时间序列分析2课件幻灯片.ppt

* * * * * * * * * * * * * * * * * * * * * * * * 为了简化计算，把原数列中间项作为原点。其具体方法是： 当时间序列的项数为奇数时，可取中间一项的时间序号等于零，中间以前的时间序号为负值，中间以后的时间序号为正值。如，数列有5项水平，时间跨度从1998年至2002年，则t值分别为： 1998 1999 2000 2001 2002 -2 -1 0 1 2 (a 和 b 的最小二乘估计) 当时间序列的项数为偶数时，中间以前的时间序号为负值，中间以后的时间序号为正值。如，某数列由6项水平，时间跨度从1997年至2002年，则t值分别为： 1997 1998 1999 2000 2001 2002 -5 -3 -1 1 3 5 在以上两种场合，使标准方程简化为： 因此： [例14] 下面以某企业连续6年的销售量资料为例说明最小二乘法的计算。 季节性分析 季节指数 刻画序列在一个年度内各月或季的典型季节特征 以其平均数等于100%为条件而构成 反映某一月份或季度的数值占全年平均数值的大小 如果现象的发展没有季节变动，则各期的季节指数应等于100% 季节变动的程度是根据各季节指数与其平均数(100%)的偏差程度来测定 如果某一月份或季度有明显的季节变化，则各期的季节指数应大于或小于100% 季节指数(方法一)(计算步骤) 计算移动平均值(季度数据采用4项移动平均，月份数据采用12项移动平均)，并将其结果进行“中心化”处理 将移动平均的结果再进行一次二项的移动平均，即得出“中心化移动平均值”(CMA) 计算移动平均的比值，也成为季节比率 即将序列的各观察值除以相应的中心化移动平均值，然后再计算出各比值的季度(或月份)平均值，即季节指 季节指数(计算步骤) 3. 季节指数调整 各季节指数的平均数应等于1或100%，若根据第二步计算的季节比率的平均值不等于1时，则需要进行调整 具体方法是：将第二步计算的每个季节比率的平均值除以它们的总平均值 季节指数(例题分析) 【例】下表是一家啤酒生产企业1997～2002年各季度的啤酒销售量数据。试计算各季的季节指数 季节指数(例题分析) 季节指数(例题分析) 季节指数(例题分析) 分离季节因素 将季节性因素从时间序列中分离出去，以便观察和分析时间序列的其他特征 方法是将原时间序列除以相应的季节指数 结果即为季节因素分离后的序列，它反映了在没有季节因素影响的情况下时间序列的变化形态 根据各年按月（季）的时间序列资料计算出各年同月（季）的平均水平。 计算各年所有月（季）的总平均水平。 将各年同月（季）的平均水平与总平均水平进行对比，即得出季节比率,季节比率是进行季节变动分析的重要指标，可用来说明季节变动的程度。其计算公式为： 季节指数(方法二) )(计算步骤) 季节指数(计算步骤) 4. 季节指数调整 各季节指数的平均数应等于1或100%，若根据第二步计算的季节比率的平均值不等于1时，则需要进行调整 具体方法是：将第三步计算的每个季节比率的平均值除以它们的总平均值 季节指数(例题分析) 【例】下表是某商场1999～2002年的毛衫的销售情况。试计算各季的季节指数 [例15] 某商场1999至2002年各月某一品牌的毛衫的销售量如表8-20 。0 周期性分析 周期性分析 近乎规律性的从低至高再从高至低的周而复始的变动 不同于趋势变动，它不是朝着单一方向的持续运动，而是涨落相间的交替波动 不同于季节变动，其变化无固定规律，变动周期多在一年以上，且周期长短不一 时间长短和波动大小不一，且常与不规则波动交织在一起，很难单独加以描述和分析 周期性分析 (剩余法) 先消去季节变动，求得无季节性资料 再将结果除以由分离季节性因素后的数据计算得到的趋势值，求得含有周期性及随机波动的序列 将结果进行移动平均(MA) ，以消除不规则波动，即得循环波动值 C = MA ( C × I ) 周期性分析 (例题分析) 随机波动 (例题分析) 本章小节 时间序列的编制分解 时间序列的描述性分析 平稳序列的平滑和预测 有趋势序列的分析和预测 复合型序列的分析 练 习 ?1981年～2000年我国油菜籽单位面积产量数据（单位：公斤/公顷）见下表。 绘制时间序列图描述其形态。 用5期移动平均法预测2001年的单位面积产量 对该序列进行分解分析 年份 单位面积产量 1981 1451 1982 1372 1983 1168 1984 1232 1985 1245 1986 1200 1987 1260 1988 1020 1989 1095 1990 12