第八章 预测技术.ppt

用时间数列的第一个观察值除以相应的中心化的移动平均数，可以确定时间数列的季节不规则影响值。例如，第1年第3季度的季节不规则值为6.0/5.475=1.096。表9是时间数列季节不规则值的全部结果。 电视机季度销售量时间数列和中心化的移动平均数的图形 8.0 7.0 6.0 5.0 4.0 电视机季度销售量/千台 1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4 第1年 第2年 第3年 第4年 年/季度 中心化的移动平均时间数列 年份 季度 销售量/千台 中心化的移动 平均数 季节不规则值 1 1 4.8 2 4.1 3 6.0 5.475 1.096 4 6.5 5.738 1.133 2 1 5.8 5.975 0.971 2 5.2 6.188 0.840 3 6.8 6.325 1.075 4 7.4 6.400 1.156 3 1 6.0 6.538 0.918 2 5.6 6.675 0.839 3 7.5 6.763 1.109 4 7.8 6.838 1.141 4 1 6.3 6.938 0.908 2 5.9 7.075 0.835 3 8.0 4 8.4 下表中的数值的解释提供了电视机销售的季节成分的一些信息。最佳销售季节是第4季度，它的销售水平比总平均水平高出14%，最差或低的销售季节是第2季度，它的季节指数为0.84，说明其销售水平比总平均季度销售水平低16%。季节成分符合人们收看电视的直观上的期望。 电石机销售量时间数列的季节指数计算结果 季度 季节不规则成分的数值（StIt） 季节指数（St） 1 0.971，0.918，0.908 0.93 2 0.840，0.839，0.934 0.84 3 1.096，1.075，1.109 1.09 4 1.133，1.156，1.141 1.14 在取得季节指数时，有时候需要对季节指数进行调整。乘法模型需要平均季节指数等于1.00，因此，表中4个季度的季节指数总和必须等于4.00。 例如，对季度数据，每个季节指数乘以4再除以未调整季节指数之和。有些练习将需要这种调整。以获得合理的季节指数。 3．消除时间数列的季节影响 找出季节指数的目的是为了从时间数列中去掉季节影响。这种过程称为时间数列消除季节影响。乘法模型为 用时间数列的每个观察值除以相应的季节指数，则可以对时间数列消除季节影响。在下表中是电视机销售量消除季节影响后的时间数列资料，图13是电视机销售量时间数列消除季节影响后的图形。 年份 季度 1 1 4.8 0.93 5.16 2 4.1 0.84 4.88 3 6.0 1.09 5.50 4 6.5 1.14 5.70 2 1 5.8 0.93 6.24 2 5.2 0.84 6.19 3 6.8 1.09 6.24 4 7.4 1.14 6.49 3 1 6.0 0.93 6.45 2 5.6 0.84 6.67 3 7.5 1.09 6.88 4 7.8 1.14 6.84 4 1 6.3 0.93 6.77 2 5.9 0.84 7.02 3 8.0 1.09 7.34 4 8.4 1.14 7.37 季节指数 消除季节影响的 销售量 销售量/ 千台 4．利用消除季节影响的时间数列确定趋势 尽管下图中的图形显示过去16个季度的资料有一些上、下的随机波，但时间数列似乎有一个向上的线性趋势。为确定这个趋势，使用同上一节相同的程序。 但这种情形中，所用的资料是消除季节影响的季度销售量数据。因此对于这个线性趋势，估计的销售量被作为时间的函数，即 消除季节影响的电视机销售量时间数列 8.0 7.0 6.0 5.0 4.0 消除季节影响销售量/千台 1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4 第1年 第2年 第3年 第4年 年/季度 同前面一样，t=1对应时间数列的第1个观察值的时间，t=2对应时间数列第2个观察值的时间，依此 类推。所以计算的公式为： 注意，这时表示t期消除季节影响后时间数列的数值，而不是时间数列的实际值。根据给出的的表达式及表11中消除季节影响的销售量资料，有如下的计算结果。 （消除季节影响） 1 5.16 5.16 1 2 4.88 9.76 4 3 5.50 16.50 9 4 5.70 22.80 16 5 6.24 31.20 25 6 6.19 37.14 36 7 6.24 43.68 49 8 6.49 51.92 64 9 6.45 58.05