第十六章时间数列分析.pptVIP

***台灣地區失業率

指數平滑法預測圖*STATISTICA套裝軟體

時間數列*指數平滑法畫面*指數平滑法()*15.5成份分解法將時間數列分解成四個成份(Component)，趨勢、循環效應、季節效應隨機性；*分解法預測分解法基本上是1920年代所建立，有許多不同的方式來分解時間數列資料，將每一成份獨立出來，使預測更準確。*基本程序是

(1)先將季節效應去掉，(2)然後消除趨勢，(3)接著消除循環效應，(4)最後計算出殘差，*分解法的一般數學表示法*分解法兩種組合加法性(Additive)組合與乘法性(Multiple)組合*季節的分量可以是

加法性或乘法性，例如，在12月份，某種玩具每年都以1百萬元增加，也就是對每年12月份的預測可以增加1百萬來表達此季節影響，在此種情形季節成份是加法性。*某一種玩具在每年12月份銷售量是以40﹪成長，即以一個1.4的倍數增加，當玩具銷售量少時則在12月份銷售量增加也少，(但是增加的百分比是固定的)，若每年同一季的增加是以相同的倍數（此例中係數為1.4）則此季節成份是乘法性的。*加法性是每年以固定的數量成長，乘法性是每年以固定的倍數成長*分解過程是相似的，

由下列幾個步驟組成1.對原始資料，計算以季節週期L為期的中心化移動平均，目的在於消去季節性與隨機性。2.將中心化移動平均數從原始資料中移去3.對L期每一相同時段算出平均數以便找出季節指數。*4.找出趨勢的適當形式。5.去掉趨勢，得到循環效應Ct。6.從原始資料中分離季節效應、趨勢循環效應，留下隨機性It，?*1.加法性時間數列組合xt=TRt+St+Ct+It*表15.6加法性時間數列資料*圖15.10加法性時間數列圖*(1)中心化移動平均*季節指數之計算*季節指數*註1：算出中心化移動平均CMA(4)是數列的趨勢。註2：d=x?MA(4)是將數列去除趨勢，因此d值包含季節指數與隨機性。註3：將各季的d值平均，基本上即為再進一步去除隨機性而得季節指數*(3)去季節指數後的數列y*趨勢

以去季節指數yt對時段t做

線性迴歸*隨機性

擬合值、殘差值與殘差平方*?

2.乘法性時間數列組合*例15.5、設某公司過去10年每季產品銷售量資料xt如下表，試以乘法性時間數列分解之*每季產品銷售量資料xt*圖15.11乘法性時間數列圖*分成5個步驟分解此數列:*試畫其時間數列圖並求其線性趨勢*台灣地區過去24年性別比例

(民國68年到91年間)時間數列圖*線性趨勢TRt=123.6891?0.2126t即過去24年男生雖比女生多，但差距愈來愈小，每年約下降0.2126，利用此方程式可預估公元2016年（即t=95）時，性別比例為x=123.6891?0.2126?(95)=103.4917*2.季節性(Seasonality簡寫為S)或稱季節變動，是每年(或每週或每天)在某固定時段量測數據都有比其他時段大(或小)的現象。在工商業常聽到所謂的大月、小月就是季節性的表現，*例如飲料，冰淇淋，燃料油等的銷售在夏季銷售量較高的情形。而像交通其尖峰時間可能是每天早上7～9點及下午5～7點。*3.循環變動是描述資料如何對趨勢長期的循環移動，每一循環的長度稱為此循環的周期循環周期的計算可由量測數列中一高峰到下一高峰的時間長度，或是由一谷底到下一谷底的長度*循環周期*圖15.4經濟景氣循環與

房地產循環關聯*4.隨機變動隨機變動也稱不規則性白噪音具有不規則性，是不可觀測的，也是不可預測的，*

圖15.5各種時間數列圖

**15.3加權平均法預測簡單平均法、移動平均法、中心化移動平均法、*1.簡單平均法*2.移動平均法它是將“最近k期”的資料加以平均，當做下一期的預測，如股票市場的六日移動平均線，