时间序列分析2.pptVIP

季节指数 刻画序列在一个年度内各月或季的典型季节特征 以其平均数等于100%为条件而构成 反映某一月份或季度的数值占全年平均数值的大小 如果现象的发展没有季节变动，则各期的季节指数应等于100% 季节变动的程度是根据各季节指数与其平均数(100%)的偏差程度来测定 如果某一月份或季度有明显的季节变化，则各期的季节指数应大于或小于100% 季节指数(方法一)(计算步骤) 计算移动平均值(季度数据采用4项移动平均，月份数据采用12项移动平均)，并将其结果进行“中心化”处理 将移动平均的结果再进行一次二项的移动平均，即得出“中心化移动平均值”(CMA) 计算移动平均的比值，也成为季节比率 即将序列的各观察值除以相应的中心化移动平均值，然后再计算出各比值的季度(或月份)平均值，即季节指 季节指数(计算步骤) 3. 季节指数调整 各季节指数的平均数应等于1或100%，若根据第二步计算的季节比率的平均值不等于1时，则需要进行调整 具体方法是：将第二步计算的每个季节比率的平均值除以它们的总平均值 季节指数(例题分析) 【例】下表是一家啤酒生产企业1997～2002年各季度的啤酒销售量数据。试计算各季的季节指数 季节指数(例题分析) 一、时间序列的构成因素和分析模型 长期趋势变动 (T) 指时间序列在一个相当长时期内持续发展变化的总趋势。 季节变动 (S) 由于季节的更换而引起时间序列按一定的季节更替而呈现周期性的明显变化。 循环变动 (C) 指时间序列出现以若干年为周期的涨落起伏的波动变化。 不规则变动 (I) 由于临时性、偶然性的因素引起时间序列的非周期性或趋势性的随机变动。 1. 时间序列的构成因素 一般常用的数学模型有加法模型和乘法模型 （1）乘法模型是假定四种因素存在着某种相互影响关系，互不独立。因此，时间序列各期发展水平是各个影响因素相乘之积，适用于相对数时间序列总变动的计算。其计算公式： Y＝T·S·C·I 式中： Y —— 动态总变动,各期发展水平； T —— 长期趋势变动； S —— 季节变动； C —— 循环变动； I —— 不规则变动。 2. 时间序列的分析模型 （2）加法模型是假定四种变动因素是互相独立的，则时间序列各期发展水平是各个影响因素相加的总和，适用于总量指标总变动的计算。其计算公式： Y＝T＋S＋C＋I 式中： Y —— 动态总变动； T —— 长期趋势变动； S —— 季节变动； C —— 循环变动； I —— 不规则变动。 时间序列的分解就是要按照给定的分析模型,将各种变动因素的具体数值测定出来 . 分解分析之前,首先得了解序列中所包含的构成因素. （一）仅含有T和I,则只要消除随机波动 乘法模型: Y＝T·I 加法模型 : Y＝T＋I 3. 时间序列的分解分析 （二）含有T、S和I 乘法模型: Y＝T·S·I 加法模型 : Y＝T+S+I 1) 先分析和测定现象变动的长期趋势,求出T 2) 然后消除序列中包含的趋势值 乘法模型: Y/T＝S·I 加法模型 : Y-T＝S+I 3) 对2)的结果进行分析,消除随机变动的影响,得到季节变动的测定值S 3. 时间序列的分解分析 时间序列分解分析是时间序列的核心内容,其作用可以概括为: 1、分析和预测有关构成因素的数量表现,可以更好的认识 和掌握现象变化发展的规律性. 2、将所测定出的某一构成因素的数值从时间序列中分离出去. 3、为用时间序列进行预测奠定基础 4. 时间序列分解分析的作用 长 期 趋 势 测 定 长期趋势分析与预测 测定长期趋势的主要方法有：时距扩大法、移动平均法、数学模型法等等。 （一）时距扩大法 时距扩大法是长期趋势最原始最简便的方法。 它是对原来时距较短的时间序列，加工整理为时距较长的时间序列，以消除原序列因时距过短受偶然因素和季节变动影响所引起的波动，使现象的发展趋势和规律性明显地表现出来。 如表6-16 、 6-17 应用时距扩大法时需要注意以下几个问题： 第一，扩大的时距多大为宜取决于现象自身的特点。 对于呈现周期波动的