第13章节时间序列预测资料.ppt

简单移动平均法(例题分析) 【例】对居民消费价格指数数据，分别取移动间隔k=3和k=5，用Excel计算各期的居民消费价格指数的平滑值(预测值) ，计算出预测误差，并将原序列和预测后的序列绘制成图形进行比较 简单移动平均法(例题分析) 修正指数曲线 修正指数曲线(求解k，a，b 的三和法) 修正指数曲线(例题分析) 修正指数曲线(例题分析) 修正指数曲线 (例题分析) 修正指数曲线 (例题分析) 修正指数曲线 (例题分析) 季节指数(例题分析) 分离季节因素 将季节性因素从时间序列中分离出去，以便观察和分析时间序列的其他特征 方法是将原时间序列除以相应的季节指数 结果即为季节因素分离后的序列，它反映了在没有季节因素影响的情况下时间序列的变化形态 趋势分析 根据分离季节性因素的序列确定线性趋势方程 根据趋势方程计算各期趋势值 根据趋势方程进行预测 该预测值不含季节性因素，即在没有季节因素影响情况下的预测值 如果要求出含有季节性因素的销售量的预测值，则需要将上面的预测值乘以相应的季节指数 趋势分析(例题分析) 趋势分析 (例题分析) 周期性分析 近乎规律性的从低至高再从高至低的周而复始的变动 不同于趋势变动，它不是朝着单一方向的持续运动，而是涨落相间的交替波动 不同于季节变动，其变化无固定规律，变动周期多在一年以上，且周期长短不一 时间长短和波动大小不一，且常与不规则波动交织在一起，很难单独加以描述和分析 周期性分析 (剩余法) 先消去季节变动，求得无季节性资料 再将结果除以由分离季节性因素后的数据计算得到的趋势值，求得含有周期性及随机波动的序列 将结果进行移动平均(MA) ，以消除不规则波动，即得循环波动值 C = MA ( C × I ) 周期性分析 (例题分析) 随机波动 (例题分析) * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * 二次曲线 【例】根据能源生产总量数据 ，计算出各期的趋势值和预测误差，预测2001年的能源生产总量，并将原序列和各期的趋势值序列绘制成图形进行比较 二次曲线方程： 预测的估计标准误差： 2001年能源生产总量的预测值： 二次曲线(例题分析) 二次曲线(例题分析) 用于描述以几何级数递增或递减的现象 一般形式为 指数曲线(exponential curve) a，b为未知常数 若b1，增长率随着时间t的增加而增加 若b1，增长率随着时间t的增加而降低 若a0，b1，趋势值逐渐降低到以0为极限 指数曲线(a，b 的求解方法) 采取“线性化”手段将其化为对数直线形式 根据最小二乘法，得到求解 lga、lgb 的标准方程为 求出lga和lgb后，再取其反对数，即得算术形式的a和b 指数曲线 【例】根据人均GDP数据，确定指数曲线方程，计算出各期的趋势值和预测误差，预测2001年的人均GDP，并将原序列和各期的趋势值序列绘制成图形进行比较 指数曲线趋势方程： 预测的估计标准误差： 2001年人均GDP的预测值： 指数曲线 指数曲线 指数曲线与直线的比较 比一般的趋势直线有着更广泛的应用 可以反应现象的相对发展变化程度 上例中，b=0.170406表示1986—2000年人均GDP的年平均增长率为17.0406% 不同序列的指数曲线可以进行比较 比较分析相对增长程度 趋势值K无法事先确定时采用 将时间序列观察值等分为三个部分，每部分有m个时期 令趋势值的三个局部总和分别等于原序列 观察值的三个局部总和 根据三和法求得 设观察值的三个局部总和分别为S1，S2，S3 【例】我国1983—2000年的糖产量数据如表。试确定修正指数曲线方程，计算出各期的趋势值和预测误差，预测2001年的糖产量，并将原序列和各期的趋势值序列绘制成图形进行比较 解得 K，a ，b 如下 ?糖产量的修正指数曲线方程 2001年糖产量的预测值 预测的估计标准误差 $ Yt = 3659.149 – 2230.531?( 0.87836 ) t 以英国统计学家和数学家 B·Gompertz 的名字而命名 一般形式为 Gompertz 曲线 描述的现象：初期增长缓慢，以后逐渐加快，当达到一定程度后，增长率又逐渐下降，最后接近一条水平线 两端都有渐近线，上渐近线为Y?K,下渐近线为Y? 0 K，a，b为未知常数 K 0，0 a ≠ 1，0 b ≠ 1 Gompertz 曲线(求解K，a，b 的