数据分析基础——Python实现教学课件7.pptxVIP

课程结构 第1章 数据分析与Python语言 第2章 Python数据处理 第3章 数据可视化分析 第4章 数据的描述分析 第5章 推断分析基本方法 第6章 相关与回归分析 第7章 时间序列分析;;学习目标 掌握各种增长率的计算方法和应用场合。 了解时间序列的成分。 掌握指数平滑法预测和趋势预测的方法和应用。 理解时间序列平滑的用途。 使用Python进行预测使用R进行预测 思政目标 时间序列社会经济数据的常见形式。学习时间序列应重点结合我国的宏观经济和社会数据、企业经营管理数据学习时间序列方向和预测方法的具体应用 进行时间序列分析应选择反映中国特色社会主义建设成就的数据，分析我国社会经济发展的成就，分析未来的发展方向和趋势;?;?;?;【例7-1】 表7-1是2011年—2020年我国的居民消费水平数据，计算 （1）2011—2020年的环比增长率 （2）以2011年为固定基期的定基增长率 （3）2011—2020年的年平均增长率，并根据年平均增长率预测2021年和2022年的居民消费水平;?;?;【例7-2】 已知某企业的如下数据，计算年化增长率。 （1）2020年1月份的净利润为25亿元，2021年1月份的净利润为30亿。 （2）2020年3月份销售收入为240亿元，2022年6月份的销售收入为300亿元。 （3）2022年1季度出口额为5亿元，2季度出口额为5.1亿元。 （4）2019年4季度的工业增加值为28亿元，2022年4季度的工业增加值为35亿元; 增长率分析应注意的问题;时间序列的成分是影响因素就是时间序列的要素（components） 一个时间序列通常可以分解为4种成分：趋势、季节波动、循环波动和不规则波动 趋势（trend）——趋势时间序列在一段较长时期内呈现出来的持续向上或持续向下的变动 季节波动（seasonal fluctuation）——时间序列在一年内重复出现的周期性波动，也称季节性（seasonality） 循环波动（cyclical fluctuation）——时间序列呈现出的非固定长度的周期性变动，也称为周期性（cyclity） 不规则波动（irregular variations）——时间序列中除去趋势、季节波动和循环波动之后剩余的波动，也称随机波动（random fluctuation） 各成分的关系 ;不同成分的时间序列 一个时间序列可能由一种成分组成，也可能同时含有几种成分。观察时间序列的图形就可以大致判断时间序列所包含的成分，为选择适当的预测模型奠定基础;一个具体的时间序列，它可能只含有一种成分，也可能同时含有几种成分。含有不同成分的时间序列所用的预测方法是不同的。时间序列预测时通常包括以下几个步骤： 第1步，确定时间序列所包含的成分 第2步，找出适合该时间序列的预测方法 第3步，对可能的预测方法进行评估，以确定最佳预测方案 第4步，利用最佳预测方案进行预测，并分析其预测的残差，以检查模型是否合适; 预测方法的选择与评估; 预测方法的选择与评估; 简单指数平滑预测; 平滑法预测——例题分析; 平滑法预测——例题分析; 线性趋势预测; 线性趋势预测——例题分析; 线性趋势预测——例题分析; 非线性趋势预测——指数曲线; 非线性趋势预测——指数曲线——例题分析; 非线性趋势预测——多阶曲线; 非线性趋势预测——多阶曲线——例题分析; 移动平均平滑; 移动平均平滑——例题分析;思维导图; THANKS; THANKS