時(shí)間序列分析教材(ppt81頁)-文庫吧在線文庫
【正文】 No reference Lines)、 每一個(gè)更改的線 (Line at each change of)、 在日期上的線 (Line at date)三項(xiàng)供選擇 。 38 目 其中 Independence model表示假設(shè)序 列是白噪聲的過程； Bartlett’s approximation表示 ， 根據(jù) Bartlett 給出的估計(jì)自相關(guān)系數(shù)和偏自相關(guān)系數(shù)方差的近似式計(jì)算方差 。 利用海關(guān)總出口額數(shù)據(jù) ， 繪制出口總額和外匯儲(chǔ)備的一階逐期差分后的序列互相關(guān)圖。 季節(jié)差分(Seasonal difference)就是一個(gè)典型的代表 。 63 預(yù)處理的基本操作 1. 序列缺失數(shù)據(jù)處理的基本操作 1) 轉(zhuǎn)換 ?替換缺失值 。 這樣形成的新序列將損失前 k個(gè)數(shù)據(jù) 。 ? ? ? ? ? ?? ?0 1 1 2 220 , ,? ? ? ? ?? ? ?? ? ? ? ? ? ? ? ?????? 即殘差序列 是白噪聲的.t t t p tp ttty x x xWN73 ? ? ? ?? ?20 1 2020,? ? ? ? ? ? ?????? ? ? ? ? ? ? ? ? ? ??????ppkt p t k tkty t t t tWN? 趨勢(shì)外推法中 ， 模型中的解釋變量往往是一些表示時(shí)間順序的序列 ， 可以沒有實(shí)際意義。 :25:1211:25:12March 22, 2023 ? 1他鄉(xiāng)生白發(fā)，舊國見青山。 :25:1211:25Mar2322Mar23 ? 1世間成事，不求其絕對(duì)圓滿，留一份不足，可得無限完美。 , March 22, 2023 ? 閱讀一切好書如同和過去最杰出的人談話。 2023年 3月 22日星期三 11時(shí) 25分 12秒 11:25:1222 March 2023 ? 1一個(gè)人即使已登上頂峰，也仍要自強(qiáng)不息。勝人者有力，自勝者強(qiáng)。 。 2023年 3月 22日星期三 11時(shí) 25分 12秒 11:25:1222 March 2023 ? 1做前，能夠環(huán)視四周；做時(shí)，你只能或者最好沿著以腳為起點(diǎn)的射線向前。 , March 22, 2023 ? 雨中黃葉樹，燈下白頭人。 ? 趨勢(shì)外推法 認(rèn)為事物的內(nèi)在發(fā)展規(guī)律是與時(shí)間本身的推移相關(guān)聯(lián)的 ， 可以建立序列與時(shí)間 t的函數(shù)關(guān)系來反映事物發(fā)展的規(guī)律 ， 并用于對(duì)未來的預(yù)測 。 基本操作步驟如下： 1) 轉(zhuǎn)換 ?創(chuàng)建時(shí)間序列 。 ?向前移動(dòng)平均法 (Prior moving average) 若指定時(shí)間跨度為 k， 則用當(dāng)前值前面 k個(gè)數(shù)據(jù) (注意：不包括當(dāng)前值 )的平均值代替當(dāng)前值 。 序列的平衡化處理目的 是使處理后的序列成為平穩(wěn)序列 。 39 3. 繪制互相關(guān)圖的基本操作 1) 分析 ?預(yù)測 ?互相關(guān)圖 。 一般可同時(shí)繪制兩種圖形 。 3) 在 時(shí)間軸標(biāo)簽 Time Axis Labels框中指定橫軸（時(shí)間軸）標(biāo)志變量。 32 ?游程檢驗(yàn)法 。 互相關(guān)圖是依據(jù)互相關(guān)函數(shù)繪制出來的 。 但實(shí)際當(dāng)中序列多少會(huì)有一些相關(guān)性 ， 但一般會(huì)落在置信區(qū)間內(nèi) ， 同時(shí)沒有明顯的變化規(guī)律 。 異常值是 那些由于外界因素的干擾而導(dǎo)致的與序列的正常數(shù)值范圍偏差巨大的數(shù)據(jù)點(diǎn) 。 SPSS將在當(dāng)前數(shù)據(jù)編輯窗口中自動(dòng)生成標(biāo)志時(shí)間的變量。 ? 在 Data和 Transform中 實(shí)現(xiàn)對(duì)時(shí)間序列數(shù)據(jù)的定義和必要處理 ， 以適應(yīng)各種分析方法的要求； 16 ?在分析 ?預(yù)測 中 主要提供了幾種時(shí)間序列的分析方法 ， 包括指數(shù)平滑法 、 ARIMA模型和季節(jié)調(diào)整方法； ?在分析 ?預(yù)測 中 提供了時(shí)間序列分析的圖形工具 ， 包括序列圖 (Sequence)、 自相關(guān)函數(shù)和偏自相關(guān)函數(shù)圖等 。 11 ? 人們研究的那些按時(shí)間先后順序排列的一系列時(shí)間序列數(shù)據(jù)往往由兩部分組成：一是觀測值；二是觀測值對(duì)應(yīng)的時(shí)間點(diǎn)或時(shí)間段 。實(shí)踐當(dāng)中是非常困難甚至是不可能的。從理論上，有兩種意義的平穩(wěn)性，一個(gè)是嚴(yán)平穩(wěn)或完全平穩(wěn)，一個(gè)是寬平穩(wěn)或廣義平穩(wěn)。 一般情況下 ， 那些依時(shí)間先后順序排列起來的一系列有相同內(nèi)涵的數(shù)據(jù)通信都可以稱為時(shí)間序列 。 △ t 采樣間隔△ t可理解為時(shí)間序列中相鄰兩個(gè)數(shù)的時(shí)間間隔。從理論上，有兩種意義的平穩(wěn)性，一個(gè)是嚴(yán)平穩(wěn)或完全平穩(wěn)，一個(gè)是寬平穩(wěn)或廣義平穩(wěn)。 該特性通常被稱為 “ 無記憶性 ” ,意味著無法根據(jù)其過去的特點(diǎn)推測其未來的走向 ， 其變化沒有規(guī)律可循 。 ?自回歸移動(dòng)平均 (ARMA)模型 常用于對(duì)隨機(jī)性波動(dòng)較頻繁序列的短期預(yù)測 ,對(duì)于非平穩(wěn)的序列可用 ARIMA模型 。 18 ? SPSS的時(shí)間定義功能 用來將數(shù)據(jù)編輯窗口中的一個(gè)或多個(gè)變量指定為時(shí)間序列變量 ， 并給它們賦予相應(yīng)的時(shí)間標(biāo)志 ， 具體操作步驟是： 1) 選擇菜單 : Data?Define Dates，出現(xiàn)窗口 ： 19 2) 個(gè)案為 (Cases Are)框提供了多種時(shí)間形式 ,可根據(jù)數(shù)據(jù)的實(shí)際情況選擇與其匹配的時(shí)間格式和參數(shù) 。 23 ? 通過圖形化觀察和檢驗(yàn)應(yīng)把握以下幾點(diǎn) : ?時(shí)間序列的正態(tài)性 ， 考察數(shù)據(jù)是否符合正態(tài)分布； ?時(shí)間序列的平穩(wěn)性 ， 是要了解時(shí)間序列數(shù)據(jù)適合于什么樣的模型 ， 能否直接用來建立模型等； ?時(shí)間序列的周期性 ， 是指隨著時(shí)間的推移序列呈現(xiàn)出有規(guī)律的周期性波動(dòng)； ?時(shí)間序列的其他特性 ， 如異常值 、 簇集性等 。 偏自相關(guān)函數(shù)是在其他序列給定情況下的兩
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號(hào)-1