时间数列分析讲解.pptVIP

按月(季)平均法(计算表) 表11- 16 农业生产资料零售额季节指数计算表 年 份 销售额(亿元) 一季度 二季度 三季度 四季度 全年合计 1978 1979 1980 1981 1982 1983 62.6 71.5 74.8 75.9 85.2 86.5 88.0 95.3 106.3 106.0 117.6 131.1 79.1 88.5 96.4 95.7 107.3 115.4 64.0 68.7 68.5 69.9 78.4 90.3 293.7 324.0 346.0 347.5 388.5 423.3 合计 456.5 644.3 582.4 439.8 2123.0 同季平均 76.08 107.38 97.07 73.30 88.46 季节指数(%) 86.01 121.39 109.73 82.86 100.00 趋势剔除法(原理和步骤) 先将序列中的趋势予以消除，再计算季节指数 计算季节指数的步骤 计算移动平均趋势值(T) 从序列中剔出趋势值(Y/T) 按前述方法计算季节指数(S) 趋势剔除法(续前例：计算表) 表11- 18 农业生产资料零售额季节指数计算表 年 份 销售额(亿元) 一季度 二季度 三季度 四季度 全年合计 1978 1979 1980 1981 1982 1983 — 90.91 87.42 87.63 91.07 84.94 — 118.51 122.85 122.26 122.42 125.65 106.12 108.71 111.27 108.70 110.29 — 83.59 82.57 78.97 77.11 79.08 — 合计 441.98 611.70 545.09 401.33 2000.10 同季平均 88.40 122.34 109.02 80.27 100.005 季节指数(%) 88.39 122.33 109.01 80.26 100.00 季节变动(趋势图) 0 50 100 150 1 2 3 4 图11-7 农业生产资料零售额季节变动 （季度） 季 节 指 数 （ % ） * * * * * * * * * * 第十一章 时间数列分析 某一指标的数值按时间先后顺序排列而成的序列，或称时间序列、动态数列。 时间数列的两个基本组成要素： 一是现象所属的时间； 一是对应不同时间的统计指标数值。 §11.1 概 述 定义： 时 间 数 列 的 构 成 分 析 长期趋势（secular trend） 季节变动（seasonal fluctuation ） 循环变动（ cyclical movement ） 不规则变动（Irregular variation ） 加法模型： Y=T+S+C+I 乘法模型： Y=T·S·C·I ——各因素相互独立 ——各因素相互影响 现象在较长时期内持续发展变化的一种趋向或状态； 由影响时间序列的基本因素作用形成； 时间序列的主要构成要素； 有线性趋势和非线性趋势。 §11.2 时间数列的长期趋势分析 线性趋势 现象随时间的推移呈现出稳定增长或下降的线性变化规律。 线性趋势的测定方法 移动平均法 趋势线配合法——最小平方法 原数列： 移动平均法 三项移动平均： 奇数项移动平均 将原有的时间数列中的各个指标值，按照移动的项数，逐期递推计算算术平均数，形成一个新的时间数列。 原数列： 四项移动平均： 二项移动平均： 偶数项移动平均 新数列项数＝原数列项数－移动项数＋1 应用移动平均法要注意的问题： 1、要选择适当的移动项数 2、一般采用奇数项移动平均 3、适用于直线型趋势的修匀，而不适用于曲线型趋势的修匀。 4、只适用于通过对时间数列的修匀来揭示长期趋势，而不能直接进行预测。 趋势线配合法（数学模型法） 直线趋势方程的一般形式为： ——时间数列中各发展水平的趋势值 ——各指标值所属的时间，用时间序号值表示 、 ——待定参数 观察值ｙｉ 趋势值ｙｃ＝ａ+ｂｔ ∑（ｙｉ－ｙｃ）２＝最小 最小平方法（最小二乘法） 最小平方法（最小二乘法） 汽车产量直线趋势计算表 年份 时间标号 t 产量(万辆) Yi t×Yt t2 趋势值 1981 1982 1983 1984 1985 1986 1987 1988 1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 17.56 19.63 23.98 31.64 43.72 36.98 47.18 64.47 58.35 51.