时间序列分析新.ppt

例： * 年份 第一季度 第二季度 第三季度 第四季度 2005 25.2 17.1 12.6 19.3 2006 24.2 18.4 14.1 18.9 2007 23.8 19.4 13.8 21 2008 26 19.1 15.7 21.6 2009 25.1 18.6 15.1 20.8 解： * 年份 第一季度 第二季度 第三季度 第四季度 平均数 2005 25.2 17.1 12.6 19.3 2006 24.2 18.4 14.1 18.9 2007 23.8 19.4 13.8 21 2008 26 19.1 15.7 21.6 2009 25.1 18.6 15.1 20.8 24.9 18.52 14.26 20.32 19.5 1.2769 0.9497 0.7313 1.0421 * 季节变动的测定 移动平均趋势剔除法：在具有明显的长期趋势变动的数列中，为了测定季节变动，必须先将趋势变动因素在数列中加以剔除，而后计算季节比率。 步骤： 对原时间序列求移动平均数，作为相应时期的趋势值T。 剔除原数列中的趋势变动T，即将原数列各项除以移动平均数的对应时间数据： 以消除趋势变动后的数列计算季节指数，测定季节变动。 例：某啤酒生产企业各季的销售量数据如下。绘制时间序列图观察啤酒销售量的构成要素。 年份 第一季度 第二季度 第三季度 第四季度 2000 25 32 37 26 2001 30 38 42 30 2002 29 39 50 35 2003 30 39 51 37 2004 29 42 55 38 2005 31 43 54 41 * 计算移动平均值 奇数项移动平均值 偶数项移动平均值（如4项） 一次移动 二次修正 * 例 计算移动平均值 计算季节比率 调整季节比率 * * 时间 销售量 四项移动平均值 四项移动平均修正值 S×I 2000.1 25 2000.2 32 2000.3 37 30.0000 30.6250 1.2082 2000.4 26 31.2500 32.0000 0.8125 2001.1 30 32.7500 33.3750 0.8989 2001.2 38 34.0000 34.5000 1.1014 2001.3 42 35.0000 34.8750 1.2043 2001.4 30 34.7500 34.8750 0.8602 2002.1 29 35.0000 36.0000 0.8056 2002.2 39 37.0000 37.6250 1.0365 2002.3 50 38.2500 38.3750 1.3029 2002.4 35 38.5000 38.5000 0.9091 2003.1 30 38.5000 38.6250 0.7767 2003.2 39 38.7500 39.0000 1.0000 2003.3 51 39.2500 39.1250 1.3035 2003.4 37 39.0000 39.3750 0.9397 2004.1 29 39.7500 40.2500 0.7205 2004.2 42 40.7500 40.8750 1.0275 2004.3 55 41.0000 41.2500 1.3333 2004.4 38 41.5000 41.6250 0.9129 2005.1 31 41.7500 41.6250 0.7447 2005.2 43 41.5000 41.8750 1.0269 2005.3 54 42.2500 2005.4 41 年份 第一季度 第二季度 第三季度 第四季度 　 2000 　 　 1.2082 0.8125 　 2001 0.8989 1.1014 1.2043 0.8602 　 2002 0.8056 1.0365 1.3029 0.9091 　 2003 0.7767 1.0000 1.3035 0.9397 　 2004 0.7205 1.0275 1.3333 0.9129 　 2005 0.7447 1.0269 　 　 　 季节比率 0.7893 1.0385 1.2704 0.8869 3.9851 季节比率调整 0.7922 1.0424 1.2752 0.8902 4.0000 * 二、建立预测模型并进行预测 时间 时间序号 销售量 季节指数 季节分离后的序列 回归趋势值 最终预测值 2000.1 1 25 0.7922 31.5577