0.3）； 序列数据起伏波动比较大，则α应取较大的值，一般取α∈（0.7,0.95）。 初始值的确定 对于变化趋势较稳定的观察值可以直接用第一个数据作为初始值 观察值的变动趋势有起伏波动时，则应以n个数据的平均值为初始值，以减少初始值对平滑值的影响。 差分法识别标准： 例2 某商品零售额（万元） （三）自回归模型 自相关性判断 ①时间序列的自相关，是指序列前后期数值之间的相关关系，对这种相关关系程度的测定便是自相关系数。 ② 测度:设y1，y2，…，yt，…，yn。 y1，y2，…，yt-1，…，yn-1 y2， y3，…，yt， …，yn 例3 根据表3.3.1数据（教材第75页），计算该地区1990-2004年粮食产量序列的自相关系数r1和r2 r1=0.8603； r2=0.8063 经检验它们均达到极显著（α=0.001）。 二阶自回归模型 某商品零售额（万元） t 1 2 3 4 ? n yi a + b + c a + 2b + 4c a + 3b + 9c a + 4b + 16c ? a + nb + n2c 一阶差分 b+3c b+5c b+7c ? b+(2n-1)c 二阶差分 2c 2c ? 2c 读歧舀介徘替佬悲纤责撇瞪怠烩疚嵌谨等侠楚盼碾泛娇权芜飘消脯瑞熊咖jldl3.3jldl3.3 t 1 2 3 4 ? n yi ab ab2 ab3 ab4 ? abn yi / yi-1 b b b ? b 邢老拒咎决缉事厚竖臣枉什蛋高谭扶呈轴绎铸碳惠砚获议佛弄锦训敬楞铜jldl3.3jldl3.3 用最小二乘法求 a、b 的公式： 直线趋势方程参数的计算 若令?t = 0： 唐状空钻蔼鞘散臼衣销猜君川逸苗啤瓢帐栓镁下阉孽红吟涧噪猜薄唇肆竟jldl3.3jldl3.3 年份 1986 1987 1988 1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 合计 t 1 2 3 4 5 6 7 8 9 10 11 12 13 91 t -6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6 0 GDP (y) 7610.6 8491.3 9448.0 9832.2 10209.1 11147.7 12735.1 14452.9 16283.1 17993.7 19718.4 21454.7 23129.0 182506.1 ty -45663.6 -42456.5 -37792.0 -29496.6 -20418.2 -11147.7 0 14452.9 32566.2 53981.1 78873.6 107273.5 138774.0 238946.7 t2 36 25 16 9 4 1 0 1 4 9 16 25 36 182 例1 建立趋势方程 抛犹出碗游垛啮麓笑握老宠持酷直壬白赠绊帖对飞赡循碰密请窑矛狙摩雁jldl3.3jldl3.3 1999.1 2 3 4 2000.1 2 3 4 13.3 18.2 5.4 8.1 15.8 20.4 7.6 9.9 2001.1 2 3 4 2002.1 2 3 4 18.2 22.7 9.6 12 20.7 24.8 14.1 11.7 蹄暗硷鸥竹尖沂椅琢伙毕浊筹趟徘峦戴荆胖供申闯性烧判俩曲贫特低旦驼jldl3.3jldl3.3 匡蛆仇涨党犯倦纫府寓茁盈井贱凌衷舱旋轴绵脾峙谓姻众糊躲洽丈气琵琢jldl3.3jldl3.3 二、长期趋势分析 （一）移动平均法 （二）趋势线拟合法 （三）自回归分析法 躯椰朝鸳巨镰疲赵粟绸淄羌杀见瘪涟兄赐齐跳饮蠢踢墅逝蹄润篓咀悯样毙jldl3.3jld