统计学（第四版 贾俊平等）第十三章 时间序列分析和预测.ppt

上节内容 1.多元线性回归 1).回归模型(总体) 2).回归方程(总体) 3).估计的回归方程(样本) 2.因变量离差平方和的分解： 3.判定系数(多重判定系数和调整的多重判定系数) 上节内容 4.估计标准误差 5.线性关系的显著性检验 6.回归系数的显著性检验 上节内容 7.多重共线性 8.虚拟变量的线性回归 如果定性自变量有k个水平，需要引入k-1个虚拟变量。 第13章 时间序列分析和预测 第13章 时间序列分析和预测 §13.1 时间序列及其分解 §13.2 时间序列的描述性分析 §13.3 时间序列预测的程序 §13.4 平稳序列的预测 §13.5 趋势型序列的预测 §13.6 季节型序列的预测 §13.7 复合型序列的分解预测 §13.1 时间序列及其分解 1.时间序列(time series)是同一现象在不同时间上的相继观察值排列而成的序列。经济数据中大多数都以时间序列的形式给出。 2.表现形式上是由时间和现象在不同时间上的观察值两部分组成，即t和对应的Yt。 3.根据观察时间的不同，时间序列中的时间可以是年份、季度、月份或其他任何时间形式。 §13.1 时间序列及其分解 时间序列的分类： 1.平稳序列(stationary series)是基本上不存在趋势的序列。这类序列中的各观察值基本上在某个固定的水平上波动，虽然在不同的时间段波动的程度不同，但并不存在某种规律，其波动可以看成是随机的。 2.非平稳序列(non-stationary series)是包含趋势、季节性或周期性的序列，它可以只含有其中的一种成分，也可能是几种成分的组合。因此，非平稳序列又可以分为有趋势的序列、有趋势和季节性的序列、几种成分混合而成的复合型序列。 §13.1 时间序列及其分解 非平稳序列的成分： 1.趋势(trend)是时间序列在长时期内呈现出来的某种持续向上或持续下降的变动，也称为长期趋势。时间序列中的趋势可以是线性的，也可以是非线性的。 2.季节性(seasonality)，也称季节变动，它是时间序列在一年内重复出现的周期性波动。比如，“销售旺季”或“销售淡季”，“旅游旺季”或“旅游淡季”，等等。季节性中的“季节”一词是广义的，它不仅仅是指一年中的四季，其实它是任何一种周期性的变化。在现实生活中，季节变动是一种普遍的现象，它是诸如气候条件、生产条件、节假日或风俗习惯等各种因素作用的结果。例如，农业生产、交通运输、建筑业、旅游业、商品销售以及工业生产中都有明显的季节性。 §13.1 时间序列及其分解 3.周期性(cyclity) ，也称循环波动，它是时间序列中呈现出来的围绕长期趋势的一种波浪形或振荡式变动。周期性通常是由于商业和经济活动而引起的，它不同于趋势变动，不是朝着单一方向的持续运动，而是涨落相间的交替波动；它也不同于季节变动，季节变动有比较固定的规律，且变动周期大多为一年，而循环波动则无固定规律，变动周期多在一年以上，且周期长短不一。周期性通常是由于经济环境的变化而引起的。 4.随机性(random) 也称不规则波动，是指除去趋势、周期性和季节性之后的偶然性波动。 §13.1 时间序列及其分解 时间序列构成要素的分解： 1.时间序列的构成要素分为四种，即趋势(T)、季节性或季节变动(S)、周期性或循环波动(C)、随机性或不规则波动(I)非平稳序列 2.传统时间序列分析的一项主要内容就是把这些成分从时间序列中分离出来，并将它们之间的关系用一定的数学关系式予以表达，而后分别进行分析。按4种成分对时间序列的影响方式不同，时间序列可分解为多种模型，如： 乘法模型 Yt=Tt×St×Ct×It 加法模型 Yt=Tt+St+Ct+It 13.2.1 图形描述 在对时间序列进行分析时，首先需要作出散点图(折线图)，然后通过图形观察数据随时间的变化模式及变化趋势。作图是观察时间序列形态的一种有效方法，它对于进一步分析和预测有很大帮助。 【例13.1】下表给出了我国人均国内生产总值、轿车产量、金属切削机床产量和居民消费价格指数的时间序列。 13.2.1 图形描述 做出人均GDP序列对时间的散点图 13.2.1 图形描述 轿车产量序列呈现一定的指数变化趋势 13.2.1 图形描述 金属切削机床产量序列呈现一种三阶曲线形态 13.2.1 图形描述 居民消费价格指数序列没有趋势，呈现一定的随机波动 13.2.2 增长率分析 1.增长率 1).增长率(growth rate)，也称增长速度，它是时间序列中报告期观察值与基期观察值之比减1后的结果，用%表示。 2).由于对比的基期不同，增长率可以分为环比增长率和定基增长率 环比