(11)--第13章-时间序列分析和预测.pptVIP

一次指数平滑 (例题分析) 13.5 趋势型序列的预测 13.5.1 线性趋势预测 13.5.2 非线性趋势预测 趋势序列及其预测方法 趋势(trend) 持续向上或持续下降的状态或规律 有线性趋势和非线性趋势 方法主要有 线性趋势预测 非线性趋势预测 自回归模型预测 线性趋势 (linear trend) 是指现象随着时间的推移呈现出稳定增长或下降的线性变化规律。 预测方法：线性模型法 —时间序列的预测值 t —时间标号 b0—趋势线在Y 轴上的截距 b1—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 线性模型法 (a 和 b 的求解方程) 根据最小二乘法得到求解b0和b1的标准方程为 解得 预测误差可用估计标准误差来衡量 m为趋势方程中待确定的未知常数的个数 线性模型法 (例题分析) 【例】根据人均GDP数据，根据最小二乘法确定直线趋势方程，计算出各期的预测值和预测误差，预测2005年的人均GDP，并将原序列和各期的预测值序列绘制成图形进行比较 线性趋势方程： 预测的R2和估计标准误差：R2=0.9806 2005年人口GDP的预测值 元 线性模型法 (例题分析) 非线性趋势预测 1. 指数曲线2. 修正指数曲线3. Gompertz曲线4. 多阶曲线 1.指数曲线 (exponential curve) 时间序列以几何级数递增或递减 一般形式为 即按一定的增长率增长或衰减 一般的自然增长及大多数经济序列都有指数变化趋势 b0，b1为待定系数 若b1 1，趋势值随着时间t的增加而增加 若b1 1，趋势值随着时间t的增加而降低 若b00， b11，趋势值逐渐降低到以0为极限 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 lgb0、lgb1 的标准方程，求出lgb0和lgb1后，再取其反对数，即得算术形式的b0和b1 用Excel中的GROWTH函数进行指数趋势预测 第1步：选择【fx】插入函数，并选择【统计】函数中的 GROWTH(known_ys,known_xs,new_xs,const)函数 第2步：当对话框出现时 在【Known_y‘s】中输入 y 的数据区域 在【known_x‘s】中输入 x 的数据区域 在【New_x‘s】中输入新的 x 的值或数据区域(如果省略 则假设它和 known_xs 相同) 在【Const】中输入TRUE 或省略，此时返回预测值 ；如果 const 为 FALSE，b0 将设为 1，此时 返回预测值 【注】若要同时返回一组预测值，则需要首先选择输出区域，然后同时按下【Ctrl+Shift+Enter】键 1.指数曲线 (例题分析) 【例】根据轿车产量数据，确定指数曲线方程，计算出各期的预测值和预测误差，预测2005年的轿车产量，并将原序列和各期的预测值序列绘制成图形进行比较。 指数曲线趋势方程： 预测的估计标准误差： 2005年轿车产量的预测值 万辆 万辆 1. 指数曲线 (例题分析) 指数曲线与直线的比较 比一般的趋势直线有着更广泛的应用 可以反应现象的相对发展变化程度 上例中，b1=1.27286表示1990—2004年轿车产量的年平均增长率为27.286% 不同序列的指数曲线可以进行比较 比较分析相对增长程度 指在一般指数曲线的方程上增加一个常数项K。 一般形式为 2. 修正指数曲线(modified exponential curve) 用于描述的现象：初期增长迅速，随后增长率逐渐降低，最终则以K为增长极限。 例如：新产品销售量 K，b0，b1 为待定系数 K 0，b0 ≠ 0，0 b1 ≠ 1 K 0，b0 0，0 b1 1时， 2. 修正指数曲线(求解k，b0，b1 的三和法) 趋势值K无法事先确定时采用三和法。 三和法：将时间序列观察值 等分为3个部分，每部分有m个时期，从而根据预测值 的3个局部总和分别等于原序列观察值 的三个局部总和确定3个系数。 根据三和法求得 设观察值的三个局部总和分别为S1，S2，S3 2. 修正指数曲线 (例题分析) 【例】我国1990—2004年城镇新建住宅面积数据如右表所示。试确定修正指数曲线方程，计算出各期的预测值和预测误差，预测2005年的城镇新建住宅面积，并将原序列和各期的预测值序列绘制成图形进行比较 。 2.