描述统计第五章.ppt

增长率分析中应注意的问题

(增长1%绝对值)增长率每增长一个百分点而增加的绝对量用于弥补增长率分析中的局限性计算公式为甲企业增长1%绝对值=500/100=5万元乙企业增长1%绝对值=60/100=0.6万元01平稳序列的分析和预测02简单平均法移动平均法指数平滑法简单平均法(simpleaverage)根据过去已有的t期观察值来预测下一期的数值设时间序列已有的其观察值为Y1，Y2，…，Yt，则第t+1期的预测值Ft+1为有了第t+1的实际值，便可计算出的预测误差为第t+2期的预测值为适合对较为平稳的时间序列进行预测，即当时间序列没有趋势时，用该方法比较好如果时间序列有趋势或有季节变动时，该方法的预测不够准确将远期的数值和近期的数值看作对未来同等重要，从预测角度看，近期的数值要比远期的数值对为来有更大的作用。因此简单平均法预测的结果不够准确简单平均法(特点)移动平均法(movingaverage)对简单平均法的一种改进方法.通过对时间序列逐期递移求得一系列平均数作为趋势值或预测值.有简单移动平均法和加权移动平均法两种.010203简单移动平均法(simplemovingaverage)将最近k期数据加以平均作为下一期的预测值设移动间隔为k(1kt)，则t期的移动平均值为t+1期的简单移动平均预测值为预测误差用均方误差(MSE)来衡量简单移动平均法(特点)将每个观察值都给予相同的权数只使用最近期的数据，在每次计算移动平均值时，移动的间隔都为k主要适合对较为平稳的时间序列进行预测应用时，关键是确定合理的移动间隔长对于同一个时间序列，采用不同的移动步长预测的准确性是不同的选择移动步长时，可通过试验的办法，选择一个使均方误差达到最小的移动步长。(例题分析)简单移动平均法加权移动平均法(weightedmovingaverage)对近期的观察值和远期的观察值赋予不同的权数后再进行预测当时间序列的波动较大时，最近期的观察值应赋予最大的权数，较远的时期的观察值赋予的权数依次递减当时间序列的波动不是很大时，对各期的观察值应赋予近似相等的权数所选择的各期的权数之和必须等于1对移动间隔(步长)和权数的选择，也应以预测精度来评定，即用均方误差来测度预测精度，选择一个均方误差最小的移动间隔和权数的组合是加权平均的一种特殊形式对过去的观察值加权平均进行预测的一种方法观察值时间越远，其权数也跟着呈现指数的下降，因而称为指数平滑有一次指数平滑、二次指数平滑、三次指数平滑等一次指数平滑法也可用于对时间序列进行修匀，以消除随机波动，找出序列的变化趋势加权移动平均法---指数平滑法时间序列分析和预测时间序列及其分解时间序列的描述性分析平稳时间序列的平滑和预测有趋势序列的分析和预测时间序列的概念及类型时间序列描述性指标的应用平稳时间序列的平滑和预测线性趋势的预测复合型序列的分解和季节指数的计算学习目标时间序列及其分解01时间序列的概念时间序列分析的作用时间序列的分类时间序列的构成要素02时间序列的概念同一现象在不同时间的相继观察值排列而成的数列。年份1998199920002001职工人数（人）1000110012001400年份1998199920002001产值（万元）60007260840011200年份1998199920002001技术人员比重%5.566.26.5描述事物在过去时间的状态分析事物发展变化的规律性根据事物的过去行为预测它们将来的行为指标数值所属的时间可比各指标数值的总体范围可比各指标数值的经济内容可比各指标数值的计算口径、计算方法可比时间序列的作用时间序列的编制原则时间序列分析的作用时间序列的分类01按时间序列有无规律02平稳的时间序列不存在趋势的时间序列03非平稳的时间序列包含趋势性、季节性或周期性的时间序列04周期性变动长期趋势季节变动时间序列在长时期内呈现出来的某中持续向上或持续下降的变动趋势时间序列在一年内重复出现的周期性波动时间序列呈现出来的围绕长期趋势的一种波浪形或震荡式变动，又称循环变动长期趋势、季节性、周期性由绝对数构成的时间序列，又分为时点数列和时期数列。1、绝对数时间序列由相对数构成的时间数列，又可分为5种。2、相对数时间序列由平均数构成的时间数列，又可分为2种。按统计指标的性质不同3、平均数时间序列时间序列的分类01发展水平2、平均发展水平增长量4、