统计预测方法.pptVIP

解 （1） （2） 所以使用简单指数平滑法二期预测值中 前面的系数就等于平滑系数 Holt两参数指数平滑 使用场合 适用于对含有线性趋势的序列进行修匀 构造思想 假定序列有一个比较固定的线性趋势 两参数修匀 初始值的确定 平滑序列的初始值 趋势序列的初始值 Holt两参数指数平滑预测 期预测值 例3.5 对北京市1978——2000年报纸发行量序列进行Holt两参数指数平滑。指定 例3.5平滑效果图 3.2 季节效应分析 例3.6 以北京市1995年——2000年月平均气温序列为例，介绍季节效应分析的基本思想和具体操作步骤。 时序图 季节指数 季节指数的概念 所谓季节指数就是用简单平均法计算的周期内各时期季节性影响的相对数 季节模型 季节指数的计算 计算周期内各期平均数 计算总平均数 计算季节指数 季节指数的理解 季节指数反映了该季度与总平均值之间的一种比较稳定的关系 如果这个比值大于1，就说明该季度的值常常会高于总平均值 如果这个比值小于1，就说明该季度的值常常低于总平均值 如果序列的季节指数都近似等于1，那就说明该序列没有明显的季节效应 例3.6 季节指数的计算 例3.6 季节指数图 3.3 综合分析 常用综合分析模型 加法模型 乘法模型 混合模型 例3.7 对1993年—2000年中国社会消费品零售总额序列进行确定性时序分析。 (1)绘制时序图 (2)选择拟合模型 长期递增趋势和以年为固定周期的季节波动同时作用于该序列，因而尝试使用混合模型（b）拟合该序列的发展 (3)计算季节指数 月份 季节指数 月份 季节指数 1 0.982 7 0.929 2 0.943 8 0.940 3 0.920 9 1.001 4 0.911 10 1.054 5 0.925 11 1.100 6 0.951 12 1.335 季节指数图 季节调整后的序列图 (4)拟合长期趋势 (5)残差检验 (6)短期预测 4 时间序列建模 平稳时间序列 ARMA 非平稳时间序列 ARIMA等 (2) lga0 b1 k 渐进线（k）意味着市场对某类产品的需求 已由饱和状态开始下降 。 (3) lga0 0b1 k 渐进线（k）意味着市场对某类产品的需求 下降迅速，已接近最低水平k 。 (4) lga0 b1 k 渐进线（k）意味着市场对某类产品的需求 从最低水平k迅速上升。 二、皮尔曲线模型及其应用 皮尔曲线(logistic曲线)预测模型为： 2.5 曲线拟合优度分析 一、曲线的拟合优度分析 如前所述，实际的预测对象往往无法通过图形直观确认某种模型，而是与几种模型接近。这时，一般先初选几个模型，待对模型的拟合优度分析后再确定究竟用哪一种模型。 拟合优度指标： 评判拟合优度的好坏一般使用样本可决系数或标准误差来作为拟合效好坏的指标： 趋势分析 季节效应分析 综合分析 3 时间序列的分解 传统的因素分解 长期趋势(T) 循环波动(C) 季节性变化(S) 随机波动(I) 现在的因素分解 长期趋势波动(T) 季节性变化(S) 随机波动(I) 分解的模型 加法模型: 乘法模型: 混合模型: 3.1 趋势分析 目的 有些时间序列具有非常显著的趋势，我们分析的目的就是要找到序列中的这种趋势，并利用这种趋势对序列的发展作出合理的预测 常用方法 趋势拟合法 平滑法 趋势拟合法 趋势拟合法就是把时间作为自变量，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的方法 分类 线性拟合 非线性拟合 线性拟合 使用场合 长期趋势呈现出线形特征 模型结构 例10.3.1: 拟合澳大利亚政府1981——1990年每季度的消费支出序列 模型 参数估计方法 最小二乘估计 参数估计值 拟合效果图 非线性拟合 使用场合 长期趋势呈现出非线形特征 参数估计指导思想 能转换成线性模型的都转换成线性模型，用线性最小二乘法进行参数估计 实在不能转换成线性的，就用迭代法进行参数估计 常用非线性模型 － － － 变换后模型 迭代法 － 迭代法 － 迭代法 － 线性最小二乘估计 线性最小二乘估计 参数估计方法 变换 模型 例10.3.2：  对上海证券交易所每月末上证指数序列进行模型拟合 非线性拟合 模型 变换 参数估计方法 线性最小二乘估计 拟合模型口径 拟合效果图 平滑法 平滑法是进行趋势分析和预测时常用的一种方法。它是利用修匀技术，削弱短期随机波动对序列的影响，使序列平滑化，从而显示出长期趋势变化的规律 常用平滑方法 移动平均法