第8章时间数列分析-45.pptVIP

非统计学专业本科学科共同基础课3学分 第8章 时间序列分析 Time series analysis 时间序列分析 动态分析指标 8.4 时间序列的趋势分析 §8.4内容体系 8.4.1 时间序列的构成要素与模型 8.4.2 线性趋势 8.4.3 非线性趋势 8.4.1 时间序列的构成要素与模型 1、构成要素 影响时间序列变动规律的构成要素可归纳为四种： 我国1990年1月-2001年12月航空客流量时序图 （1） 长期趋势(Secular Trend ) 现象在较长时期内持续发展变化的一种趋向或状态 由影响时间序列的基本因素作用形成 是时间序列中最基本的构成要素 有上升趋势、下降趋势、水平趋势之分 还有线性趋势和非线性趋势之分 主要通过拟合趋势模型来分析现象的长期趋势 （2）季节变动 (Seasonal Fluctuation ) 这种因素的影响使现象呈现周期性的、较有规律的上升或下降的交替运动 周期通常在一年或一年以内，如一月、一周、24小时等 通常的表现： 现象在一年内随着自然季节的更替而发生的较有规律的增减变化，这是季节变动的自然成因。比如： 旺季和淡季之分，销售，旅游等 也有人为的因素，比如： 商场每周的销售额按双休日呈现有规律的变动 某交通路段一天的车流量随着上下班高峰呈现规律性的变动 …… 农业生产、交通运输、建筑业、工业生产中都有明显的季节性 （3）循环变动(Cyclical Variation) 这种因素的影响使现象呈现出以若干年为一周期、涨落相间、扩张与紧缩、波峰与波谷相交替的波动 不同于长期趋势 T表现为单一方向的持续变动 C表现为波浪式的涨落交替的变动 也不同于季节周期 周期长度不同 模型识别的难易程度不同 形成原因不同 （4） 不规则变动 (Irregular Variations ) 众多偶然因素影响使现象呈现无规则的变动，包括随机变动和突然变动 随机变动 现象受到各种偶然因素影响而呈现出方向不定、时起时伏、时大时小的变动 突然变动 战争、自然灾害或其它社会因素等意外事件引起的变动。影响作用无法相互抵消，影响幅度很大 对不规则变动的讨论通常是考虑用一定的方法去掉它的影响 时间序列分析的任务 ts分析的任务之一： 对ts中的这几种构成要素进行统计测定和分析，从中划分出各种要素的具体作用，揭示其变动的规律和特征，为认识和预测事物的发展提供依据 要做这一工作，一个重要前提：了解四种变动因素以什么样的形式相结合，共同构成了ts的实际变动情况 需要用一定的数学关系式来反映这四个影响因素同时间序列的关系，这就是时间序列的分解模型 2、时间序列的分解模型 按四种因素对ts的影响方式不同，有多种分解模型： 乘法模型 加法模型 混合模型 各种模型都是在一定的假定情况下成立的 最常用的是乘法模型 （1）乘法模型：四个因素交叉影响 乘法模式的特点： 只有 T 是与 Y 同计量单位的绝对量；其余因素均为以 T 为基础的比率，通常以百分数表示 S 和 C 的数值在各自的一个周期内平均为1(or 100%)； I 的数值从长时间来看，其平均也应为1(or 100%) 乘法模型中，各因素的分解是根据除法进行 比如 Y / T = SCI （2）加法模型：四个因素相互独立 加法模型的特点： 各种影响因素是相互独立的，均为与Y同计量单位的绝对量 S 和 C 的数值在各自的周期时间范围内总和为零；I 的数值从长时间来看，其总和也应为零 加法模型中，各因素的分解是根据减法进行 如：Y – T = S + C + I （3）混合模型 在实际工作中，应选用哪种模型进行分析，需根据研究对象的性质、目的和掌握的资料等情况而定，但一般以乘法模型应用较多 对时间数列各构成因素的分析，通常以长期趋势和季节变动为主。本节首先介绍长期趋势的测定，下一节介绍季节变动的测定 因素分解的方法 （1）乘法模式用除法 例：T=Y/(S·C·I) （2）加法模式用减法 例：T=Y-(S+C+I) （3）混合模式根据具体形式确定 进行时间序列预测的基本程序 ts分析的一个主要目的就是根据已有的历史数据对未来进行预测 ts预测的基本程序/步骤： 第一步（通过作图观察）确定ts包含的成分，以及各种成分是以什么样的方式组合到一起——乘法模型/加法/混合 第二步：找出适合此类ts的预测方法 长期趋势的测定：移动平均、指数平滑、趋势拟合 季节变动的测定：按月按季平均、趋势剔除季节变动测定 消除不规则变动：移动平均法 第三步：对可能的预测方法进行评估，确定最佳预测方案 第四步：利用最佳预测方案进行预测 时间序列的类型和预测方法的