商务统计与预测第六部分时间序列分析要点.ppt

* * * * * * * * * * * * * * * * * * * * * * * * * * 移动平均趋势剔除法计算季节指数(啤酒季度数据例题分析) 一、移动平均趋势剔除法计算季节指数(例题分析) 季节指数(例题分析) 二、分离季节因素 将原时间序列除以相应的季节指数 季节因素分离后的序列反映了在没有季节因素影响的情况下时间序列的变化形态。 季节性及其分离图 三、建立线性趋势模型及预测 根据分离季节性因素的序列确定线性趋势方程 根据趋势方程进行预测 该预测值不含季节性因素，即在没有季节因素影响情况下的预测值 计算最终的预测值 将回归预测值乘以相应的季节指数 计算预测误差----均方误差 线性趋势预测和最终预测值(例题分析) 2006年预测值(例题分析) 实际值和最终预测值图 例题分析--两种方法的结果比较 1.同期比较法 季节指数 0.77 1.03 1.28 0.92 根据分离季节性因素的序列确定线性趋势方程 预测均方误差 MSE=4.52 2.移动平均剔除趋势法 季节指数 0.79 1.04 1.28 0.89 根据分离季节性因素的序列确定线性趋势方程 预测均方误差 MSE=4.34 * 本章小结 时间序列的分解 时间序列的描述性分析 时间序列的水平和速度分析 平稳序列的预测 有趋势序列的分析和预测 复合型序列的分解和预测 用Excel 进行时间序列的趋势和季节变动分析 * 一、简答题 . 1.简述时间序列分解的四个因素。 2.简述时间序列预测的基本步骤？ 3.什么是增长1%的绝对值？它有什么应用意义？ 4. 计算季节指数的常用方法并比较其不同？ * 二、计算题 1.某地区2000-2005年粮食产量资料如下：： 年 份 2000 2001 2002 2003 2004 2005 粮食产量（万吨） 累计增长量（万吨） 环比发展速度（％） 200 — — 110 31 40 105 93 要求：（1）利用指标间的关系将表中所缺数字补齐； （2）计算该地区2000—2005年平均粮食增长量。 月 份 1月 3月 7月 下年1月 月初人数（万人） 102 185 190 184 2.某市2005年人口数资料如下： 试计算该市2005年平均人口数。 * 3.某企业第二季度有关资料如下 月份 4 5 6 7 计划产量（件） 105 105 110 实际产量（件） 105 110 115 月初工人数（人） 50 50 52 46 试计算：（1）第二季度平均每月实际产量； （2）第二季度平均工人数； （3）第二季度月平均劳动生产率； （4）第二季度劳动生产率； （5）第二季度平均产量计划完成程度。 * 计算题答案： 1.某地区2000-2005年粮食产量资料如下：： 年 份 2000 2001 2002 2003 2004 2005 粮食产量（万吨） 累计增长量（万吨） 环比发展速度（％） 200 — — 220 220 110 231 31 105 240 40 103.9 252 52 105 234.36 34.36 93 （2）该地区2000—2005年平均粮食增长量： 2、该市2005年平均人口数： * 3. * * * * * * * * * * * * * * * * 线性模型法(线性趋势方程) ?线性方程的形式为 —时间序列的预测值 t —时间标号；将时间(年份)数据转换为1, 2, 3, ┅。 b0—趋势线在Y 轴上的截距，t=0时的值 b1—趋势线的斜率，表示时间 t 变动一个单位时观察值的平均变动数量 即平均逐期增长量（即一阶差分）为常数b1。 因此，当现象随着时间的推移而呈现出稳定增长或下降的线性变化规律，即时间序列逐期增长量近似为一常数，其时序散点图呈线性趋势时，可采用线性模型拟合预测法. 线性模型法(b0 和 b1 的求解方程) 根据最小二乘法得到求解b0和b1的标准方程为 解得 预测误差可用估计标准误差来衡量 m为趋势方程中待确定的未知常数的个数 线性模型法(例题分析) 【例】根据人均GDP数据，用最小二乘法确定直线趋势方程，计