時間序列分析教材(ppt81頁)-免費閱讀
【正文】 2023年 3月 22日星期三 上午 11時 25分 12秒 11:25: ? 1最具挑戰(zhàn)性的挑戰(zhàn)莫過于提升自我。 2023年 3月 22日星期三 11時 25分 12秒 11:25:1222 March 2023 ? 1空山新雨后，天氣晚來秋。 , March 22, 2023 ? 很多事情努力了未必有結(jié)果，但是不努力卻什么改變也沒有。 :25:1211:25Mar2322Mar23 ? 1故人江海別，幾度隔山川。 所要研究的時間序列被當(dāng)做回歸模型的被解釋變量， 其他變量被稱為回歸模型的解釋變量 。 67 其中的方法除前面介紹的幾種外 ， 還包括： ?累加求和 ：即對當(dāng)前值和當(dāng)前值之間的所有數(shù)據(jù)進(jìn)行求和 ， 生成原序列的累計值序列 。 62 ? 另外 ， 還可以通過序列取對數(shù)以及對序列進(jìn)行標(biāo)準(zhǔn)化 、 中心化 、 歸一化處理等方法進(jìn)行數(shù)據(jù)變換 。 60 1) 差分是一種通過逐項相減消除前后期數(shù)據(jù)相關(guān)性的方法 ， 可大致剔除序列中的趨勢性 ，使數(shù)據(jù)在水平方向基本平穩(wěn) 。 要求兩個序列均具有平穩(wěn)性 。 一般情況下可選擇兩個最大周期以上的數(shù)據(jù) 。 4) 在 轉(zhuǎn)換 Transform框中指定對變量進(jìn)行怎樣的變化處理。 游程則為時間序列中同類數(shù)據(jù)連在一起的子序列個數(shù) 。 31 時間序列的檢驗方法 ?通常序列的非平穩(wěn)性可通過 序列圖 、 自相關(guān)函數(shù)圖和偏自相關(guān)函數(shù)圖大致分辨出來 。 3) 異方差的非平穩(wěn)時間序列 ， 其各階自相關(guān)函數(shù)顯著不為零 ， 且呈現(xiàn)出正負(fù)交錯 ， 緩慢下降的趨勢 ；偏自相關(guān)函數(shù)值也呈正負(fù)交錯的形式 ， 且下降趨勢明顯 。 26 ? 直方圖 (Histogram) 直方圖是體現(xiàn)序列數(shù)據(jù)分布特征的一種圖形 ， 通過直方圖可以了解序列的平穩(wěn)性 、 正態(tài)性等特征 。 ? 數(shù)據(jù)期間的選取可通過 SPSS的 數(shù)據(jù) ?選擇個案(Select Cases)功能實現(xiàn) 。 17 數(shù)據(jù)準(zhǔn)備 ? SPSS的數(shù)據(jù)準(zhǔn)備 包括數(shù)據(jù)文件的建立 、 時間定義和數(shù)據(jù)期間的指定 。 12 時間序列分析的一般步驟 (重點 ) ?數(shù)據(jù)的準(zhǔn)備階段 ； ?數(shù)據(jù)的觀察及檢驗階段 ：總體把握時間序列發(fā)展變化的特征 ， 以便選擇恰當(dāng)?shù)哪Ｐ瓦M(jìn)行分析 ， 包括圖形方法和統(tǒng)計檢驗方法； ?數(shù)據(jù)的預(yù)處理階段 ：一方面能夠使序列的特征體現(xiàn)得更加明顯 ， 利于分析模型的選擇；另一方面使數(shù)據(jù)滿足于模型的要求； 13 ?數(shù)據(jù)分析和建模階段 ：根據(jù)時間序列的特征和分析的要求 ， 選擇恰當(dāng)?shù)哪Ｐ瓦M(jìn)行數(shù)據(jù)建模和分析； ?模型的評價階段 ：與模型分析的目標(biāo)相結(jié)合評價是否達(dá)到了分析的目的以及效果如何； ?模型的實施應(yīng)用階段 。 如二階寬平穩(wěn)隨機(jī)過程定義為: E(yt)= E(yt+h)為常數(shù) ， 且對 t， t+h∈ T都使協(xié)方差 E{[yt – E(yt)][yt+h – E(yt+h)]}存在且與 t無關(guān) , 只依賴于時間間隔 h。具有時間上的平穩(wěn)不變性。 大多數(shù)情況下它們往往存在某種前后相承的關(guān)系 ，而非互相獨立的 。 時間序列分析就是包含了針對這種獨特數(shù)據(jù)特點而形成和發(fā)展起來的一系列統(tǒng)計分析方法的一個完整的體系 。實踐當(dāng)中是非常困難甚至是不可能的。 ?10 :若隨機(jī)序列 {yt}由互不相關(guān)的隨機(jī)變量構(gòu)成 ， 即對所有 s≠t， Cov(ys, yt)=0， 則稱其為白噪聲序列 。 14 ? 時間序列分析方法可分為時域分析和頻域分析兩類 ， 具體有 : ?簡單回歸分析法 適合序列間結(jié)構(gòu)分析和比較的預(yù)測 。 其中數(shù)據(jù)文件的建立與一般 SPSS數(shù)據(jù)文件的建立方法相同， 每一個變量將對應(yīng)一個時間序列數(shù)據(jù) ， 且不必建立標(biāo)志時間的變量 。 20 時間序列的圖形化觀察及檢驗 ? 圖形化觀察及檢驗?zāi)康? ? 圖形化觀察工具 ? 時間序列的檢驗方法 ? 圖形化觀察和檢驗的基本操作 ? 圖形化觀察的應(yīng)用舉例 21 ?回憶一下回歸分析的圖形觀察與 檢驗 ?做散點圖看大致趨勢 ?檢驗基本假設(shè)是否滿足 ?非線性的轉(zhuǎn)化 為線性的處理 22 圖形化及檢驗?zāi)康? ? 時間序列分析的第一步 是對其發(fā)展變化的特征有一個初步的總體把握 。 ? 自相關(guān)函數(shù)圖和偏自相關(guān)函數(shù)圖 (ACF＆ PACF) 所謂自相關(guān)是指序列與其自身經(jīng)過某些階數(shù)滯后形成的序列之間存在某種程度的相關(guān)性。 29 4) 具有周期性的非平穩(wěn)時間序列 ， 其自相關(guān)函數(shù)呈明顯的周期性波動 ， 且以周期長度及其整數(shù)倍數(shù)為階數(shù)的自相關(guān)和偏自相關(guān)函數(shù)值均顯著不為零 。 但有時還需要一些定量的檢驗方法 。 一般認(rèn)為， 平穩(wěn)性的或隨機(jī)性的序列中不應(yīng)出現(xiàn)許多同類數(shù)據(jù)連續(xù)出現(xiàn)的情況 ， 也不應(yīng)出現(xiàn)兩類數(shù)據(jù)反復(fù)交替出現(xiàn)的情形 。其中 Natural log transform表示對數(shù)據(jù)取自然對數(shù)， Difference表示對數(shù)據(jù)進(jìn)行 n階 (默認(rèn) 1階 )差分， Seasonally difference表示對數(shù)據(jù)進(jìn)行季節(jié)差分。 在 Standard Error Method框中指定計算相關(guān)系數(shù)標(biāo)準(zhǔn)差的方法 ， 它將影響到相關(guān)函數(shù)圖形中的置信區(qū)間。 40 圖形化觀察應(yīng)用舉例 利用模擬序列數(shù)據(jù)： 1) 以各種序列繪制序列圖； 2) 以各種序列繪制自相關(guān)函數(shù)圖和偏自相關(guān)函數(shù)圖 。 ? 差分不一定是相鄰項之間的運算 ， 也可以在有一定跨度的時間點之間進(jìn)行 。 它們可使偏態(tài)分布的序列變成對稱的分布 ， 可消除序列中的異方差性 ， 可使變量間的非線性變換關(guān)系轉(zhuǎn)換成為線性關(guān)系， 在時間序列數(shù)量級很大的時候會起
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1