人类社会的各种活动所产生的资料如以发生的时间来区分，则可分为横断.docVIP

19 時間數列分析與預測 時間數列是依事件或資料發生的時間先後，依序排列的一群觀察值。分析時間數列時是以時間為自變數，各時點所發生事件的數值為依變數。 時間數列資料的分析方法約可分為：(時間數列的古典分析方法，(迴歸分析法，(平滑法等。平滑法一般常用的有三種：(移動平均法，(加權移動平均法，(指數平滑法。 時間數列主要用來預測，預測是否精確則有許多不同的方法可以衡量。最常用的衡量指標為平均平方差及平均絕對差。本章結構如下： 人類社會的各種活動所產生的資料如以發生的時間來區分，則可分為橫斷面資料（cross section data）（time series data）90年全國工商普查的廠商資料，此一資料是各個廠商在相同期間（90）（） 1970年至2003年每年台灣地區的就業資料 2003年3月1日至9月30日每週的新台幣匯率資料 台積電2001年至2004年每一季的營業收入資料 2004年2月1日至2004年7月31日每日台塑的股票交易資料 就任何個人或企業單位乃至政府部門而言，經常需要做出一些決定或決策，這些決策有些是短期的，有些是長期的。例如，個人買賣股票、投資不動產、借貸行為；企業單位對未來有關生產、銷售及存貨的預測與計劃、新產品的發展、消費者的需求；政府部門對國民所得的估計、人力資源的規劃、利率及物價水準的預測、投資需求的估計等。成功的個人或企業，有很大的部份是靠分析過去的時間數列資料，獲得可靠的資訊而做成適切的決策的結果。時間數列分析的目的在於，觀察及分析過去的資料以預測未來。 19.1 時間數列的意義與性質 時間數列的意義 時間數列是按事件或資料發生的時間先後，依序排列的一群觀察值。分析時間數列的主要目的是預測時間數列的未來數值。 分析時間數列時是以時間為自變數，各時點所發生的事件的數值為依變數。時間數列一般表示為： 如以圖表示時間數列時，將時間置於橫軸，縱軸為，並將各個觀察值連成一條曲線，稱為時間數列曲線。由此曲線我們可以看出觀察值隨時間變動的情形，如圖19.1所示。 圖19.1 時間數列資料 ( 時間數列的性質 時間數列具有如下幾個特性： 時間數列中的觀察值是由四個影響份子所組成。這四個份子是長期趨勢（trend）（cyclical fluctuation）（seasonal fluctuation）（irregular fluctuation） 時間數列的各個觀察值通常互有關聯，唯時間相隔越長，關聯性越小。 不同時間單位的時間數列因分析上的需要，可以轉換成相同時間單位的時間數列。例如年資料可以換算為月平均資料。 時間數列應依先後次序排列，不可任意變更。 時間數列的時間單位可以是年、季、月、週、日等。此外，為了分析方便，時間數列的觀察值可劃分為相等間隔的時間單位，若非相等間隔，時間數列在處理上較困難。 19.2 時間數列資料的組成 時間數列資料是由下面四個份子中的任何一個或全部的份子所組成：長期趨勢、循環變動、季節變動及不規則變動，這些份子表現出資料在時間過程中的變化情形。 19.2.1 長期趨勢 時間數列資料可以是一個小時、一星期、一個月或一年，甚至更長的期間，而在這段期間內，資料的數值雖可能呈現上下起伏的變動，但從長期來看，如顯示出逐漸持續上升或下降的趨勢時則稱有長期趨勢。像銷售收入、利潤、國民所得、人口數量、消費支出、投資、利率等，在長期間大都會顯示出上升或下降的趨勢，這是因為在長期間它們受到某些長期因素的影響，如偏好的改變、知識技術的進步、人口的增加及人口組成的變化及社會文化價值觀念的改變等。 長期趨勢 時間數列資料在長期間呈現上升或下降的持續變動的現象稱為長期趨勢。 我們如對過去的歷史資料做它的長期趨勢分析，則可以發現出它的長期趨勢的型態，藉此可以評估過去的做法或政策的好壞，從而可以對未來的做法提供一個有價值的參考。時間數列的長期趨勢可以用一條平滑的曲線來表示，稱為長期趨勢線。如圖19.2所示。 圖19.2 時間數列的長期趨勢 長期趨勢線的形式可分為直線的（linear）（nonlinear）3是幾種常見的長期趨勢線。 圖19.3 長期趨勢的幾個可能形態 19.2.2 循環變動 循環變動 年資料的時間數列資料環繞著趨勢線的上下波動的情形稱為循環變動。 循環變動通常是指一年以上的某一期間，實際的時間數列觀察值高於趨勢線，而其他期間的實際時間數列觀察值低於趨勢線的現象。循環變動並無一定的時間長短，有的很短如一、二年，但有的長到數十年。像經濟景氣循環就是一個常見的、典型的循環變動，它包含四個階段：上升或擴張（expansion）高峰（peak）下降或衰退（recession）谷底（trough）4為台灣地區實質GDP的成長率，由圖可知1973~2003年間經濟景氣的