时间序列分析报告9.doc

湖北工程学院 时间序列分析实验报告九 实验项目 确定性分析 专 业 统计学专业 班 级 0123011242 姓 名 学 号 012301124213 湖北工程学院数学实验室 实 验 报 告 实验项目名称实验日期理论内容实验地点实验目的及要求： 熟练掌握趋势分析，季节效应分析方法，原理，步骤； 对给出的第一组数据，分别利用SPSS与SAS采用趋势拟合和平滑法的各种模型进行比较，并做五期的预测； 对给出的第二组数据，分别利用SPSS与SAS采用加法模型和乘法模型进行季节效应分析，并做五期的预测； 对给出的第三组数据，分别利用SPSS与SAS采用各种模型进行综合分析，并做五期的预测；分析基本原理与方法： 一、趋势拟合法以时间作为自变量，相应的序列观察值作为因变量，建立序列值随时间变化的回归模型。 线性拟合：若序列时序图显示该序列有显著的线性递增（或减）趋势，可以考虑用线性模型。 曲线拟合：若序列时序图显示该序列有非线性特征，可以考虑用曲线模型。 对曲线模型进行参数估计时，指导思想：能转换成线性模型的都转换成线性模型，用最小二乘法进行参数估计；实在不能转换成线性模型的，用迭代法进行参数估计。 二、平滑法是进行趋势分析和预测时常用的一种方法，是利用修匀技术，削弱短期随机波动对序列的影响，使序列平滑化，从而显示出变化的规律 移动平均法 如果想要得到长期趋势，就应该做期数较大的移动平均；如果想的到密切关注序列的短期发展趋势，就做期数较小的移动平均 指数平滑法 简单的全期 HYPERLINK /view/1590324.htm \t /_blank 平均法是对时间数列的过去数据一个不漏地全部加以同等利用；移动平均法则不考虑较远期的数据，并在 HYPERLINK /view/1184751.htm \t /_blank 加权移动平均法中给予近期资料更大的权重；而指数平滑法则兼容了全期平均和移动平均所长，不舍弃过去的数据，但是仅给予逐渐减弱的影响程度，即随着数据的远离，赋予逐渐收敛为零的权数。 季节效应分析 通过时序图分析主要影响因素：季节效应、随机波动 季节指数反映该季度与总平均值之间的一种比较稳定的关系。比值大于1，说明该季度的值常常会高于总平均值；比值小于1，说明该季度的值常常会低于总平均值；若序列的季节指数都接近等于1，那么说明该序列没有明显的季节效应。 季节指数的计算 计算周期内各期平均数，得到长期以来该时期的平均水平。 2、计算平均数 3、用时期平均数除以总平均数就可以得到各时期的季节指数 四、对趋势起伏变动和季节效应分析常用的模型 加法模型 乘积模型 混合模型  操作步骤及运行结果： 第一组数据 趋势拟合法 1、作出时序图，选择接近时序图的模型 从曲线图可以看出二次曲线拟合的最好，故选择二次曲线来拟合 2、进行残差白噪声检验看是否通过检验 3、选择出合适的趋势拟合模型并做出预测 平滑法 1、简单的指数平滑法 2、Holt指数平滑法 由上图可以看出Holt指数平滑法拟合的效果好些 3由三种模型产生的预测值 第二组数据处理 先绘制时序图与季节指数时序图 由整体时序图可以看出季节与趋势见又相互作用关系可以尝试使用乘法或是混合模型 由季节指数图可以看出每年的四季度是消费最好的季节，但前三季节起伏不大，季节效应不明显 消除季节影响后拟合该序列的趋势变动规律 （1）乘法模型及残差检验  （2）加法模型及残差检验 预测到2005年12月份 第三组数据 时序图 曲线拟合 平滑法 简单指数平滑法 由图知模型拟合不好 2、Holt指数平滑法 此法和线性拟合一样，没有波动性，故不考虑此模型 季节效应分析 季度指数表 季节指数时序图 由上图可以看出，季度效应较明显，故可采用短期预测 乘法模型 加法模型 可看出加法模型拟合比较好 则预测模型 结果分析与讨论： 由上述可得如果序列时序图由明显趋势且比较平滑，我们可以采用曲线拟合或指数平滑来分析；如果序列时序图有明显的周期性我们一般采用季节性分析。 实验报告评分标准评分项目满分得分评分项目满分得分基本原理操作步骤与运行结果结果分析与讨论合 计授课教师批阅日期