必威体育精装版干预分析模型.ppt

9干 预 分 析 模 型 预 测 法 9.1 干预分析模型概述 9.2 单变量干预分析模型的识别与估计 9.3 干预分析模型的应用实例 9.1 干预分析模型概述 一、干预模型简介 干预的含义： 时间序列经常会受到特殊事件及态势的影响，称 这类外部事件为干预。 研究干预分析的目的： 从定量分析的角度来评估政策干预或突发事件对 经济环境和经济过程的具体影响。 二、干预分析模型的基本形式 干预变量的形式 ： 干预分析模型的基本变量是干预变量，有两种常见的干预变量。 一种是持续性的干预变量，表示T 时刻发生以后, 一直有影响，这时可以用阶跃函数表示，形式是： 第二种是短暂性的干预变量，表示在某时刻发生, 仅对该时刻有影响, 用单位脉冲函数表示，形式是： 干预事件的形式 ： 干预事件虽然多种多样，但按其影响的形式，归纳起来基本上有四种类型： 1. 干预事件的影响突然开始，长期持续下去 设干预对因变量的影响是固定的，从某一时刻T开始，但影响的程度是未知的，即因变量的大小是未知的。这种影响的干预模型可写为： ω表示干预影响强度的未知参数。Yt 不平稳时可以通过差分化为平稳序列，则干预模型可调整为： 其中B为后移算子。如果干预事件要滞后若干个时期才产生影响，如b个时期，那么干预模型可进一步调整为 ： 2. 干预事件的影响逐渐开始，长期持续下去 有时候干预事件突然发生，并不能立刻产生 完全的影响，而是随着时间的推移，逐渐地感到 这种影响的存在。这种形式的最简单情形的模型 方程为： 更一般的模型是 ： 3. 干预事件突然开始，产生暂时的影响 这类干预现象可以用数学模型描述如下： 当 时，干预的影响只存在一个时期， 当 时，干预的影响将长期存在。 4. 干预事件逐渐开始，产生暂时的影响 干预的影响逐渐增加，在某个时刻到达高峰，然后又逐渐减弱以至消失。这类干预现象可用以下模型描绘： 9.2 单变量干预分析模型的识别与估计 一、干预模型的构造与干预效应的识别 单变量时间序列的干预模型，就是在时间序列模 型中加进各种干预变量的影响。 设平稳化后的单变量序列满足下述模型(ARMA)： 又设干预事件的影响为： 其中 为干预变量，它等于 或 ， 则单变量序列的干预模型为 ： ， 这里： 二、干预效应的识别 在对实际数据进行干预分析的过程中，一个主要的困难是，观察到的序列现实值是受到了干预变量影响的数据，不能保证自相关函数与偏自相关函数所反映的ARMA模型是真实的。 下面我们介绍两种应对方法。 （1）根据序列的具体情况和干预变量的性质进行识别 确定干预变量的影响是短暂的还是长期的，需要进行具体的识别工作。 它是利用干预变量产生影响之前或干预影响过后，也就是消除了干预影响或没有干预影响的净化数据，计算出自相关函数与偏自相关函数。首先识别ARMA模型中的p和q，然后估计出 ， 中的参数。 假定 假定干预模型的模式为 ： 组合这两个模型，便得到单变量序列的干预分析 模型： 或： （2）已知干预影响的情形 假定在模型识别之前，对干预的影响已很清楚，以至于通过数据分析，能够确定干预变量的影响部分 并估计出这部分的参数， 然后计算出残差序列： 这个序列 是一个消除了干预变量影响的序列，可计算出它的自相关与偏自相关函数，从而识别出ARMA模型的阶数。 三、干预模型的建模步骤 1.利用干预影响产生前的数据，建立单变量的时间序列模型。然后利用此模型进行外推预测，得到的预测值，作为不受干预影响的数值。 2.将实际值减去预测值，得到受干预影响的具体结果，利用这些结果求估干预影响的参数。 3.利用排除干预影响后的全部数据，识别与估计出一个单变量的时间序列模型。 4. 求出总的干预