时间序列分析子模块.ppt

其次，是确定模型中的参数。 求解模型，实际上就是确定模型中的待定系数，即参数。从数学方法的角度看，最理想的方法就是最小二乘法。 选择直线模型来分析其长期趋势，并假设其方程为： 其中 表示时间数列的实际水平值, 的估计值或叫长期趋势值；t表示时间变量， a、b是两个待定系数，分别表示趋势线在y轴上的截距和斜率。 依据这一时间数列的实际资料和“最小二乘法”的标准方程组求出这一直线方程中的两个参数。 第九十三页，共一百七十七页，2022年，8月28日 标准方程组如下 第九十四页，共一百七十七页，2022年，8月28日 得出a、b两个参数的具体数值，则可得到方程。 最后，把各个时期的时间变量在代入这个趋势方程中，便得到各期的长期趋势值。同时也可以进行预测。 第九十五页，共一百七十七页，2022年，8月28日 直线模型的简化计算法 当时间数列的项数为奇数项时，可以取最中间一项的时间顺序号为0，中间以前的时间序号从中间往前依次为一1，-2，-3，…，中间以后的时间序号从中间往后依次为1，2，3，…； 当时间数列为偶数项时，将最中间的两项，前面的一项取为-1，后面的一项取为1，然后，从中间到两边，以前各期依次取-3，-5，-7，…；以后各期依次取3，5，7，…。 第九十六页，共一百七十七页，2022年，8月28日 若按上述规则取值，从而使9.20式中的∑t=0，做到了这一点，就可以使标准方程简化为：  第九十七页，共一百七十七页，2022年，8月28日 注意进行预测的时候，下一期的t取值为多少。 用简化公式计算的直线趋势方程和标准方程组所求出的方程实际上是同一条趋势线，所不同的只是原点的改变。原点改变后的趋势值和改变前的趋势值肯定是相等的。 第九十八页，共一百七十七页，2022年，8月28日 三、季节变动的分析原理与方法 (一) 季节变动的分析原理 （二）季节变动的分析方法 （三）季节变动的调整 第九十九页，共一百七十七页，2022年，8月28日 (一) 季节变动的分析原理 季节变动是一种各年变化强度大体相同且每年重现的有规律的变动。根据这一基本特征，我们可以将其归纳为一种典型的季节模型。所谓季节模型，就是指一时间序列在各年中所呈现出的典型状态，这种状态年复一年以基本相同的形态出现。季节模型是由一套指数组成的，各指数刻画了现象在一个年度内各月或各季的典型特征。 第一百页，共一百七十七页，2022年，8月28日 如果所分析的是月份数据，季节模型就由12个指数组成；若为季度数据，季节模型就由4个指数组成。其中各个指数是以全年月或季度资料的平均数为基础计算的，因而12个月（或4个季度）指数的平均数应等于100%，而各月（或季）的指数之和应等于1200%（或400%）。季节模型正是以各个指数的平均数等于100%为条件而构成的，它反映了某一月份或季度的数值占全年平均数的大小。 第一百零一页，共一百七十七页，2022年，8月28日 如果现象的发展没有季节变动，则各期的季节指数应等于100%；如果某一月份或季度有明显的季节变化，则各期的季节指数应大于或小于100%。因此，分析季节变动，也就是对一个时间序列计算出该月（或季）指数，即所谓季节指数，然后根据各季节指数与其平均数（100%）的偏差程度来测定季节变动的程度。这就是季节变动分析的基本原理。 第一百零二页，共一百七十七页，2022年，8月28日 （二）季节变动的分析方法 1、季节变动的分析方法和长期趋势的分析方法的联系和区别 区别：长期趋势通过平均的方法将其他三个因素消除（抵消）；而季节变动则采用新的方法消除季节变动以外的三个因素。 第一百零三页，共一百七十七页，2022年，8月28日 在长期趋势的分析中，构成时间数列的四个因素中，除了长期趋势外，其他三个因素，即季节变动、循环变动和不规则变动，要么是周期性的，要么是随机性的，而不管是周期性的，还是随机性的，我们都可以通过平均的方法使它们相互抵消，抵消的结果就是长期趋势。但在测定季节变动的时候，我们要消除的是构成时间数列的四因素中除了季节变动的其他三个因素，即长期趋势、循环变动和不规则变动。如果说，平均的方法在消除循环变动和不规则变动是比较理想的话，则对长期趋势的消除就不那么理想了，这时候就需要采用新的方法，这是二者的区别 第一百零四页，共一百七十七页，2022年，8月28日 联系：当现象变动的长期趋势不明显，甚至没有，那么从时间数列中测定季节变动，实际上就只需要消除循环变动和不规则变动，这时测定季节变动的方法和测定长期趋势的方法从本质上看就完全一样了，都是平均法的思想，这就是二者的联系。 第一百零五页，共一百七十七页，2022年，8月28日 2、测定季节变动的方法 同期平