第10章时间序列分析.pptVIP

《统计学教程》第10章 时间序列分析 10.2 长期趋势分析 2．加权移动平均 加权移动平均（Weighted Moving Average）是指以t时刻之前K期发展水平的加权算术平均值作为第t+1时刻发展水平的预测值的方法和过程。有 （10.23） 式（10.21）中的权数一般是以t时刻的权数数值最大，然后逐项减小，以反映离预测时刻越近的数值对预测值影响力越大的客观要求，所以，加权移动平均是以逐期移动的方式，采用类似式（10.2）的加权方式计算出各期的序时平均数作为预测值。 由于式（10.21）中的各项权数的数值各不相同，使得加权移动平均的递推公式不能导出一般形式的递推公式。 /* 第三十页，共七十四页。 《统计学教程》第10章 时间序列分析 10.2 长期趋势分析 10.2.3 指数平滑 指数平滑（Exponential Smoothing）是指以 作为时间序列中第t-j项数据的权数，计算出来作为第t+1时刻发展水平的预测值的方法和过程。有一次指数平滑的第t +1时刻的预测值的计算公式为 （10.24） 由式（10.24）可以看出一次指数平滑的预测值为t+1时刻之前所有发展水平的加权算术平均值。 权数的数值依其平滑因子的取值呈指数衰减，靠近时刻的权数数值最大，其它则逐项减小。并且权数的数值呈指数衰减的速度，决定于平滑因子的取值。平滑因子α的取值越大，越趋于1，（1- α）数值越小，权数的数值呈指数衰减的速度越快，靠近时刻的数据对一次指数平滑的预测值的影响越大，预测值表现得越为敏感。 /* 第三十一页，共七十四页。 《统计学教程》第10章 时间序列分析 10.2 长期趋势分析 由式（10.24）可导出一次指数平滑的递推公式，由 有一次指数平滑的递推公式为 （10.25） 利用递推公式，只要根据时刻的预测值，和时刻的实际发展水平数据，以及平滑因子就可以简单而快捷地计算出时刻的一次指数平滑预测值。 /* 第三十二页，共七十四页。 《统计学教程》第10章 时间序列分析 10.2 长期趋势分析 例10.5 仍然采用例10.5的某城市近15年以来人口自然增长率实例，试在平滑因子分别为0.5、0.25、0.1时，进行一次指数平滑分析。 ? /* 第三十三页，共七十四页。 《统计学教程》第10章 时间序列分析 10.2 长期趋势分析 10.2.4 模型拟合法 使用移动平均数值作为预测值是将一个平均数值，人为地前移之后，作为t+1时刻的预测数值，存在着一个固有的，不可克服的滞后问题。所以，在许多场合需要采用模型拟合法对长期趋势进行预测和分析。对于长期趋势的模型拟合是采用数学方程的形式，来模拟客观存在的事物及其现象的某一数量特征的基本的、稳定的、长期的增长规律性，因此又统称为趋势模型，或增长模型。 趋势模型与在第9章中介绍的回归模型的共同特点是均可采用回归的方法来估计模型的参数，但是趋势模型并不揭示事物及其现象之间的因果联系，只是反映事物及其现象的某一数量特征依时间推移所呈现出来的某种变动的规律性。因而趋势模型也被称为非因果关系的定量模型。 ? /* 第三十四页，共七十四页。 《统计学教程》第10章 时间序列分析 10.2 长期趋势分析 1．线性模型拟合 当事物及其现象的某一数量特征依时间推移呈现出稳定的增长或上升的直线变动趋势时，可以采用线性模型来描述其变动规律性，进行相关的预测和分析。有线性方程为 （1