第2章 确定性时间序列模型.pptVIP

3、确定性时间序列分析与随机性时间序列分析 时间序列依据其特征，有以下几种表现形式，并产生与之 相适应的分析方法： （1）长期趋势变化 受某种基本因素的影响，数据依时间变化时表现为一种确定 倾向，它按某种规则稳步地增长或下降。 使用的分析方法有：移动平均法、指数平滑法、模型拟合法 等； 经济变量的时间序列通常可以分解成四部分，即： 长期趋势，用 T （Trend）表示 季节波动，用 S （Seasonal）表示 循环波动，用 C （Cyclical）表示 不规则波动，用 e （Irregular） 表示 2.3 确定性时间序列模型 确定性时间序列模型的一般形式 Yt = f（t） + ε t 常数模型 线性趋势模型 非线性趋势模型 二次趋势模型，描述抛物线型趋势变化 指数模型，描述指数增长趋势变化 逻辑增长曲线模型 龚珀兹增长曲线模型 季节性模型 一、常数模型 数学模型 Yt = b + ε t 描述具有水平型变化的时间序列，常数 b 代表观测值围绕 波动的未知水平 ε t 是随机项，包括了对经济变量有影响的各种随机因素。 假设： E（ ε t ）= 0 Var（ ε t ）= σε2 Cov（ ε t ε t -j）= 0 j ≠ 0 二、线性趋势模型 数学模型 Yt = b0 + b1t + ε t 具有线性趋势变化的时间序列，其观测值可以看成围绕某 一趋势直线（上升或下降）随机波动 函数 f（t）= b0 + b1t 表示这个随时间变化的趋势直线 b0 表示在 t = 0 时时间序列的水平 b1 表示时间序列从一个时期到另一个时期变化的平均值 ε t 是随机项，包括了对经济变量有影响的各种随机因素。 假设： E（ε t ）= 0 Var（ε t ）= σε2 Cov（ε t ε t -j）= 0 j ≠ 0 线性模型法 三、二次趋势模型 描述抛物线型趋势变化的数学模型 Yt = b0 + b1t + b2 t 2 + εt 二次曲线 四、时间的多项式模型 三次模型 Yt = b0 + b1 t + b2 t 2 + b3 t 3 + εt 四次模型 Yt = b0 + b1t + b2 t 2 + b3 t 3 + b4t 4 + εt N次模型 Yt = b0 + b1t + b2 t 2 + ……+ bn t n + εt 五、指数增长趋势变化 时间序列模型 Yt = abt εt 或 Yt = K + abt εt Yt = aebt εt 指数曲线 六、逻辑增长曲线模型 也称S函数曲线（逻辑曲线）模型 该曲线的特点是某变量刚开始时，随着t的增加，y的增长速 度逐渐增加，当y达到一定水平时，其增长速度又放慢，最后超 近于 一条渐近线 该方程经常用来描述某消费品的生命周期的变化，可将其分 为四个阶段，即缓慢增长→快速增长→增速放慢→相对饱和 七、龚珀兹曲线(Gompertz curve) 以英国统计学家和数学家 B·Gompertz 的名字而命名 一般形式为 八、罗吉斯蒂曲线(Logistic Curve) 1838年比利时数学家 Verhulst所确定的名称 该曲线所描述的现象的特征与Gompertz曲线类似 其曲线方程为 拟合趋势模型的实现步骤： 第一步：根据经济理论选择变量 第二步：选择趋势模型的形式（画图） 第三步：非线性模型线性化：如 九、季节性模型 由时间 t 的三角函数构成的季节性模型 2.4 趋势和季节调整 基于乘积模型的时间序列分解 Yt = T×S×C×I 第一步：消除时间序列中的季节因素和不规则因素 采用移动平均法 计算移动平均值的时期等于季节波动的周期长度 用移动平均法计算的结果是只包含长期趋势因素T 和循环波动因素C的时间序列，即： Mt = T×C 第二步：计算只反映季节波动的季节指数（Seasonal indices） 用移动平均值去除原时间序列中对应时期的实际值，得到 只包含季节波动和不规则波动的时间序列，即： S×e 通常是围绕1随机波动的值，某个时期的值大于1，则该 时期的季节波动大于平均水平 季节指数是通过对时间序列 S×I 计算平均值得到的，即： 第三步：把长期趋势因素与循环因素分开 识别长期趋势变动的类型，建立相应的确定性时间序列 模型 例如，时间序列的长期趋势可以用下列模型表示 Yt = b0 + b1t + ε t 用最小二乘法估计出模型中参数b0 和 b1，则长期趋势值 可以用下式计算： 反映循环因素波动的循环指数可以用下式计算 经济变量的发展变