经济时间序列的季节调整、分解和平滑方法.ppt

§2.3.3 指数平滑 指数平滑是可调整预测的简单方法。当只有少数观测值时这种方法是有效的。与使用固定系数的回归预测模型不同，指数平滑法的预测用过去的预测误差进行调整。 1.单指数平滑（一个参数） 2.双指数平滑（一个参数） 3.Holt-Winters — 无季节趋势（两个参数） 4.Holt-Winter加法模型（三个参数） 5.Holt-winters乘法模型（三个参数） * * 经济指标的月度或季度时间序列包含4种变动要素： 长期趋势要素T：代表经济时间序列长期的趋势特性。 循环要素C：以数年为周期的一种周期性变动，它可能是一种景气变动、经济变动或其他周期变动，它可以代表经济或某个特定工业的波动。 季节变动要素S ：每年重复出现的循环变动，以12个月或4个季度为周期的周期性影响，是由温度、降雨、年中的月份，假期和政策等引起的。 不规则要素I：其变动无规则可循，这类因素是由偶然发生的事故引起的，如：故障、罢工、意外事故、地震、水灾、恶劣气候、战争、法令更改、测定误差等。　　 §2.1 经济时间序列的分解 图1 我国工业总产值的时间序列 Y 图形 图2 工业总产值的趋势·循环要素 TC 图形 图3 工业总产值的季节变动要素 S 图形 图4 工业总产值的不规则要素 I 图形 季节调整的概念 季节性变动的发生，不仅是由于气候的直接影响，而且社会制度及风俗习惯也会引起季节变动。经济统计中的月度和季度数据或大或小都含有季节变动因素，以月份或季度作为时间观测单位的经济时间序列通常具有一年一度的周期性变化，这种周期变化是由于季节因素的影响造成的，在经济分析中称为季节性波动。经济时间序列的季节性波动是非常显著的，它往往遮盖或混淆经济发展中其他客观变化规律，以致给经济增长速度和宏观经济形势的分析造成困难和麻烦。因此，在进行经济增长分析时，必须去掉季节波动的影响，将季节要素从原序列中剔除，这就是所谓的“季节调整” (Seasonal Adjustment)。 §2.2.1 X-11季节调整方法 §2.2 经济时间序列的季节调整方法 X-11方法是基于移动平均法的季节调整方法。它的特征在于除了能适应各种经济指标的性质，根据各种季节调整的目的，选择计算方式外，在不作选择的情况下，也能根据事先编入的统计基准，按数据的特征自动选择计算方式。在计算过程中可根据数据中的随机因素大小，采用不同长度的移动平均，随机因素越大，移动平均长度越大。X-11方法是通过几次迭代来进行分解的，每一次对组成因子的估算都进一步精化。 §2.2.2　X12季节调整方法 美国商务部国势普查局的X12季节调整程序是在X11方法的基础上发展而来的，包括X11季节调整方法的全部功能，并对X11方法进行了以下3方面的重要改进： (1) 扩展了贸易日和节假日影响的调节功能，增加了季节、趋势循环和不规则要素分解模型的选择功能； (2) 新的季节调整结果稳定性诊断功能； (3) 增加X12-ARIMA模型的建模和模型选择功能。 X12季节调整方法的核心算法是扩展的X11季节调整程序。共包括4种季节调整的分解形式：乘法、加法、伪加法和对数加法模型。注意采用乘法、伪加法和对数加法模型进行季节调整时，时间序列中不允许有零和负数。 ① 加法模型 (2.2.1) ② 乘法模型： (2.2.2) ③ 对数加法模型： (2.2.3) ④ 伪加法模型： (2.2.4) 例2.1 利用X12加法模型进行季节调整 图2.1a 社会消费品零售总额原序列 图2.1b 社会消费品零售总额的TCI 序列 图2.1d