第十一章时间序列.pptVIP

3、4、5年的移动平均图示 第30页，共79页，编辑于2022年，星期一 （1）移动平均法对原数列有修匀作用，移动时距越长，对数列的修匀作用越大，但得到的移动平均数项数也越少，失去的信息越多，所以移动平均的项数不宜过大。 （2）移动平均时距项数为奇数时，只需一次移动平均，其数值与移动平均项数中间一期相对应；移动平均项数为偶数时，则需再进行一次相邻两个平均值的移动平均，才能使平均值对正于某一时期，这称为移正平均。 移动平均法的特点 第31页，共79页，编辑于2022年，星期一 (3) 当序列包含季节变动时，移动平均时距项数N应与季节变动长度一致（如4个季度或12个月），才能消除季节变动，若序列包含周期变动时，移动平均时距项数N应与周期长度基本一致，才能较好地消除周期波动。 第32页，共79页，编辑于2022年，星期一 二、测定长期趋势的线性趋势模型法 当时间序列的逐期增减量大致相等时，则该序列按线性趋势发展，其发展趋势可用线性模型表示： —时间序列的趋势值 t —时间标号 a—趋势线在Y 轴上的截距 b—趋势线的斜率，表示时间 t 变动一个 单位时观察值的平均变动数量 第33页，共79页，编辑于2022年，星期一 线性模型法(a 和 b 的最小二乘估计) 趋势方程中的两个未知常数 a 和 b 按最小二乘法(Least-square Method)求得 根据回归分析中的最小二乘法原理 使各实际观察值与趋势值的离差平方和为最小 最小二乘法既可以配合趋势直线，也可用于配合趋势曲线 根据趋势线计算出各个时期的趋势值 第34页，共79页，编辑于2022年，星期一 线性模型法(a 和 b 的求解方程) 根据最小二乘法得到求解 a 和 b 的标准方程为 解得： 预测误差可用估计标准误差来衡量 m为趋势方程中未知常数的个数 第35页，共79页，编辑于2022年，星期一 三、测定长期趋势的非线性趋势模型法 二次曲线模型（抛物线模型） 当时间序列经过一段时间逐渐下降后，又逐渐上升；或者经过一段时间逐渐上升后，逐渐下降时，则该序列可以看作按抛物线趋势发展，其发展趋势可用二次曲线（抛物线）模型表示： 第36页，共79页，编辑于2022年，星期一 现象的发展趋势为抛物线形态 一般形式为 根据最小二乘法求 a，b，c的标准方程 二次曲线(second degree curve) 第37页，共79页，编辑于2022年，星期一 用于描述以几何级数递增或递减的现象 一般形式为 指数曲线(exponential curve) a，b为未知常数 若b>1，增长率随着时间t的增加而增加 若b<1，增长率随着时间t的增加而降低 若a>0，b<1，趋势值逐渐降低到以0为极限 第38页，共79页，编辑于2022年，星期一 指数曲线(a，b 的求解方法) 采取“线性化”手段将其化为对数直线形式 根据最小二乘法，得到求解 lga、lgb 的标准方程为 求出lga和lgb后，再取其反对数，即得算术形式的a和b 第39页，共79页，编辑于2022年，星期一 趋势线的选择 观察散点图 根据观察数据本身，按以下标准选择趋势线 一次差大体相同，配合直线 二次差大体相同，配合二次曲线 对数的一次差大体相同，配合指数曲线 一次差的环比值大体相同，配合修正指数曲线 对数一次差的环比值大体相同，配合 Gompertz 曲线 倒数一次差的环比值大体相同，配合Logistic曲线 3. 比较估计标准误差 第40页，共79页，编辑于2022年，星期一 11.4 季节变动分析 一、原始资料平均法（同期平均法） 二、季节变动分析的趋势—循环剔除法 第41页，共79页，编辑于2022年，星期一 11.4.1 原始资料平均法（同期平均法） 若时间序列中不包含长期趋势和循环变动，则直接利用原序列进行同期平均和总平均，消除不规则变动，计算出季节指数，常用按季(月)平均法。基本步骤如下： 1. 计算同月（或同季）的平均数 2. 计算全部数据的总月（总季）平均数 3. 计算季节指数（S） 第42页，共79页，编辑于2022年，星期一 原始资料平均法（同期平均法） 第43页，共79页，编辑于2022年，星期一 例：已知我国1978-1983年各季度的农业生产资料零售额数据如下表。试计算各季的季节指数。 第44页，共79页，编辑于2022年，星期一 例：已知我国1978-1983年各季度的农业生产资料零售额数据如下表。试计算各季的季节指数。 第45页，共79页，编辑于2022年，星期一 第46页，共79页，编辑于2022年，星期一