时间序列分析 王振龙主编.pdfVIP

人们的一切活动，其根本 目的无不在于认识和改造客观世界。时间序列分 析不仅可 以从数量上揭示某一现象的发展变化规律或从动态 的角度刻划某一 现象与其他现象之 间的内在数量关系及其变化规律性 ，达到认识客观世界之 目的。而且运用时序模型还可以预测和控制现象的未来行为，修正或重新设计 系统以达到利用和改造客观之 目的。从统计学的内容来看 ，统计所研究和处理 的是一批有“实 际背景 ”的数据，尽管数据 的背景和类型各不相 同，但从数据 的 形成来看 ，无非是横剖面数据和纵剖面数据两类 （或者叫做静态数据和动态数 据）。横剖面数据是 由若干相关现象在某一时点上所处的状态组成的，它反映 一定时间、地点等客观条件下诸相关现象之间存在的内在数值联系。研究这种 数据结构 的统计方法是多元统计分析 。纵剖面数据是 由某一现象或若干现象 在不同时刻上 的状态所形成的数据 ，它反映的是现象 以及现象之间关系的发 展变化规律性 。研究这种数据 的统计方法就是时间序列分析 。就此足 以看 出 时序分析的重要性及其应用的广泛性。 第一节　　　　时间序列分析的一般问题 一、时间序列 的含义 从统计意义上讲 ，所谓时间序列就是将某一个指标在不 同时间上 的不 同 数值，按照时间的先后顺序排列而成的数列 。这种数列由于受到各种偶然因素 的影 响 ，往往表现 出某种 随机性 ，彼此之 间存在着统计上 的依赖关系 。如 表 中列 出的是某地 电风扇 年到 年 间各 月 的销 售 量（单位：万 台），按时间顺序排成一个数列，就是一个 时间序列。相对于时间的数据 图如 图 所示 。 表 电风扇月销售量 单位：万台 值得注 意 的是，时 间顺序 中的“时间”也可 以具有不 同的物理意义，例如长 度、温度、速 度 等 等 。 从数学意义上讲 ，如果我们对某一过程 中的某一个变量或一组变量 进行观察测量，在一系列时刻 为 自变量 ，且 得到的 离散有序数集合 称为离散数字时间序列 ，即随机过 程 的一次样本实现 。设 ）是一个 随机过程 ， ）是在时刻 对过程 ）的观察值 ，则 ）称为一次样本实现 ，也就是一个 时 间序 列 。 从系统意义上看 ，时间序列就是某一系统在不 同时间（地 点、条件等 ）的响 应 。这个定义从系统运行的观点出发，不仅指出时间序列是按一定顺序排列而 图 电风扇月销售量数据 图 成 的；这里 的“一定顺序 ”既可 以是时间顺序 ，也可 以是具有各种不 同意义 的物 理量，如代表温度，速度或其它单调递增地取值 的物理量 。可见，时间序列只强 调顺序的重要性，而并非强调必须 以时间顺序排列。例如：材料裂纹长度与其 承受的压力有关，将材料裂纹长度按其所受压力周期数排列，也是一个时间序 列（见 附录 ），其散 点 图见 图 图 某材料裂纹长度 而且时间序列是所研究系统的历史行为 的客观记录 ，因而它包含了系统 结构特征及其运行规律 。所 以我们可 以通过对时间序列的研究来认识所研究 系统 的结构特征（如周期波动 的周期、振 幅、趋势 的种类等 ）；揭示其运行规律 ， 进 而用 以预测、 控制其未来行为；修正和重新设计系统（如改变其周期、参数 ）， 使之按照新 的结构运行。 综上所述，时间序列具有如下特点：首先，序列中的数据或数据点的位置 依赖于时间，即数据的取值依赖于时间的变化 ，但不一定是时间 的严格函 数。其次，每一时刻上的取值或数据点的位置具有一定的随机性，不可能完全 准确地用历史值预测 。再次，前后时刻（不一定是相邻时刻 ）的数值或数据 点的 位置有一定的相关性，这种相关性就是系统的动态规律性 。最后，从整体上看