SPSS随机时间序列分析技巧教材.pptx

SPSS随机时间序列分析技巧Random Time Series Analytical Skills For SPSS一、 时间序列分析概述 时间序列是按时间顺序排列的、随时间变化且相互关联的数据序列。分析时间序列的方法构成数据分析的一个重要领域，即时间序列分析. 时间序列根据所研究的依据不同，可有不同的分类1．按研究对象多少分: 一元时间序列和多元时间序列;2．按时间连续性分:离散时间序列和连续时间序列;3．按序列的统计特性分:平稳时间序列和非平稳时间序列;4．按时间序列分布规律分:高斯型和非高斯型时间序列.时间序列国内生产总值等时间序列年 份国内生产总值(亿元)年末总人口(万人)人口自然增长率(‰)居民消费水平(元)19901991199219931994199519961997199818547.921617.826638.134634.446759.458478.167884.674772.479552.8114333115823117171118517119850121121122389123626124810 14.3912.9811.6011.4511.2110.5510.4210.069.538038961070133117812311272629443094主要内容：平稳时间序列分析—Box-Jenkins (1976)非平稳时间序列分析—Engle-Granger(1987)时间序列模型不同于经济计量模型的两个特点是：- 这种建模方法不以经济理论为依据，而是依据变量自身的变化规律，利用外推机制描述时间序列的变化。- 明确考虑时间序列的平稳性。如果时间序列非平稳，建立模型之前应先通过差分或者协整把它变换成平稳的时间序列，再考虑建模问题。时间序列分析发展的两个阶段平稳时间序列如果一个时间序列的概率分布与时间 t 无关，则称该序列为严格的（狭义的）平稳时间序列。如果序列的一、二阶矩存在，且对任意时刻 t 满足：（1）均值为常数（2）方差为常数（3）协方差为时间间隔k的函数则称该序列为宽平稳时间序列，也叫广义平稳时间序列。以后所研究的时间序列主要是宽平稳时间序列.2平稳过程例1—i.i.d序列一个最简单的随机时间序列是独立同分布标准正态分布序列：平稳过程例2—自回归过程AR(1) §1 确定性时间序列分析方法概述 时间序列预测技术就是通过对预测目标自身时间序列的处理，来研究其变化趋势的。一个时间序列往往是以下几类变化形式的叠加或耦合。（1）长期趋势变动。是指时间序列朝着一定的方向持续上升或下降，或停留在某一水平上的倾向，它反映了客观事物的主要变化趋势。（2）季节变动。（3）循环变动。通常是指周期为一年以上，由非季节因素引起的涨落起伏波形相似的波动。（4）不规则变动。通常它分为突然变动和随机变动。3趋势Xt随机循环或者季节性time时间序列数据的分解 通常用 Tt 表示长期趋势项，St 表示季节变动趋势项，Ct表示循环变动趋势项，Rt 表示随机干扰项。常见的确定性时间序列模型有以下几种类型: yt = Tt + St + Ct + Rt yt = Tt ? St ? Ct ? Rtyt = Tt ? St + Rt , yt = St + Tt ? Ct ? Rt加法模型乘法模型混合模型其中 yt 是观测目标的观测记录，E ( R t ) = 0 , E ( R 2 ) = σ 2 如果在预测时间范围以内，无突然变动且随机变动的方差σ2较小，并且有理由认为过去和现在的演变趋势将继续发展到未来时，可用一些经验方法进行预测，具体方法如下: 4t1. 移动平均法 设观测序列为y1,…,yT，取移动平均的项数 NT 一次移动平均值计算公式5二次移动平均 当预测目标的基本趋势是在某一水平上下波动时，可用一次移动平均方法建立预测模型:其预测标准误差为6 最近N期序列值的平均值作为未来各期的预测结果。一般N取值范围：5≤N≤200。当历史序列的基本趋势变化不大且序列中随机变动成分较多时，N的取值应较大一些。否则N的取值应小一些。在有确定的季节变动周期的资料中，移动平均的项数应取周期长度。选择最佳N值的一个有效方法是，比较若干模型的预测误差。均方预测误差最小者为好. 当预测目标的基本趋势与某一线性模型相吻合时，常用二次移动平均法，但序列同时存在线性趋势与周期波动时，可用趋势移动平均法建立预测模型： y T + m = a T + b T m , m = 1 , 2 ,? 2N ? 1a T = 2M? M, bT =? M(1)T(2)T(1)T(2)T(M)其中7例1 某企业1月～11月份的销售收入时间序列如下表所示。 取N=4，试用简单一次滑动平均法预测第12月份的销售 收入，并计算预测的标准误差.月份