《统计学》第四章 时间数列分析.PPTVIP

连续时点序列——用简单算术平均法 对社会经济现象而言，已知每天数据可视为连续序列。 不连续时点数列计算序时平均数 先求分段平均数 用来代表相邻两个时点之间各个时点上的水平 假定现象均匀变化，分段平均数＝相邻两点数据的简单算术平均 再求全期总平均数 求全期总平均数＝分段平均数的加权算术平均 权数 f ＝时点间的间隔长度 根据下表数据，计算我国居民消费水平的增长量和平均增长量。 速度的表现形式和文字表述 速度的文字表述： 发展速度—相当于、发展为、增长到、减少到、下降为… 如报告期水平增长为基期水平的…%； 增长速度—提高（了）、减少（了）、下降（了）… 如报告期水平比基期水平增长（了）的…%；。 增长1%的绝对量是用来补充说明增长速度的. 几何平均法计算平均发展速度（水平法） 根据表9-4的数据，计算中国1995～2003年居民消费水平的平均发展速度和平均增长速度。 解：平均发展速度可根据三种资料来计算： 平均增长速度＝107.84％-100％＝7.84％ 即1995～2003年间，我国居民消费水平平均每年递增7.84%。 时距扩大法 将原序列中若干项数据合并，使数据所包含的不规则变动在一定程度上被相互抵消了，由较长时间上的数据形成的新序列更清晰地显示出现象发展的长期趋势。 对于包含季节变动的序列，若将数据的时期扩大到一个季节周期（如将月度或季度数据合并为年度数据），可使季节变动也相互抵消。 某企业历年产品销售量数据如下表所示 时距扩大法的优点：计算非常简单直观； 局限性。新序列的项数大大减少，丢失了原时间序列所包含的大量信息，不能详细反映现象的变化过程，不利于进一步的深入分析。 某企业历年产品销售量数据如下表所示 移动平均法的特点： 1.移动平均法对原时间序列具有修匀或平滑的作用，平均的时距项数 k 越大，移动平均的修匀作用越强。 2.移动平均值代表的是所平均数据的中间位置上的趋势值——即中心化移动平均法。 平均项数 k 为奇数时，只需一次移动平均即得各期趋势值； 当 k 为偶数时，则需对移动平均的结果进行中心化处理，即再作一次两项移动平均。 3.当序列包含周期性变动时，移动平均的项数 k 应与周期长度一致 在消除不规则变动的同时，也消除周期性波动，使移动平均值序列只反映长期趋势； 季度数据通常采用4 期移动平均，月度数据通常采用12 期移动平均。 4.移动平均值序列的项数比原序列少，首尾缺少对应的趋势值 平均项数k为奇数时，新序列首尾各减少（k -1）/ 2 项； k为偶数时，首尾各减少 k / 2 项。 5. 当现象呈非线性趋势时，加权移动平均比简单移动平均效果为好。 确定权数通常遵循“近大远小”的原则； 采用中心化移动平均法，其权数一般呈“中间大、两端小”的对称结构。 例如，5期移动平均中5个观测值的权数可分别为1,2,3,2,1；或者也可以是1,3,5,3,1，等等。 6. 移动平均法不能直接进行外推预测。 只有在现象发展变化呈水平趋势的情况下，移动平均值才能用于预测 预测时通常将移动平均值放在平均时距的最末一期上。 解：根据最小二乘法拟合的趋势方程为： = 46.10606+4.84266 t 非线性趋势方程——(1) K 次曲线 K 次曲线趋势方程： 当现象的 K 级增长量大体接近一常数时，可拟合 K 次曲线趋势方程。 二级增长量（二次差）—对逐期增长量序列再求逐期增长量 三级增长量（三次差）—对二级增长量序列再求逐期增长量 …以次类推，可计算时间序列的 K 级增长量。 二次曲线和三次曲线 实际中最常用的是二次曲线和三次曲线: （2）指数曲线 当现象的逐期发展速度或增长速度大体相同时，即现象大致按几何级数递增或递减时，其长期趋势可拟合为指数曲线方程 : a 相当于时间序列长期趋势的初始值， b 相当于平均发展速度。若b 1，呈递增趋势，b 1，时间序列呈递减趋势. 估计参数 a 和 b，可通过对数变换来线性化。 解：从折线图可见，出口总额呈现不断上升的趋势，其长期趋势可用二次曲线来拟合。 指数趋势：也可用指数曲线来拟合长期趋势： （3）其它非线性趋势曲线 用来拟合现象非线性趋势的曲线还有修正指数曲线、龚泊兹曲线和逻辑斯蒂曲线等等。 修正指数曲线的方程形式为： 数学特征：变量值的一次差的环比比率相等。 直观的曲线特征: 现象初期增长迅速、随后增长率逐渐下降直至最终以常数 K 为增长的极限。 可用三点法或三和法来估计模型中的三个参数. 龚泊兹曲线（Compertz curve） 龚泊兹曲线的方程形式为： (K0) 数学特征：变量值的对数一次差的环比比率相等。 直观的趋势特征：初期增长缓慢、随后逐渐加快，达到一定程度后增长率又