统计专业实验-实验4-时间序列分解和趋势外推预测.docVIP

实 验 报 告 实验项目 实验掌握；掌握。）（即随机扰动项）是一个随机变量；（2）（即随机扰动项）的平均值为零；（3）同方差；（4）（即随机扰动项）无自相关性；（5）（即随机扰动项）与自变量无关。另外，线性趋势模型，主要揭示事物发展的未来，并定量的估计其功能性。一元线性回归模型，主要针对两个变量数据大体上呈直线趋势时，找到两者之间特定的经验公式，根据自变量的变化来预测因变量发展变化。  实验运行程序、基本步骤及运行结果： （一）已知某公司1998-2009各季度销售额，画出序列图，分析其影响因素 基本操作（基于office2007版）： 选中销售额Y的数据区域，点击插入—--折线图---确定，所得序列图如下： 由图可知，该序列图受到长期趋势，季节变动，周期变动，可能还有不规则变动的因素影响。 （二）对上述时间序列进行因素分解，并预测2010年各季度销售额。 基本操作： （1）先做四项平均Mt，再做居中平均TC，根据Y/TC得到序列SI。 （2）根据每年四个季度，将所有年的同一季度进行平均得到季节指数S （3）应用intercept函数和slope函数可得线性T函数，然后根据表中的数据计算可以得出相应的T。再由TC/T得到C。 (4)利用上面的方法可得相应的折线图， （5）利用Y(t)=T(t)*S(t)*C(t)来预测2010年各个季度的预测值，其中C的值是根据历史数据采用主观判断方法确定的。 最终结果如下: S t Y Mt 居中平均TC SI=Y/TC S T(线形) C=TC/T 1998.1 1 3017.6 　 　 　 12774.57986 　 1998.2 2 3043.54 2741.333 　 　 12813.56065 　 1998.3 3 2094.35 2805.633 2773.4825 0.7551337 02852.54145 01998.4 4 2809.84 2835.568 2820.6 0.9961852 12891.52224 01999.1 5 3274.8 2840.558 2838.0625 1.1538858 　 2930.50304 01999.2 6 3163.28 2894.24 2867.39875 1.103188 　 2969.48383 01999.3 7 2114.31 2907.41 2900.825 0.7288651 　 3008.46463 01999.4 8 3024.57 2989.96 2948.685 1.0257352 　 3047.44542 02000.1 9 3327.48 3071.365 3030.6625 1.0979382 　 3086.42622 02000.2 10 3493.48 3187.92 3129.6425 1.1162553 　 3125.40701 12000.3 11 2439.93 3277.32 3232.62 0.754784 　 3164.38781 12000.4 12 3490.79 3319.258 3298.28875 1.058364 　 3203.3686 12001.1 13 3685.08 3303.883 3311.57 1.1127894 　 3242.3494 1.0213489 2001.2 14 3661.23 3296.073 3299.9775 1.1094712 　 3281.33019 12001.3 15 2378.43 3337.21 3316.64125 0.7171201 　 3320.31099 02001.4 16 3459.55 3347.198 3342.20375 1.0351104 　 3359.29178 0.9949132 2002.1 17 3849.63 3413.185 3380.19125 1.1388793 　 3398.27258 02002.2 18 3701.18 3444.678 3428.93125 1.0793976 　 3437.25337 02002.3 19 2642.38 3501.935 3473.30625 0.7607679 　 3476.23417 02002.4 20 3585.52 3553.405 3527.67