xxxx預(yù)測(cè)-第5講(時(shí)間序列分析)-2(文件)
【正文】 我。 :53:2511:53Mar2313Mar23 1越是無(wú)能的人，越喜歡挑剔別人的錯(cuò)兒。 2023年 3月 13日星期一 11時(shí) 53分 25秒 11:53:2513 March 2023 1空山新雨后，天氣晚來(lái)秋。 11:53:2511:53:2511:53Monday, March 13, 2023 1不知香積寺，數(shù)里入云峰。 上午 11時(shí) 53分 25秒 上午 11時(shí) 53分 11:53: 沒(méi)有失敗，只有暫時(shí)停止成功！。 :53:2511:53:25March 13, 2023 1他鄉(xiāng)生白發(fā)，舊國(guó)見(jiàn)青山。 , March 13, 2023 雨中黃葉樹(shù)，燈下白頭人。 43 季節(jié)分解模型的應(yīng)用舉例 ? 利用季節(jié)分解模型 ， 對(duì)某城市 5年內(nèi)每個(gè)季度的游客數(shù)量進(jìn)行分析 ， 以了解其旅游市場(chǎng)的發(fā)展變化規(guī)律 。 41 某市游客量時(shí)序數(shù)據(jù) .sav 表示輸出對(duì)每個(gè)觀測(cè)量的季節(jié)分解結(jié)果 變量列表 分析變量 42 5) 如果序列中有幾種周期性 ,則 SPSS默認(rèn)的周期是跨度最大的周期。 依次單擊 數(shù)據(jù) ?定義日期 ， 打開(kāi) 定義日期變量 的對(duì)話框 ， 在左側(cè)列表中單擊 年份 、 季度 ， 右側(cè)輸入起始日期1986年第 1季度 。 如果以 Y表示某個(gè)時(shí)間序列 ， 它的乘法模型變?yōu)椋?Y=T C S R。如果以 Y表示某個(gè)時(shí)間序列 ， 它的加法模型變?yōu)椋?Y=T+C+S+R。 表示把時(shí)間序列中的長(zhǎng)期趨勢(shì) 、 季節(jié)趨勢(shì)和循環(huán)趨勢(shì)都去除后余下的部分 。 35 ?循環(huán)趨勢(shì) ， 記為 C。 例如：全球人口總數(shù)隨著時(shí)間推移 ， 正在逐步增長(zhǎng)；人口死亡率出現(xiàn)長(zhǎng)期向下的趨勢(shì) 。但并不是所有的時(shí)間序列都會(huì)同時(shí)含有這 4種變動(dòng)因素 。 局部趨勢(shì) :局部的線性異常值 。 移動(dòng)水平 :由數(shù)據(jù)的水平移動(dòng)引起的異常值 。 2) 把待分析的變量選擇到 因變量 框中。 ?預(yù)測(cè) 。 模型的偏自相關(guān)函數(shù)不能在某一步之后為零 截尾 ,而是 按指數(shù) 或呈正弦波形式 衰減 稱其具有拖尾性(2) MA模型 10 ? ?? ?? ?1 1 2 21 1 2 2.......,.t t t p t pt t t q t q tkx x x xt x k tAR M A p qAR M A p q? ? ?? ? ? ? ? ? ? ?? ? ?? ? ?? ? ? ?? ? ? ? ??自回歸移動(dòng)平均模型是自回歸模型與移動(dòng)平均模型的綜合,其一 般形式為:, 其中 為白噪音序列,且和 時(shí)刻之前的原始序列 互不相關(guān)記為 .模型的自相關(guān)函數(shù)和偏自相關(guān)函數(shù)都具有拖尾性(3) ARMA模型 11 (4) ARIMA(p,d,q)模型 ? ?, , ,.AR I M A p d qd當(dāng)序列中存在趨勢(shì)時(shí),可通過(guò)某些階數(shù)的差分處理 的序列被稱為是一種準(zhǔn)平穩(wěn)的序列,而相 應(yīng)的分析模型概括為其中 表示平穩(wěn)化過(guò)程中差分的階數(shù)12 (5) ARIMA(p,d,q)(P,D,Q)s模型 ? ? ? ?, , , ,sAR I M A p d q P D QPQDs當(dāng)序列中同時(shí)存在趨勢(shì)性和季節(jié)性的周期和趨勢(shì)時(shí),需要 用 模型.其中 為季節(jié)性的自回歸和移動(dòng)平均階數(shù)為季節(jié)差分的階數(shù), 為季節(jié)周期.13 3. 建立 ARIMA模型的一般步驟 ?通過(guò) 差分或其它變換 ， 使時(shí)間序列滿足平穩(wěn)性的要求； ?模型識(shí)別 。 根據(jù)參數(shù)個(gè)數(shù)的不同 ，ARIMA模型可分為如下幾個(gè)基本類型： ?自回歸 (AR)模型 。 5 ARIMA模型的基本原理 ? 處理非平衡的時(shí)間序列時(shí)
研究報(bào)告相關(guān)推薦
鄂ICP備17016276號(hào)-1