第8章时间序列趋势分析.ppt

第8章 时间序列趋势分析 本章教学内容 学习目标 了解时间数列的意义、种类及编制要求； 掌握社会经济现象发展变动数量规律的测定方法，尤其是长期趋势和季节变动的分析方法。 8.1 时间序列概述 时间序列的概念 时间序列的构成要素 时间序列的作用 1 时间序列的概念（第85页） 时间序列的构成要素 8.2 时间序列趋势分析(P103) 8.2.1 影响时间序列趋势的因素及模型 8.2.2 长期趋势的测定 8.2.3 季节变动的测定 8.2.4 循环变动和不规则变动的测定 8.3.1 影响时间序列趋势的因素及模型 含有不同成分的时间序列 1. 长期趋势(Secular Trend ) 1)现象在较长时期内持续发展变化的一种总态势； 2)由影响时间序列的根本性因素作用形成； 3)是时间序列中最基本的构成要素； 4)可分为上升趋势、下降趋势、水平趋势 或分为：线性趋势和非线性趋势。 2. 季节变动 (Seasonal Fluctuation ) 是一种使现象以一定时期（一年、一月、一周等）为一周期呈现较有规律的上升、下降交替运动的影响因素。 通常表现为现象在一年内随着自然季节的更替而发生的较有规律的增减变化，如有旺季和淡季之分。 是一种周期性的变化； 周期长度小于一年； 形成原因——有自然因素，也有社会因素。 3. 循环变动(Cyclical Variation) 这种因素的影响使现象呈现出以若干年(月、季)为一周期、涨落相间、扩张与紧缩、波峰与波谷相交替的波动。如经济危机就是循环变动，每一循环周期都要经历危机、萧条、复苏和高涨四个阶段。 不同于季节周期 周期长度不同 模型识别的难易程度不同 形成原因不同 4. 不规则变动 (Irregular Variations ) 包括随机变动和突然变动。 随机变动—现象受到各种偶然因素影响而呈现出方向不定、时起时伏、时大时小的变动。 突然变动—战争、自然灾害或其它社会因素等意外事件引起的变动。影响作用无法相互抵消，影响幅度很大。 一般只讨论有随机波动而不含突然异常变动的情况。随机变动与时间无关，是一种无规律的变动，难以测定，一般作为误差项处理。 在乘法模型中 只有长期趋势是与Y同计量单位的绝对量；其余因素均为以长期趋势为基础的比率，通常以百分数表示。 季节变动和循环变动的数值在各自的一个周期内平均为1（or 100%）；不规则变动的数值从长时间来看，其平均也应为1（or 100%）。 乘法模型中，各因素的分解是根据除法进行（如:Y / T = SCI）。 8.2.2 长期趋势的测定 研究长期趋势的目的和意义 认识和掌握现象随时间演变的趋势和规律，为制定相关政策和进行管理提供依据； 通过对现象过去变动规律的认识，对事物的未来发展趋势做出预计和推测； 测定出趋势因素后，便于从原时间序列中剔除趋势因素，更好地分解、研究其他因素。 1、移动平均法 移动平均，是选择一定的平均项数（常用 N 表示），采用逐项递移的方法对原时间序列计算一系列序时平均值；这些移动平均值消除或削弱了原数列中的不规则变动和其他变动，揭示出现象在较长时间内的基本发展趋势。 移动平均法(实例) 移动平均法(实例) 移动平均法特点 (应注意的问题) 移动平均对数列具有平滑修匀作用，平均项数（N）越大，对数列的平滑修匀作用越强； 移动平均的数值应放在所平均时间的中间位置； 当N 为奇数，只需一次移动平均； 当N为偶数，需再进行二项移动平均即移正平均（或中心化）； 3.移动间隔的长度应长短适中 若数列包含周期性变动，为了消除周期变动而只反映T，应以周期长度作为移动间隔的长度，即： N=周期长度 若是季度资料，应采用4项移动平均 若为月份资料，应采用12项移动平均 4. 新数列较原数列项数少,造成部分信息缺损。N越大，缺项越多。 N为奇数时，新数列首尾各少（N-1）/2项； N为偶数时，（移正后）新数列首尾各少 N/2 项。 5. 移动平均法可以呈现出现象的长期趋势，但本身不能进行外推预测。只有当T为水平趋势时，才可用移动平均值作为最近一期的预测值。 2. 趋势方程拟合法 当序列存在明显趋势时，采用趋势外推预测，利用数学中的某种曲线方程对原数列中的趋势进行拟合，以消