第六章 时间数列.pptVIP

..\统计学原理习题\练习题2.doc ..\统计学原理习题\1.doc 长期趋势the trend 循环变动cyclical fluctuation 循环变动cyclical fluctuation 长期趋势/循环变动 季节变动seasonal fluctuations 不规则变动irregular variations The Actual Value T×C×S×I 1、测定长期趋势的线性趋势模型法 线性趋势的模型法 利用线性回归的方法对原时间序列拟合线性 方程 其中 用最小平方法配合趋势直线 当现象的数量变化近似呈线性趋势时，利用最小平方法(又称最小二乘法)配合的趋势直线是一条最优拟合直线。 设趋势直线是： yc=a+bt 最小平方法的基本原理要求实际值y(数列中各项的值)与理论值(估计值)yc之间的离差平方和最小。即： 由于对时间(如年份)的编码具有一定的灵活性，因此，适当地给时间编码，使Σt=0，标准方程组可得到简化，由此得到简捷计算法。 若项数n是奇数，则取中间时间为0，编码如下： …-4，-3，-2，-1， 0， 1， 2， 3， 4，… 若项数n为偶数，则取中间位置为0，中间两项分别取 -1，1，编码如下： …-7，-5，-3，-1， 1， 3， 5， 7，… 如果作上述编码，则标准方程组可化为： 解：对90—97年依次编码为：-7，-5，-3，-1，1，3，5，7。设趋势直线为 yc=a+bt Σty= －7 ×8 － 5 ×10 － 3 ×9 －1 ×6 ＋1 × 7 ＋ 3 × 5 ＋ 5 ×4 ＋ 7 × 6= －55 Σt2 =168, Σy=55。a=55/8=6.875,b= －0.33 yc =6.875 －0.33t 预测98年，t=9, yc =6.875 －0.33 ×9=3.905 例5 某火车站1991～2001年客流量如表5-16所示，试利用最小平方法配合趋势直线。并预测该火车站2003年的客流量。 表5-16 某火车站客流量 单位：万人 解： 因数列项数为11，是奇数项。对年份1991～2001作如下编码： -5，-4，-3，-2，-1，0，1，2，3，4，5 则由公式(5.12)和(5.13)有： 2、测定长期趋势的移动平均法 基本原理 消除时间序列中的不规则变动和其他变动，揭示出时间序列的长期趋势 移动平均方式 选择一定的用于平均的时距项数N，采用 对序列逐项递移的方式，对原序列递移的 N项计算一系列序时平均数。 移动平均法的特点 1). 对原序列有修匀或平滑的作用。时距项数 N越大，对 数列的修匀作用越强 2). 移动平均项数N为偶数时， 需移正平均 3). 平均时距项数N与季节变动长度一致才能 消除季节变动；时距项数N和周期一致才 能消除周期波动。 4). 移动平均会使原序列失去部分信息，平均 项数越大，失去的信息越多。 第四节　时间数列季节变动分析 什么是季节变动? 指因受自然因素或社会因素影响，而形成的在一年内有规则的周期性变动。 测定季节变动的意义 ： 分析与测定过去的季节变动规律 、 对未来现象季节变动作出预测 、 消除季节变动对时间序列的影响 1、原始资料平均法 方法: 计算各年同期（月或季）的平均数 计算全部数据的总平均数 计算季节比率 季节比率特性：其总和等于季节周期 L (=12或=4) 统计学 StatisticS 大多数人认为，可以将影响时间数列变动的因素分解为 : ■长期趋势(T) ■ 季节变动(S) ■循环变动(C) ■ 不规则变动(I) 第三节 时间数列的趋势分析 第六章　时间数列 根据四种因素间相互作用的方式，人们提出了两种假定模型: 加法模型： Y=T+S+C+I 乘法模型： Y=T×S×C×I Sales Time Trend Sales Time peak trough recession recovery Sales Time peak trough re