计量地理学9第九章节 时间序列分析解析xxxx资料.ppt

第九章 时间序列分析 有一只北极熊和一只企鹅在一起耍，企鹅把身上的毛一根一根地拔了下来，拔完之后，对北极熊说: “好冷哦！” 北极熊听了，也把自己身上的毛一根一根地拔了下来，转头对企鹅说：“果然很冷！” 一个猎人带着猎狗去打猎，在林子里溜了一天都没找到猎物。天黑了，不甘心的他还是不停地骑马在林子里转， 马忽然说：‘天黑了也不让我休息，想累死我啊！？’ 猎人听到吓了一跳，立刻从马背上滚下来，拉着猎狗就跑， 跑到一课大树下喘气时， 狗拍拍胸口对他说： ‘吓死我了，马居然会说话！’ ……猎人当场昏厥………  唐僧：此番取经应当与时俱进找个快捷方 式！  悟空：坐飞机比骑马快!!  八戒：神六更快!!!  沙僧拿出一支枪：听说这玩艺儿立马就能送人上西天………  第七章 时间序列分析 第一节 时间序列的概念和表示方法 第二节 时间序列分析的基本原理 第三节 趋势拟合方法 第四节 季节变动预测 第一节 时间序列概念和表示方法 第一节 时间序列的概念和表示 假设基础： 惯性原则。即在一定条件下，被预测事物的过去变化趋势会延续到未来。暗示着历史数据存在着某些信息，利用它们可以解释与预测时间序列的现在和未来。 近大远小原理。时间越近的数据影响力越大. 二、时间序列的表示方法——表格法 （一）表格法（2） 二、时间序列的表示方法——曲线法 第二节 时间序列分析的基本原理 二、趋势拟合方法 一个例子：指数平滑某城市近6年（1994-1999）的用水量数据见下表，试利用指数平滑法预测该城市2000年的用水量（根据经验，取a=0.5） 。 （二）趋势线法 三种最常用的趋势线 直线型趋势线 指数型趋势线 抛物线型趋势线 （三）自回归模型 当一个要素（变量）按时间顺序排列的观测值之间具有依赖关系或自相关性时，可以建立该要素的自回归模型，并由此对其发展变化趋势进行预测。 自相关性是建立自回归模型的基础，只有具有显著自相关性的时间序列才可以建立自回归模型。 1.自相关性判断 ①时间序列的自相关，是指序列前后期数值之间的相关关系，对这种相关关系程度的测定便是自相关系数。 ② 测度:设y1，y2，…，yt，…，yn，共有n个观察值。把前后相邻两期的观察值一一成对，便有（n－1）对数据，即(y1，y2)，(y2，y3)，…，(yt，yt+1)，…，(yn-1，yn)。 一个例子： 某地区1988-1999年12年自然灾害造成的成灾面积见表. 1.试计算该时间序列的一二阶自相关系数。 2.建立自回归模型，并预测 2000年成灾面积。 经计算得： 该时间序列的一、二阶自相关系数分别为0.9761、0.9062。查表知，两相关系数在a=0.001的置信水平上显著。由于0.97640.9062，故可以建立一阶线性自回归预测模型，并利用最小二乘法进行估计，得： 三、季节性预测法 基本步骤 （1）对原时间序列求移动平均，以消除季节变动和不规则变动，保留长期趋势； (2）将原序列y除以其对应的趋势方程值（或平滑值），分离出季节变动（含不规则变动），即 （3）将月度（或季度）的季节指标加总，以由计算误差导致的值去除理论加总值，得到一个校正系数，并以该校正系数乘以季节性指标从而获得调整后季节性指标。 （4）求预测模型，若求下一年度的预测值，延长趋势线即可；若求各月（季）的预测值，需以趋势值乘以各月份（季度）的季节性指标。 求季节变动预测的数学模型（以直线为例）为 式中： 是t+k时的预测值; at、bt为方程系数; 为季节性指标。 解题步骤： （1）求时间序列的三次滑动平均值，见表3.3.3第5列。 （2）求季节性指标：将表3.3.3中第4列数据分别除以第5列各对应元素，得相应的季节系数。然后再把各季度的季节系数平均得到季节性指标，见表3.3.4。 季节性指标之和理论上应等于4。现等于 3.951 5，需要进行校正。校正方法是： 先求校正系数：θ=4/3.951 5=1.012 3。 然后将表中的第5行，分别乘以θ，即得校正后的季节性指标（见表3.3.4第6行）。 （3）用二次指数平滑法，求预测模型系数：取平滑指数 ，分别计算一次指数平滑值和二次指数平滑值，然后再分别计算趋势预测模型的系数和，结果如表3.3.5所示。 　　由表3.3.5可知，预测模型为 式中： 为校正后的季节性指标。