统计学(第五章).ppt

* * * * * * * * * * * * * * * * * * * * 周期性分析 (剩余法) 1．先消去季节变动，求得无季节性资料 2．再将结果除以由分离季节性因素后的数据计算得到的趋势值，求得含有周期性及随机波动的序列 3．将结果进行移动平均(MA) ，以消除不规则波动，即得循环波动值 4． C = MA ( C × I ) 利用原时间序列，分别求出 T 和 S后，从中消去长期趋势 T 和季节波动 S 的影响，剩余CI。再对CI进行移动平均计算，消去I，则可得C。 工业总产值周期波动相对数计算表 季度 时间序号 产 值 Y S (%) CI （%） C （%） 三项移动 83.1 83.2 83.3 83.4 84.1 84.2 84.3 84.4 1 2 3 4 5 6 7 8 1382.4 1584.2 1533.7 1631.0 1548.2 1761.9 1751.8 1903.6 1424.0 1486.7 1549.3 1612.0 1674.7 1737.4 1800.1 1862.8 94.7 105.0 98.8 101.5 94.7 105.0 98.8 101.5 102.5 101.5 100.2 99.7 97.6 96.6 98.5 100.7 — 101.4 100.5 99.2 98.0 97.6 98.6 101.2 将Y四项移动平均之后二项移动平均得到CMA后，求出Y/CMA，然后求出季节指数S 剔除季节因素后的序列(Y/S)用线性趋势方程进行回归分析得出T 季度 时间序号 产 值 Y 季节波动 S CI （%） C （%） 85.1 85.2 85.3 85.4 86.1 86.2 86.3 86.4 9 10 11 12 13 14 15 16 1903.8 2178.3 2057.9 2111.5 1987.2 2294.0 2230.0 2446.4 1925.5 1988.2 2050.8 2113.5 2176.2 2238.9 2301.6 2364.3 94.7 105.0 98.8 101.5 94.7 105.0 98.8 101.5 104.4 104.3 101.6 98.4 96.4 97.6 98.1 101.9 103.1 103.4 101.4 98.8 97.5 97.4 99.2 — （续） 0.90 0.95 1.00 1.05 1.10 波峰 波谷 波谷 工业总产值的周期波动图 C 1986.3 1983.2 t 周期性分析 随机波动 * * * * * * * * * * * * * * * * * * * * * * * * * * 一次指数平滑法比较简单，但也有问题，从例中也可看出，α值和初始值的确定是关键，它们直接影响着趋势值误差的大小。通常对于α和初始值的确定可按以下方法： 选择α，一个总的原则是使预测值与实际观察值之间的误差最小。从理论上讲，α取0–1之间的任意数据均可以。具体如何选择，要视时间序列的变化趋势来定。 当时间序列呈较稳定的水平趋势时，应取小一些，如0.1–0.3，以减小修正幅度，同时各期观察值的权数差别不大，预测模型能包含更长时间序列的信息。 当时间序列波动较大时，宜选择居中的α值，如0.3–0.5。 当时间序列波动很大，呈现明显且迅速的上升或下降趋势时，α应取大些，如0.6–0.8，以使预测模型灵敏度高些，能迅速跟上数据的变化。 在实际预测中，可取几个α值进行试算，比较预测误差，选择误差小的那个α值。 三、数学模型法 1．线性趋势 2．非线性趋势 1.线性模型法(线性趋势方程) ?线性方程的形式为 —时间序列的趋势值 t —时间标号 a—趋势线在Y 轴上的截距 b—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 线性模型法(a 和 b 的最小二乘估计) 1、趋势方程中的两个未知常数a 和b 按最小二乘法求得 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 2、根据趋势线计算出各个时期的趋势值 线性模型法(a 和 b 的求解方程) 根据最小二乘法得到求解 a 和 b 的标准方程为 解得： 预测误差可用估计标准误差来衡量 m为趋势方程中变数的个数 线性模型法 【例】根据人口自然增长率数据，用最小二乘法确定直线趋势方程，计算出各期的趋势值和预测误差，预测2001年的人口自然增长率，并将原序列和各期的趋势值序列绘制成图形进行比较 线性模型法(例题分析) 线性趋势方程： 预测的估计标准误差： 2001年人口自然增长率的预测值：