第二节时间序列的分解分析.pptx

;一、构成因素和分析模型;—时间序列在较长持续期内表现出来的总态势。 —是由现象内在的根本性的、本质因素决定的，支配着现象沿着一个方向持续上升、下降或在原有水平上起伏波动。;2. 季节变动（ S ）;3.循环变动（ C ）;—时间序列由于受偶然性因素的影响而表现出的不规则波动。故也称为不规则变动。 随机变动的成因： —自然灾害、意外事故、政治事件； —大量无可言状的随机因素的干扰。 ;（二）时间序列分析模型;（三）时间序列的分解分析;2.含趋势、季节和随机变动;c. 对以上的结果进一步进行分析，消除随机变动 I 的影响，得出季节变动的测定值 S 。;1. 测定各构成因素的数量表现，认识和掌握现象发展的规律； 2.将某一构成因素从数列中分离出来，便于分析其它因素的变动规律； 3.为时间序列的预测奠定基础。;二、长期趋势的测定方法;1. 时距扩大法;注 意 第一，时距扩大的选择，若原数列发展水平波动有周期性，则扩大的时距与周期相同，若无明显周期性，按经验逐步扩大。 第二，时距扩大法只适用于时期数列，时点数列不能采用这种方法。 第三，时距选择既不能太长也不能太短。时距过长，会使时间数列修饰过度。时距也不应太短，否则达不到修匀的目的。 第四，扩大的时距应前后一致，以使修匀后的时间数列保持可比性。;2.移动平均法;移动平均法;奇数项移动平均法;;;;偶数项的中心化简单平均数要经过两次移动计算才可得出。 例如：移动项数 N＝4 时， 计算的移动平均数对应中项在两个时期的中间：; 由于这样计算出来的平均数的时期不明确，故不能作为趋势值。解决办法：对第一次移动平均的结果，再作一次移动平均。;;;（2）加权移动平均法;;;如：N = 5 时，应以 （ a + b )4 = a4 + 4a3b + 6a2b2 + 4ab3 + b4 的系数 1，4，6，4，1 为权数。;;移动平均对数列具有平滑修匀作用，移动项数越多，平滑修匀的作用越强； 由移动平均数组成的趋势值数列，较原数列的项数少，N为奇数时，趋势值数列首尾各少 项；N为偶数时，首尾各少 项； 局限：不能完整地反映原数列的长期趋势，不便于直接根据修匀后的数列进行预测。;3.??势模型法;1）线性趋势方程 —逐期增长量大致相等。 2）二次曲线趋势方程 —逐期增长量大致等量递增或递减。 3）指数曲线方程 —环比发展速度近似一个常数。 ;;t;t;年份;t; 常用方法：最小二乘法 3.计算趋势变动测定值 —将自变量 t 的取值，依次代入趋势方程，求出相应时期的趋势变动测定值。;用最小平方法 求解参数 a、b ，有;年份;;解：;预测：;;当?t = 0时，有;年份;解：;（2）指数曲线模型; 第五节 季节变动与循环波动分析;1、同期平均法 以若干年资料数据求出同月(季)的平均水平与各年总月(季)水平，进而对比得出各月(季)的季节指数来测定季节变动的程度。 ;（1）直接按月(季)平均法。计算步骤： A、计算各年同月(季)的平均数 (i=1~k 年，j =1~12月或 j =1~4季)（列平均） B、计算各年所有月份(或季度)的总平均数 C、计算季节指数S I ， ;例：;; A、计算第 i年平均数；（行平均） B、将历年各月(季)的实际数据同其本年的平均数相比，计算 ( i 表示年度，j 表示季或月)季节比率： C、将各年度同期(月或季)的比率进行简单算术平均，求出季节指数Sj ;;年份; 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。 若以移动平均法测定趋势值，则确定季节变动的步骤如下： ;1）对原时间序列求移动平均数，作为相应时期的趋势值T。 2）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： 。 3）以消除趋势变动后的数列S-I计算季节指数，测定季节变动。;例：1999年到2001年某城市旅游人数资料如表所示。 某风景旅游城市旅游人数资料;;;分析：季节指数最高，表明该季为旺季；季节指数最低，表明该季为淡季。 调整：季节指数之和必须等于周期长度N （N为季或月），即 。当两者不等时，须做相应的调整。 调整系数为： 经调整，季节指数为：;; 1、直接法 1）测定方法：将每年各季或各月的数值与上年同期进行对比，即求出年距