第四章时间数列简版.ppt

统计学原理 具有阶梯型变化的时间序列 Yt t 统计学原理 时间序列的转折性变化 Yt t 统计学原理 长期趋势的测定与预测 移动平均原理 时间数列中后面的数据中包含有以前数值的信息，通常采用算术平均方法。 移动平均法（Moving Average）介绍 移动平均是利用平均的方法，被平均的数据个数是固定的，但是被平均的数值随时间推移，不断吐故纳新，故名为移动平均。适当的移动平均可消除季节变动和不规则变动。 统计学原理 ▼移动项数为偶数时，需要进行第二次移动平均，以移正。这样移正后的新时间数列项数为原时间数列项数-移动项数，前后各少k/2项。 移动项数要根据时间数列的特点确定，如有季节变动的，移动项数取4。移动项数越多，修匀效果越好，趋势线越平滑。 ▼简单移动平均可以形成新的时间数列作为原数列的趋势值，然后在原数列中除以或者减去这些趋势值，可得到季节变动和不规则变动。移动平均还可以用来预测。 统计学原理 － － － 22.67 22.00 22.67 21.00 22.00 20.00 19.67 － 18.00 － － 22 2003 22 2002 24 2001 22 2000 20 1999 17 1998 17 1997 MA（5） MA（3） 产量（万元） 年份 例 移动项数为奇数的移动平均 统计学原理 － － － 22.250 21.375 19.875 18.625 － － － 22 2002 22 2001 24 2000 22 1999 20 1998 17 1997 17 1996 19 1995 移正平均 MA（4） 产量（万元） 年份 18.25 19.00 20.75 22.00 22.50 例 移动项数为偶数的移动平均 统计学原理 移动平均预测法 前面移动平均法所得到的平均值就是预测值，只不过这种简单移动平均预测法认为以前所有信息对预测值的影响相同，故采用的简单算术平均，可写成： 即每一期新的预测值是对前一次移动平均预测值的修正，这一修正包括最新的观察值减去最早的观察值。 实际上，越近的观察值对预测值影响越大。可以按时间顺序，给离得越近的观察值赋予越大的权数来体现这种思想，于是产生指数平滑预测法。 统计学原理 显然，这是加权算术平均。若令α=1/k在0到1之间变化，则上式表示成： 可见，权数随时间往前按指数规律递减。 统计学原理 数学模型法（趋势外推法） 直线趋势 当逐期增长量大致相等时，则可考虑配合直线趋势方程。 令 根据历史数据以数学模型的形式，对未来进行预测。假设条件是事物发展过程一般属于渐进变化；未来的影响因素不会发生大的变化。原理是根据离差平方和最小的拟合曲线作为最为恰当的趋势线。即 统计学原理 项数为奇数时t设置为: ???,－3,－2,－1，0，1，2，3，??? 项数为偶数时t设置为: ???,－5,－3,－1，1，3，5，??? 简化公式 抛物线趋势 　　当二级增长量（逐期增长量的增长量）大致相等时， 则可考虑配合抛物线趋势方程 ： 指数曲线趋势 　　当动态数列的环比发展速度大致相同时，则可考虑对 动态数列拟合指数曲线方程 ： 因为时间是人为设定，是等差数列。对时间进行重新设定，只要假定的t是等差数列，并且满足 就可以得到简化公式。 统计学原理 要求： 1）用3项和5项移动平均预测2008年的营业额。 2）用最小平方法配合适当的直线方程。 3）预测2008年该超市的营业额。 例 某超市2000－2007年营业额如下： 单位：万元 年份 营业额 2000 100 2001 110 2002 108 2003 120 2004 123 2005 140 2006 139 2007 164 统计学原理 年份 营业额y MA（3） MA（5） t t2 ty 2000 100 — — -7 49 -700 2001 110 — — -5 25 -550 2002 108 — — -3 9 -324 2003 120 106 — -1 1 -120 2004 123 112.7 — 1 1 123 2005 140 117 112.2 3 9 420 2006 139 127.7 120.2 5 25 695 2007 164 134 126 7 49 1148 2008 — 147.7 137.2 / / / 合计 1004 / / 0 168 692 直线趋势方程为 2008年营业额预测值为 统计学原理 要求： 1）用最小平方法配合适当的直线方程。 2）预测2009年第一季度该电脑出货量。 课堂练习 某电脑代理商2007-2008年各季度电脑销售：