信息分析与预测时间序列.pptVIP

一次指数曲线法 即将指数曲线化成了直线。下面我们来求回归系数a和b。 直线式的剩余平方和为 第30页，共64页，编辑于2022年，星期二 一次指数曲线法 根据微积分的极值原理，有 第31页，共64页，编辑于2022年，星期二 一次指数曲线法 解此联立方程，可以得到 第32页，共64页，编辑于2022年，星期二 一次指数曲线法 第33页，共64页，编辑于2022年，星期二 一次指数曲线法 由此即可得到a和b。对于时间t的原点设在时间序列中间的情况，有 第34页，共64页，编辑于2022年，星期二 一次指数曲线法 例：某市1998-2003年的灯具商品销售量分别为8.7,10.6,13.3,16.5,20.6,26.0万架，用一次指数曲线法预测2004年销售量。 第35页，共64页，编辑于2022年，星期二 一次指数曲线法 第36页，共64页，编辑于2022年，星期二 一次指数曲线法 根据表中的数据，求得 所以，指数曲线回归方程为 第37页，共64页，编辑于2022年，星期二 一次指数曲线法 不一致系数为： 第38页，共64页，编辑于2022年，星期二 一次指数曲线法 当t=7时，可预测2004年的销售量为32.07万架。 第39页，共64页，编辑于2022年，星期二 移动平均法 第40页，共64页，编辑于2022年，星期二 概述 倾向线的逐步修正方法是通过时间序列数据平滑来进行分析的。最简单的平滑方法就是取时间序列数据的算术平均值，它能有效地排除随机变动的影响。例如，时间序列数据为 ， 对应于时间t=1,2，…,N,其算术平均值为 第41页，共64页，编辑于2022年，星期二 概述 t---------时间下标变量，表示时期序号 N--------时间序列的时期个数，也即时间序列数据个数 第42页，共64页，编辑于2022年，星期二 概述 不过，使用算术平均值作为时间序列数据平滑的数学模型和它的预测值，虽然能够排除随机变动，但它有着严重的缺点；它只能反映时间序列数据的一般情况（平均水平），而不能反映出数据中的高值和低值，更不能反映时间序列数据的演变过程和发展趋势，掩盖了它的可能存在的倾向变动；它对时间序列的近期数据和早期数据同样看待，缺乏对当前数据变动的适应能力。 第43页，共64页，编辑于2022年，星期二 概述 对算术平均法的改进，最初得到的是一种分段平均法，分段平均法是按时期序号将时间序列数据分成都含有n个时期的段，再取各段数据平均值。例如，将江苏省专利申请量18年来的数据划分为各包含6年的3段，分别求出各段平均值。 第44页，共64页，编辑于2022年，星期二 概述 分段平均法能够反映出研究对象的总的变化趋势和各时期大致变化幅度，并且通过取平均值可以减弱随机因素的影响。但是，这样的分段平均使得数据点大为减少，只为原来数据点的1/n,使各段平均值呈阶梯状，不能连续反映变量的变化过程；而且，当时期总数不为n的整数倍时不便分段。 第45页，共64页，编辑于2022年，星期二 第1页，共64页，编辑于2022年，星期二 时间序列分析法 第2页，共64页，编辑于2022年，星期二 10 概述 所谓时间序列（time series），就是 具有均匀时间间隔的各种社会、自然现象的数量指标依时间次序排列起来的统计数据。时间序列分析法是通过对历史数据变化的分析，来评价事物的现状和估计事物的未来变化。这种方法在科学决策、RD和市场开拓活动中的许多场合有广泛的应用，如市场行情分析、产品销售预测等。 第3页，共64页，编辑于2022年，星期二 10 概述 从回归分析法的角度看，时间序列分析法实际上是一种特殊的回归分析法，因为此时不再考虑事物之间的因果关系或其他相关关系，而仅考虑研究对象与时间之间的相关关系，即将时间作为自变量来看待。 第4页，共64页，编辑于2022年，星期二 10 概述 为了保证时间序列分析的准确性，时间序列数据的编制应该遵循以下一些原则： 时间序列中的各项数据所代表的时期长短（或间隔时间）应该一致且连续。 时间序列中的各项数据所代表的质的内容应该前后一致。 统计指标数据的计量单位应该一致。 第5页，共64页，编辑于2022年，星期二 10 概述 时间序列数据随时间推移而变动包括四种类型： 倾向变动/趋势变动（trend variation）即在整个预测内研究对象呈现出渐增或渐减的总倾向。 周期变动（cyclical variation）即以