11时间序列说课.pptVIP

11.1 概述 11.2 多项式曲线法 11.3 移动平均法 11.4 指数平滑法;为什么要进行时间序列分析？;时间序列分析提出的背景;11.1 概述;11.1.1 时间序列数据的概念;2.倾向变动分析预测方法的体系 ;3.倾向线拟合方法的特点 实质上是一种时间序列回归分析方法,它是通过数学模型的建立和求解来进行分析的.这种方法的优点是精确度比较高,但是也有三个缺陷: 近期数据对事物当前发展趋势的影响大,而早期数据的影响相对较小,但时间序列回归分析法对于近期数据和早期数据的重要性不加区别,所以它不能很好地反映事物发展的趋势; 时间序列回归分析是对于全部是时间序列数据的统计分析和数学抽象,所以当有新的数据点出现时,回归方程就要重新确定,全部数据都要重新处理,而不能自行延续; 回归分析的数据运算工作量大,也比较复杂.;3.倾向线逐步修正方法的特点 倾向线逐步修正方法则是与倾向线拟合方法性质完全不同的方法.它通过时间序列数据的平滑来进行分析. 所谓平滑,就是将原始时间序列数据不规则的、有突变的轨迹大致地进行修匀，形成平滑的倾向线，以把握事物的发展趋势。; 11.2 多项式曲线法;11.2.1 一次曲线（直线）;例11-1. 江苏省1985年到2002年专利申请量数据如下表所示。;据此画出时间序列散点图如下.;例11-1. 用SPSS求得; 为了衡量所得的回归方程与实际值的偏离程度，引入不一致系数u。 不一致系数u值越小，说明所得的拟合曲线（回归方程）与实际值倾向线的偏差越小，即拟合得越好。;利用EXCEL; 所以得到直线回归方程为 y=7370.5+593.2t;11.2.2 二次曲线;11.2.2 二次曲线;11.2.2 二次曲线;11.2.2 二次曲线;11.2.2 二次曲线;11.2.3 三次曲线;11.2.3 三次曲线; 11.3 移动平均法;11.3.1 移动平均法概述;11.3.2 一次移动平均;11.3.2 一次移动平均;11.3.2 一次移动平均;11.3.2 一次移动平均;11.3.2 一次移动平均;11.3.2 一次移动平均;11.3.2 一次移动平均;11.3.2 一次移动平均;例：3年移动平均与4年移动平均;11.3.3 二次移动平均;11.3.3 二次移动平均;11.3.3 二次移动平均;11.3.3 二次移动平均;11.3.3 二次移动平均;11.3.3 二次移动平均; 11.4 指数平滑法;指数平滑法;一次指数平滑法;一次指数平滑法;一次指数平滑法;案例;案例;（2）选择平滑系数α，计算各年一次指数平滑值 这里分别取α=0.1、α=0.6和α=0.9计算各年一次指数平滑值 ;（3）对不同平滑系数下取得的平滑值进行误差分析，确定α的取值。 方法：计算各平滑系数下平滑值的平均绝对误差（平均差）;通过比较，α=0.9时的平滑值的平均绝对误差最小，因此选用α=0.9用为平滑系数。;⑷预测2009年销售额;二次指数平滑;二次指数平滑;二次指数平滑的思想;二次指数平滑数学模型;例题某地1983年至1993年财政入的资料如下，试用指数平滑法求解趋势直线方程并预测1996年的财政收入; 若时间序列的变动呈现出二次曲线趋势，则需要采用三次指数平滑法进行预测。三次指数平滑是在二次指数平滑的基础上再进行一次平滑，其计算公式为 ;三次指数平滑法的预测模型为 式中： ;解：通过实际数据序列呈非线性递增趋势，采用三次指数平滑预测方法。解题步骤如下。确定指数平滑的初始值和权系数（平滑系数）?。设一次、二次指数平滑的初始值为最早三个数据的平均值，即 实际数据序列的倾向性变动较明显，权系数（平滑系数）? 不宜取太小，故取? ? 0.3。 ;2）根据指数平滑值计算公式依次计算一次、二次、三次指数平滑值。; （3）计算非线性预测模型的系数at, bt, ct。