第四讲时间序列分析预处理.pptVIP

第四节 时间序列数据的预处理;获 得 观 察 值 序 列;1.平稳性定义——知识回顾;在对实际的时间序列进行建模之前，应首先检验序列是否平稳，若序列非平稳，应先通过适当变换将其化为平稳序列，然后再进行模型的建立。;序列的非平稳包括均值非平稳和方差非平 稳。 均值非平稳序列平稳化的方法：差分变换。 方差非平稳序列平稳化的方法：对数变换、平方根变换等。;3. 平稳性检验方法; 非参数检验法：游程检验;(2) 游程检验的基本思想;第四讲时间序列分析预处理; a.小样本情况 零假设H0：加号和减号以随机的方式出现 检验方法：取显著性水平α(一般取0.05), 查单样本游程检验表，得出抽样分布的临界值rL、rU 判定：若rL r rU 则不能拒绝零假设，即不能拒绝序列是平稳的；若r rU 或r rL则拒绝零假设，序列是非平稳的。;b.大样本情况 零假设H0：加号和减号以随机的方式出现 检验方法：给定显著性水平α(一般取0.05)查标准正态分布表，得出抽样分布的临界值-zα,+zα。并计算统计量:;非参数检验可以很方便的通过SPSS软件进行， 实例：用游程检验检验第一讲的数据的平稳性； 步骤如下： 1.打开SPSS输入数据 2.依次单击Analyze—Nonparametric Tests—Runs; 打开Runs对话框。 3.在原变量对话框中选择变量进入“Test Variable list”栏内 4.选中“cut point”栏中“mean”选项 5.单击“OK”按纽，开始进行统计分析。;;;输出结果分析：因为P 值（sig.）极大，所以不拒绝零假设，故不能拒绝原序列是平稳的。;1）给出一个随机时间序列，首先可通过该序列的时间路径图（时序图）来粗略地判断它是否是平稳的。 一个平稳的时间序列在图形上往往表现出一种围绕其均值不断波动的过程； 而非平稳序列则往往表现出在不同的时间段具有不同的均值（如持续上升或持续下降）。 ;;这种方法通过观察时间序列的趋势图来判断时间序列是否存在趋势性或周期性。 优点：简便、直观。对于那些明显为非平稳的时间序列，可以采用这种方法。 缺点：对于一般的时间序列是否平稳，不易用这种方法判断出来。;(1)时序图检验（判断准则）;(2)自相关图检验（判断准则）; 若序列无??势，但是具有季节性，那末对于按月采集的数据，时滞12，24，36……的自相关系数达到最大(如果数据是按季度采集，则最大自相关系数出现在4，8，12， ……)，并且随着时滞的增加变得较小。; 应用举例;例1 居民住院消费价格指数时序图;例2 药品总产值时序图;（1）选择菜单Graph→Sequence。;（2）将需绘图的序列变量选入Variables框中。;（3）在Time Axis Labels框中指定横轴（时间轴）标志变量。该标志变量默认的是日期型变量。 （4）在Transform框中指定对变量进行怎样的变化处理。其中Natural log transform表示对数据取自然对数，Difference表示对数据进行n阶（默认1阶）差分，Seasonally difference表示对数据进行季节差分。;（5）单击Time Lines 按钮定义序列图中需要特别标注的时间点，给出了无标注（No reference Lines）、在某变量变化时标注（Line at each change of）、在某个日期标注（Line at date）三项供选择。;（6）单击Format 按钮定义图形的格式，可选择横向或纵向序列图；对于单变量序列图，可选择绘制线图或面积图，还可选择在图中绘制序列的均值线；对多变量的序列图，可选择将不同变量在同一时间点上的点用直线连接起来。 ;;通过自相关函数(ACF)进一步判断;序列的自相关函数(ACF)要么是截尾的，要么是拖尾的。因此我们可以根据这个特性来判断时间序列是否为平稳序列。 ; 应用举例;例2 居民住院消费价格指数自相关图;例3 药品总产值相关图;（1）选择菜单Graph→TimeSeries→Autocorrelations。 ;（2）将需绘制的序列变量选入Variables框;（3）在Display框选择绘制哪种图形，其中Autocorrelations表示绘制自相关函数图；Partial autocorrelations表示绘制偏自相 关函数图。一般可同时绘制两种图形。 ;（4）单击Options按钮定义相关参数，Maximum Number of Lags表示相关函数值包含的最大滞后期(时间间隔h)。一般选择两个最大周期以上的数据。在Standard Error Method框中指定计算相关系数标准差的方法，确定相关函数图形中的置信区间。其中Independence model表示假