时间序列分解法和趋势外推法..ppt

4 时间序列分解法和趋势外推法 4.1 时间序列分解法 4.2 趋势外推法概述 4.3 多项式曲线趋势外推法 4.4 指数曲线趋势外推法 4.5 生长曲线趋势外推法 4.6 曲线拟合优度分析 4.1 时间序列分解法 一、时间序列的分解 二、时间序列分解模型 时间序列y可以表示为以上四个因素的函数，即： 时间序列分解的方法有很多，较常用的模型有加法模型和乘法模型。 三、时间序列的分解方法 （1）运用移动平均法求得长期趋势和周期变化，得 到序列TC。然后，再用按月（季）平均法求出 季节指数S。 （2）作散点图，选择适合的曲线模型拟合序列的长 期趋势，得到长期趋势T。  （3）计算周期因素C。用序列TC除以T，即可得到周期变动因素C。 （4）将时间序列的T、S、C分解出来后，剩余的 即为不规则变动，即： 四、时间序列分解法的应用 由于不规则变动难以测定，因此时间序列分解法的预测模型为： 4.2 趋 势 外 推 法 概 述 一、趋势外推法的概念和假定条件 趋势外推法的概念： 当预测对象依时间变化呈现某种上升或下降趋势，没有明显的季节波动，且能找到一个合适的函数曲线反映这种变化趋势时，就可以用趋势外推法进行预测。 趋势外推法的两个假定： （1）假设事物的发展过程没有跳跃式变化； （2）假定事物的发展因素也决定事物未来的发展， 其条件是不变或变化不大。 二 、趋势模型的种类 （一）多项式曲线外推模型： 一次（线性）预测模型： 二次（二次抛物线）预测模型： 三次（三次抛物线）预测模型： 一般形式： （二）指数曲线预测模型： 一般形式 ： 修正的指数曲线预测模型 ： （三）对数曲线预测模型 （四）生长曲线趋势外推法 皮尔曲线预测模型 ： 龚珀兹曲线预测模型 ： 三、趋势模型的选择 （一）图形识别法： 这种方法是通过绘制散点图进行的，即将时间序列的数据绘制成以时间t为横轴、时序观察值为纵轴的图形，观察并将其变化曲线与各类函数曲线模型的图形进行比较，以便选择较为合适的模型。 （二）差分法： 利用差分法把数据修匀，使非平稳序列达到平稳序列。 一阶向后差分可以表示为： 二阶向后差分可以表示为： 差分法识别标准： 4.3 多 项 式 曲 线 趋 势 外 推 法 一、二次多项式曲线模型及其应用 二次多项式曲线预测模型为： 设有一组统计数据 ， ，…， ，令 即： 解这个三元一次方程，就可求得参数 例 题 ? 例 ：某商店某种产品的销售量资料 二、三次多项式曲线预测模型及其应用 三次多项式曲线预测模型为： 设有一组统计数据 ， ，…， ，令 即： 解这个四元一次方程，就可求得参数。 4.4 指 数 曲 线 趋 势 外 推 法 一、指数曲线模型及其应用 指数曲线预测模型为： 对函数模型 做线性变换，得： 令 ，则 这样，就把指数曲线模型转化为直线模型了。 二、修正指数曲线模型及其应用 修正指数曲线预测模型为： 例 题 ? 案例 下表是我国1952～1983年社会商品零售总额（按当年价格计算），分析预测我国社会商品零售总额