计量地理学第4章第3节时间序列分析选编.pptVIP

时间序列分析;一、时间序列分析的基本原理 ;季节变动（S），是时间序列在一年中或固定时间内，呈现出的固定规则的变动。 ;*;循环变动（S），是指沿着趋势线如钟摆般地循环变动，又称景气循环变动(Business Cycle Movement) 。;不规则变动（I），是指在时间序列中由于随机因素影响所引起的变动。 ;经济系统 的内部因素;（二）时间序列的组合模型 加法模型，假定时间序列是基于四种成份相加而成的。长期趋势并不影响季节变动。若以Y表示时间序列，则加法模型为： Y=T+S+C+I 乘法模型，假定时间序列是基于四种成份相乘而成的。假定季节变动与循环变动为长期趋势的函数。该模型的方程式为：;二、趋势拟合方法;　 移动平均法使用时间数列中最近几个时期数据值的平均数作为下一个时期的预测值。因此，移动平均数的计算公式如下： ????????????????????????? ???? 　　使用“移动”项是因为每一时期新的观测值对时间数列都是有用的，用它代替式中最旧的观测值，可计算一个新的平均数。因此，当新的观测值变得有用时，平均数将变化或移动。　;年份;2. 滑动平均法 ：其计算公式为 式中， 为t点的滑动平均值，L为单侧平滑时距。 若L=1，则上式称为三点滑动平均，其计算公式为 若L=2，则称为五点滑动平均， 其计算公式为;年份;3.指数平滑法 ① 一次指数平滑 α为平滑系数。一般时间序列较平稳，α取值可小一些[一般取α∈（0.05, 0.3）] ；若时间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）]。 ; ② 高次指数平滑法 ▲一次指数平滑法 ▲二次指数平滑法的预测公式 为 二次指数平滑法的预测公式为 其中 ; ② 高次指数平滑法 ▲ 三次指数平滑法的预测公式 为 ;三种最常用的趋势线 直线型趋势线 指数型趋势线 抛物线型趋势线 ;利用趋势推测法进行预测：例题1; 不想关注时间数列的每一时间趋势成分和每一次向上或向下的波动。但趋势成分将反映时间数列的一种逐渐的变动，如这个例子中波动是向上的。在观察了表1中的时间???列资料和图1之后，我们认为在图2中显示的线性趋势，可对时间数列的长期运动提供合理的描述。 ;　　用自行车销售量的资料，来说明应用回归分析确定线性趋势的计算问题。用最小二乘法来发现两个变量的线性关系，建立自行车销售量时间数列的线性趋势的方法。回归分析来估计时间和销售量之间的关系。 　　 描述自变量x和因变量y之间线性关系的估计回归方程为：? 　　　　　?????????????????????　　　　　　　　　　?????;为了强调在这个预测中自变量是时间这一事实，我们用t来替代式中的x。另外，我们用Tt取代 y ，因此被估计的销售量可表示为时间的函数，其表达式如下： ;????T——时间数列的平均值，即:;1.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，共有n个观察值。把前后相邻两期的观察值一一成对，便有（n－1）对数据，即(y1,y2)，(y2,y3)，…，(yt,yt+1)，…，(yn-1,yn)。其一阶自相关系数r1为 ;二阶自相关系数r2为 k阶自相关系数为 ;;; 2.自回归模型的建立 常见的线性自回归模型： ① 一阶线性自回归预测模型为 ② 二阶线性自回归预测模型为 ③ 一般地，p阶线性自回归模型为 在以上各式中， 为待估计的参数值，它们可以通过最小二乘法估计获得。;基本步骤： （1）对原时间序列求移动平均，以消除季节变动和不规则变动，保留长期趋势； （2）将原序列y除以其对应的趋势方程值（或平滑值），分离出季节变动（含不规则变动）， 即： 季节系数= TSCI/趋势方程值（TC或平滑值）=SI ;（3）将月度（或季度）的季节指标加总，以由计算误差导致的值去除理论加总值，得到一个校正系数，并以该校正系数乘以季节性指标从而获得调整后季节性指标。 （4）求预测模型，若求下一年度的预测值，延长趋势线即可；若求各月（季）的预测值，需以趋势值乘以各月份（季度）的季节性指标。 求季节变动预测的数学模型（以直线为例）为 式中： 是t+k时预测值，at、bt为方程系数， 为季节性指标。; 例 题 某旅游景点2002～2004年各季度客流量yi（104人次