- 1、本文档共90页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
编辑ppt 时间序列的检验方法 参数检验法 参数检验的基本思路是,将序列分成若干子序列,并分别计算子序列的均值、方差、相关函数。根据平稳性假设,当子序列中数据足够多时,各统计量在不同序列之间不应有显著差异。如果差值大于检验值,则认为序列具有非平稳性。 时间序列的图形化观察和检验的基本操作 1 绘制序列图的基本操作 (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。 2绘制自相关函数图和偏自相关函数图的基本操作 (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,其中Maximum Number of Lags表示相关函数值包含的最大滞后期,即时间间隔h。一般情况下可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,它将影响到相关函数图形中的置信区间。其中Independence model表示假设序列是白噪声的过程;Bartlett’s approximation表示,根据Bartlett给出的估计自相关系数和偏自相关系数方差的近似式计算方差。该方法适合当序列是一个k-1阶的移动平均过程,且标准差随阶数的增大而增大的情况。 (5)选中Display autocorrelation at periodic lags表示只显示时间序列周期整数倍处的相关函数值。一般如果只考虑序列中的周期因素可选中该项。否则该步可略去。 3 绘制互相关图的基本操作 (1)选择菜单Graph→Time Series→Cross correlations。 (2)把需绘图的序列变量选择到Variables框中。 绘制互相关图时要求两个序列均具有平稳性。 时间序列的预处理 1 时间序列预处理的目的和主要方法 预处理的目的可大致归纳为两个方面:第一,使序列的特征体现得更加明显,利于分析模型的选择;第二,使数据满足于某些特定模型的要求。 序列的预处理主要包括以下几个方面: ·序列缺失数据的处理 ·序列数据的变换处理 主要包括序列的平稳化处理和序列的平滑处理等。均值平稳化一般采用差分(Difference)处理,方差平稳化一般用Box-Cox变换处理,如取对数、平方根等 差分不一定是相邻项之间的运算,也可以在有一定跨度的时间点之间进行。季节差分(Seasonal difference)就是一个典型的代表。对于既有趋势性又有季节性的序列,可同时进行差分和季节差分处理。时间序列的平滑处理目的是为了消除序列中随机波动性影响。 平滑处理的方式很多,常用的有各种移动平均、移动中位数以及这些方法的各种组合等。 ·中心移动平均法(Centered moving average) 计算以当前为中心的时间跨度k范围内数据的移动平均数。 ·向前移动平均法(Prior moving average) 若指定时间跨度为k,则用当前值前面k个数据(注意:不包括当前值)的平均值代替当前值。 ·移动中位数(Runing medians) 它以当前时间点为中心,根据指定的时间跨度k计算中位数。 2 时间序列预处理的基本操作 序列缺失数据处理的基本操作
文档评论(0)