第九章 时间序列分析ppt.ppt

解 　 设民航客运量线性趋势方程为 给时间变量 t分别赋值 1 ，2 ，3 ，? ，16 ，按顺序与原时间序列时间相对应（见表９‐７） 。采用最小二乘法求解方程参数 a 和 b ，具体计算过程如下式和表 ９‐８ 所示 。 三 、非线性趋势的测定 （一） 抛物线形 例 9‐6　已知某时间序列如表９‐９ 所示 ，试拟合其二次抛物线趋势方程 。 解 　 采用最小二乘法 ，利用统计软件上机运行 ，可求出如下抛物线趋势方程 ： （二） 指数曲线型 若一个时间序列各期环比发展速度大体相同 ，在散点图中的样本点大致呈指数曲线趋势波动时 ，可配合指数曲线模型进行长期趋势分析 ，其方程形式为: 一 、简单平均法 以时间单位为月（季） 的时间数列为例 ，用简单平均法测定季节变动的计算步骤如下 ： （１） 将各年同月（季） 的数值加总 ，计算若干年内同月（季） 的平均数 ； （２） 根据若干年内每个月（季） 的数值总计 ，计算若干年总的月（季） 平均数 ； （３） 将若干年内同月（季） 的平均数与总的月（季） 平均数相比 ，即求得用百分数表示的各月（季） 的季节比率 ，又称季节指数 。 例 9‐7　根据例９‐４ 中某零售商店 2006 — 2009 年各季度销售额数据 ，计算该商店各季度销售额季节指数 。 解 　 根据简单平均法测度季节指数步骤 ，季节指数计算过程如表 ９‐１０ 所示 。 该零售商店 2006 — 2009 年销售额总的季度平均数为 　 　 142 ÷ 4 ＝ 35.5 各季度季节指数为各季平均数与总平均数的比率 ，如一季度季节指数为 　 　 27.5 ÷ 35.5 ＝ 77.46％ 二 、移动平均趋势剔除法 （１）根据时间数列中各年按月（季）的数值计算其 １２ 个月的（若是季资料则为 ４ 个季度）移动平均数作为相应时期的长期趋势值（y t ） ； （２） 用时间数列中各月（季） 的数值（y t ） 除以其相对应的移动平均趋势值（y t ） ，剔除原时间序列中的长期趋势 ； （３） 将剔除长期趋势后的数列（y t ／y t ） 按月（季） 排列 ，计算出各年同月（季） 平均数 ，这个平均数就是各月（季） 的季节比率 。 三 、季节变动的调整 例 9‐9　根据例9‐8 测算出的某零售商店销售额季节指数 ，对该零售商店 2006 — 2009年季度销售额时间序列作季节变动调整 ，从原数列中剔除季节因素 。 解 　 采用式（9‐18） 方法对某商店 2006 — 2009 年季度销售额时间序列作季节变动调整 ，过程及结果如表 9‐13 所示 。 经季节调整后的时间序列由于剔除了季节因素 ，因而更加平滑 。例 9‐9 中调整前后的时间序列如图 9‐5 所示 。 统计学 作者：张增臣 责任编辑：朱玲 出版日期：2012年3月 IDPN: 308-2011-80 课件章数：11 第一节　 时间序列概述 第二节　 时间序列的描述性分析 第三节　 时间序列长期趋势测定 第四节　 时间序列季节变动的测定 一 、时间序列的含义及类型 （一） 时间序列的含义 时间序列（time series ） 又称为时间数列或动态数列 ，是指将现象某项指标测度值按时间先后顺序排列而形成的数列 。 （二） 时间序列的主要类型 １ ．按时间的连续性 ，可分为离散时间序列和连续时间序列 ２ ．按时间序列的统计特性分 ，可分为平稳时间序列和非平稳时间序列 ３ ．社会经济统计实践中 ，通常根据时间序列构成指标的性质 ，将时间序列分为绝对数时间序列 、相对数时间序列和平均数时间序列 二 、时间序列趋势因素构成及其分解 １ ．长期趋势 长期趋势（secular trend ，T） 是指现象在一段较长的时间内 ，由于受某种基本因素的作用 ，使现象沿着一个向上或向下的方向 ，持续变动的趋势 。 ２ ．季节变动 季节变动（seasonal variation ，S） 是指现象受自然条件和社会因素的影响 ，在一年内或更短的时间内随着时序的变化而呈现周期性变动 。 ３ ．循环变动 循环变动（cyclical variation ，C）又称波浪式变动 ，是指现象发生的周期比较长的涨落起伏变动 ，多指经济发展兴衰相替之变动 。 ４ ．偶然变动 偶然变动（irregular variation ，I） 又称不规则变动或随机波动 ，是指现象由于受突发事件或偶然因素而引起的非周期性 、非趋势性的随机变动 。 一 、时间序列水平分析 （一） 发展水平 （二） 平均发展水平 １ ．时期数列序时平均数 ２ ．时点数列序时平均数 （三） 增长量与平均增长量 增长量 ＝ 报告期水平 －