季节性时间序列分析方法公开课一等奖课件省赛课获奖课件.pptx

第七章季节性时间序列分析办法第一节简朴随机时序模型第二节乘积季节模型第三节季节时序模型的建立

第一节简朴随机时序模型一、季节时间序列在一种时间序列中，若通过s个时间间隔后呈现出相似性，我们就说该序列含有以s为周期的周期特性。含有周期特性的序列就称为季节时间序列。S为周期长度，一种周期内所包含的时间点成为周期点。对于月份资料来说，基本时间间隔为1个月，周期为12（即S=12），同一种周期内有12个周期点；对于季度资料，基本时间间隔为一种季度，周期为4（即S=4），同一种周期内有四个周期点；一季度、二季度、三季度、四季度.S也可能取其它某些值,例如,S=7(星期因素)等.

二随机季节模型

在拟定性时序分析中.惯用的解决办法是对季节时间季节分量拟合一种三角函数或求一种固定的季节指数。而随机季节模型，是对季节性随机序列中不同周期的同一周期点之间的有关关系的拟合。如周期为12个月的月份资料，就是研究不同年份的同一种月份的观察值之间的记忆性。

第二节乘积季节模型一、乘积季节模型的普通形式

二、惯用的随机季节模型

第三节季节时序模型的建立积型季节模型的识别、定阶、参数预计及适应性检查，基本上也是以随机序列的样本自有关、偏自有关函数为根据的。因此需要讨论季节模型周期点的自有关和偏自有关函数。

一、季节性MA模型的自有关函数

二、季节性AR模型的偏自有关函数

三、季节性模型的建模办法运用B－J建模型办法来建立季节性时间序列模型，首先需要判明周期性，即S的取值，然后根据自有关和偏自有关函数提供的信息来鉴别模型的类型（AR、MA和ARMA）和阶数，最后进行参数预计和检查，具体环节可概括以下：

第一步，对时间序列进行差分和季节差分以得到一种平稳序列。第二步，计算差分后序列的自有关和偏自有关函数，选择一种暂定（尝试性的）模型。第三步，由差分序列的适宜自有关和偏自有关值求得模型的初始预计值。并将这些预计值作为最小二乘预计的初始值，对模型参数进行最小二乘预计。第四步，对预计得到的暂定模型的剩余进行适应性检查，决定与否接受暂定模型。当模型的适应性检查表明暂定模型不是最优模型时，可根

据检查所提供的有关改善模型的信息，重新拟合改善模型，并对其进行适应性检查，直至得到最优模型为止。需要提出的是，普通D不会超出一阶；特别对于S=12的月份序列，季节AR算子和MA算子的阶数极少超出一阶。这对于我们应用时序分析研究周期规律性是很故意义的。例：（P189）以1987年到1996年某商品各月销售量资料为例，阐明建模型办法。