10第十章 时间序列分析.ppt

第十章 时间序列分析 第一节 时间序列分解 第二节 长期趋势分析 第三节 季节变动分析 第四节 循环波动分析 第六节 时间序列的动态分析指标 时间序列(概念要点) 定义:同一现象在不同的时间上相继观察值排列而成的数列称为时间序列. 1、时间序列在形式上由现象所属的时间和现象在不同时间上的观察值两部分组成 2、 排列的时间可以是年份、季度、月份或其他任何时间形式 时间序列(例子) 中国人口增长 时间序列分解 长期趋势(T) (Secular Trend ) 季节波动(S) (Seasonal Fluctuation ) 循环波动(C) (Cyclical Movement ) 随机波动(不规则变动)(I) (Irregular Variations ) 时间序列分析模型 1、叠加模型 上面四部分对时间序列的影响是可加的, 并且是相互独立的。 Y=T+S+C+I 2、乘积模型 上面四部分对序列的影响均按比例而变化. Y=T.S.C.I 其中, T的度量单位与Y相同, 而C, S和I均以百分比表示. 时间序列的分类 时间序列的构成要素（构成要素与测定方法） 长期趋势 1、现象在较长时期内持续发展变化的一种趋向或状态 2、由影响时间序列的基本因素作用形成 3、时间序列的主要构成要素 4、有线性趋势和非线性趋势 5、长期趋势测定的方法主要有两种上, 一是数学曲线法,二是自移动平均法。 线性趋势 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 测定方法有 移动平均法 移动中位数法 线性模型法 线性模型法(概念要点与基本形式) 现象的发展按线性趋势变化时，可用线性模型表示 线性模型的形式为 线性模型法(a 和 b 的最小二乘估计) 趋势方程中的两个未知常数 a 和 b 按最小二乘法(Least-square Method）求得 根据回归分析中的最小二乘法原理 使各实际观察值与趋势值的离差平方和为最小 最小二乘法既可以配合趋势直线，也可用于配合趋势曲线 根据趋势线计算出各个时期的趋势值 线性模型法（a和b的最小二乘估计） 线性模型法(实例及计算过程) 线性模型法（计算结果） 线性模型法(趋势图) 非线性趋势 二次曲线(Second Degree Curve) 现象的发展趋势为抛物线形态 一般形式为 二次曲线(Second Degree Curve) 根据最小二乘法得到求解 a、b、c 的标准方程为 二次曲线(实例) 二次曲线(计算过程) 二次曲线（计算结果） 二次曲线(趋势图) 指数曲线(Exponential curve) 用于描述以几何级数递增或递减的现象 一般形式为 指数曲线(a、b 的求解方法) 采取“线性化”手段将其化为对数直线形式 根据最小二乘法，得到求解 lga、lgb 的标准方程为 指数曲线(实例及计算结果) 指数曲线(趋势图) 指数曲线与直线的比较 修正指数曲线(Modified exponential curve) 在一般指数曲线的基础上增加一个常数K 一般形式为 修正指数曲线(求解k、a、b 的三和法) 修正指数曲线(求解k、a、b 的三和法) 修正指数曲线(实例) 修正指数曲线（计算结果） 修正指数曲线（计算结果） 修正指数曲线(趋势图) 龚铂兹曲线(Gompertz curve) 以英国统计学家和数学家 B·Gompertz 而命名 一般形式为 Gompertz曲线(求解k、a、b 的三和法) 将其改写为对数形式 Gompertz曲线(实例) Gompertz曲线（计算结果） Gompertz曲线（计算结果） Gompertz曲线(趋势图) 罗吉斯蒂曲线(Logistic Curve) Logistic 曲线(求解k、a、b 的三和法) 趋势线的选择 观察散点图 根据观察数据本身，按以下标准选择趋势线 一次差大体相同，配合直线 二次差大体相同，配合二次曲线 对数的一次差大体相同，配合指数曲线 一次差的环比值大体相同，配合修正指数曲线 对数一次差的环比值大体相同，配合 Gompertz 曲线 倒数一次差的环比值大体相同，配合Logistic曲线 3. 比较估计标准误差 移动平均法(Moving Average Method) 测定长期趋势的一种较简单的常用方法 通过扩大原时间序列的时间间隔，并按一定的间隔长度逐期移动，计算出一系列移动平均数 由移动平均数形成的新的时间序列对原时间序列的波动起到修匀作用，从而呈现出现象发展的变动趋势 移动步长为K(1Kn)的移动平均序列为 移动平均法(实例) 移动平均法(趋势图) 移动平均法(应注意的问题) 移动平均后的趋势值应放在各移动项的中间位置 对于偶数项移动平均需要进行“中心化”