第五讲时间序列数据描述_712105314.ppt

2、时间序列的分解 （1）加法模型，它假定4种变动因素相互独立，时间序列各时期的发展水平是各个构成要素的总合。即 Y=T+S+C+I （2）乘法模型，它假定4种变动因素之间存在着交互作用，时间序列各时期发展水平的各个构成因素的乘积，即 Y=T?S?C?I 六、时间序列的简单分析模型 1、滑动平均模型 滑动平均模型的主要作用是消除干扰，显示序列的趋势性变化，并用于趋势预测。 2、加权滑动平均模型 称为时间序列的加权滑动平均数序列。 为加 权因子，满足 加权滑动平均模型的主要作用除了消除波动，显示序列的趋势性变化外，还可以通过加权因子的选取，增加新数据的权重，使趋势预测更加准确。 3、二次滑动平均模型 所谓二次滑动平均是对经过一次滑动平均产生的序列再进行滑动平均。即 (3) 由此构成的序列称为时间序列的二次滑动平均数序列，该式表达的模型称为二次滑动平均模型。 4、指数平滑模型 如果采用下式求得序列的平滑预测值 则称此预测模型为指数平滑模型，其中 а称为平滑常数，0а1。也可以写成： 即预测值是前期实际值与预测值的加权和。 ⑸ 二次指数平滑模型 在一次指数平滑模型的基础上再进行指数平滑计算，即构成二次指数平滑模型。同样，还可以构成三次指数平滑模型。不再赘述。 表4是1999-2010年的粮食播种面积，试用移动平均法和指数平滑法预测2006年的播种面积 粮食播种面积预测 万亩 年份 粮食播种面积 三项移动平均 三项加权移动平均 一次指数平滑 1999 110933 2000 111268 2001 110123 2002 112205 110774.7 110639.7 110790.5 2003 113466 111198.7 110354.8 111397.7 2004 112314 111931.3 112488.5 112171 2005 110560 112661.7 112679.8 112228.2 2006 110509 112113.3 111629.0 111560.9 2007 109544 111127.7 110826.8 111140.2 2008 110060 110204.3 110035.0 110501.7 2009 112548 110037.7 109962.8 110325 2010 112912 110717.3 111218.0 111214.2 2011 111840 112315.3 111893.3 (1)简单移动平均。取N=3，M2002=（110933+111268+110123）/3=110774.7， 同理，Y2011 =（110060+112548+112912）/3 =111840。 （2）加权移动平均。取W1=1，W2=2，W3=3， M2002=（1*110933+2*111268+3*110123）/6=110639.7， Y2011=（1*110060+2*112548+3*112912）/6=112315.3 （３）指数平滑法。取平滑系数а＝0.4，平滑初始值S=(Y1999+Y2000)/2=(110933+111268)/2=111100.5. Y2002=0.4*110123 + 0.6*111100.5=110709.5 同理， Ｙ2011＝0.4*112912+0.6*111214.2=111893.3 第五讲 时间序列数据描述 一、时间序列概念及作用 1、问题的提出： 社会经济现象经常是随着时间的变化，呈现动态性。统计对社会经济现象的研究，不仅从静态上解释研究对象在具体时间、地点、条件下的数量特征和数量关系，而且从动态上反映其变化过程及规律性。 2、概念 时间序列也称动态数列，是将某一指标在各个不同