应用统计学-经管类-第11章时间序列分析修改.pptVIP

表11-13 2005年各月份国际旅客人次的预测数据 单位：人次 线性趋势预测值 季节性预测值 年/月 时间 t 季节指数S ① ⑤ ⑦ ⑾ 2005/1 61 0.988 34087.4 44869.771 2 62 0.868 34276.4 39597.757 3 63 1.043 34465.5 47794.661 4 64 0.995 34654.5 45779.713 5 65 0.743 34843.5 34332.029 6 66 0.823 35032.5 38183.376 7 67 0.883 35221.5 41100.183 8 68 0.879 35410.6 41084.957 9 69 1.290 35599.6 60567.932 10 70 1.169 35788.6 55074.437 11 71 1.111 35977.6 52590.506 12 72 1.168 36166.7 55486.496 图11-10是2000-2004年各月份国际旅客人次的实际值和2000-2005年各月份国际旅客人次的线性预测值、实际值以及包含季节性变动的预测值的走势图，可以看出，加入季节性因素的预测值能更好地反映国际旅客人次的真实变动情况。 图11-10 时间序列预测在STATA中的实现 tssmooth smoother [type] newvar = exp [if] [in] [, ...] 移动平均预测 不加权 tssmooth ma newvar = exp [if] [in] [, window()..] 加权 tssmooth ma newvar = exp [if] [in] [, weights()..] 11-* 指数平滑预测模型 一次指数平滑预测 tssmooth exponential newvar = exp [if] [in] [, ...] 二次指数平滑预测 tssmooth dexponential newvar = exp [if] [in] [, ...] 11-* * 8-* 第四节 季节变动、循环波动和随机变动的测定 一、季节变动测定 二、循环波动测定 三、随机变动的测定 8-* 一、季节变动分析 (一)季节变动含义 1、季节变动：在一定时期内由于受自然季节变化（气候交替）或人文习惯因素（节假日）的影响而形成有规律的周期性的重复变动。 2、特征：有规律的变动，按一定的周期重复进行，每个周期变化大体相同，最大周期为一年。 （一）季节变动测定的目的和原理 季节变动测定的基本思路是：设各种变动因素是以乘法模型进行组合形成时间序列，则以时间序列中不含季节变动的长期趋势值为衡量基准，计算加入季节变动后各期的指标值与原趋势值的比率，以此衡量各期指标值受季节变动影响的程度。 若时间序列的变动中只有趋势变动而不含季节变动，则各期指标值与长期趋势值的比率应为100%；若时间序列在趋势变动的基础上加上季节变动的影响，则各期指标值会偏离长期趋势值，离差越大，说明该期指标值受季节性因素的影响程度越大。 11-* （二）季节变动的测定方法 季节变动的测定就是要计算出各季或各月的季节指数，即乘法模型 中的S，则上述季节变动测定的基本思路可以总结如下： 第一步，求时间序列的长期趋势值T； 第二步，设法剔除趋势变动和循环变动对时间序列的影响，得出仅包含季节变动和随机变动的时间序列资料，即： 第三步，从理论上讲，各年同期（月或季）的指标值与趋势值的比率应基本相同，其差异是随机因素作用的结果，可以通过对各年同期的比率分别求平均来消除随机变动的影响，得出季节变动的测定值，即季节指数S。 而根据序列是否存在明显的趋势变动，对长期趋势值T的处理方法有所不同，相应的有两种测定季节变动的方法。 1．同期平均法 2、趋势剔除法 8-* 季节变动分析之同期平均法P198 1、同期平均法 适用于水平趋势的时间序列，并且循环波动不明显— 各期趋势值可视为常数 对时间序列各期指标值求平均可消除随机变动和季节变动，得到的总平均数为各期的长期趋势值T 以若干年资料数据求出同月(季)的平均水平与各年总月(季)平均水平（T）相比，得出各月(季)的季节指数来测定季节变动的程度。 8-* 计算步骤： A、计算各年所有月份(或季度)的总平均数 B、计算各年同月(季)的平均数—消除了同月在各年得随机波动 (i=1~k 年，j =1~12月或 j =1~4季)（列平均） C、计算季节指数S I ， 表11-10 我国铁路客运量季节指数计算表