時間序列ppt課件(編輯修改稿)
2025-05-27 18:21 本頁面
【文章內容簡介】 — — — — 移動平均數計算表 5年的移動平均圖示（ 1）移動平均法對原數列有修勻作用，移動時距越長，對數列的修勻作用越大，但得到的移動平均數項數也越少，失去的信息越多，所以移動平均的項數不宜過大。（ 2）移動平均時距項數為奇數時，只需一次移動平均，其數值與移動平均項數中間一期相對應；移動平均項數為偶數時，則需再進行一次相鄰兩個平均值的移動平均，才能使平均值對正于某一時期，這稱為移正平均。移動平均法的特點 (3) 當序列包含季節(jié)變動時，移動平均時距項數 N應與季節(jié)變動長度一致（如 4個季度或 12個月），才能消除季節(jié)變動，若序列包含周期變動時，移動平均時距項數 N應與周期長度基本一致，才能較好地消除周期波動。二、測定長期趨勢的線性趨勢模型法當時間序列的逐期增減量大致相等時，則該序列按線性趨勢發(fā)展，其發(fā)展趨勢可用線性模型表示： 167。 —— 時間序列的趨勢值時間序列的趨勢值167。 t —— 時間標號時間標號167。 a—— 趨勢線在趨勢線在 Y 軸上的截距軸上的截距167。 b—— 趨勢線的斜率，表示時間趨勢線的斜率，表示時間 t 變動一個變動一個 單位時觀察值的平均變動數量單位時觀察值的平均變動數量線性模型法(a 和 b 的最小二乘估計 ) ? 趨勢方程中的兩個未知常數 a 和 b 按最小二乘法 (Leastsquare Method)求得– 根據回歸分析中的最小二乘法原理– 使各實際觀察值與趨勢值的離差平方和為最小– 最小二乘法既可以配合趨勢直線，也可用于配合趨勢曲線? 根據趨勢線計算出各個時期的趨勢值線性模型法(a 和 b 的 求解方程 )1. 根據最小二乘法得到求解根據最小二乘法得到求解 a 和和 b 的標準方程為的標準方程為解得：解得：2. 預測誤差可用估計標準誤差來衡量預測誤差可用估計標準誤差來衡量 m為趨勢方程中未知常數的個數為趨勢方程中未知常數的個數 三、測定長期趨勢的非線性趨勢模型法二次曲線模型（拋物線模型）當時間序列經過一段時間逐漸下降后，又逐漸上升；或者經過一段時間逐漸上升后，逐漸下降時，則該序列可以看作按拋物線趨勢發(fā)展，其發(fā)展趨勢可用二次曲線（拋物線）模型表示： 現象的發(fā)展趨勢為拋物線形態(tài) 一般形式為根 據最小二乘法求 a， b， c的標準方程二次曲線(second degree curve) ? 用于描述以幾何級數遞增或遞減的現象? 一般形式為指數曲線(exponential curve) 167。 a， b為未知常數為未知常數167。 若若 b1， 增長率隨著時間增長率隨著時間 t的增加而增加的增加而增加167。 若若 b1， 增長率隨著時間增長率隨著時間 t的增加而降低的增加而降低167。 若若 a0， b1， 趨勢值逐漸降低到以趨勢值逐漸降低到以 0為極限為極限指數曲線(a， b 的求解方法 ) ? 采取 “線性化 ”手段將其化為對數直線形式? 根據最小二乘法 ，得到求解 lga、 lgb 的標準方程為? 求 出 lga和 lgb后 ，再取其反對數，即得算術形式的 a和 b 趨勢線的選擇? 觀察散點圖? 根據觀察數據本身，按以下標準選擇趨勢線– 一次差大體相同，配合直線– 二次差大體相同，配合二次曲線– 對數的一次差大體相同，配合指數曲線– 一次差的環(huán)比值大體相同，配合修正指數曲線– 對數一次差的環(huán)比值大體相同，配合 Gompertz 曲線– 倒數一次差的環(huán)比值大體相同，配合Logistic曲線3. 比較估計標準誤差 季節(jié)變動分析一、原始資料平均法（同期平均法）二、季節(jié)變動分析的趨勢 — 循環(huán)剔除法 原始資料平均法（同期平均法） 若時間序列中不包含長期趨勢和循環(huán)變動，則直接利用原序列進行同期平均和總平均，消除不規(guī)則變動，計算出
教學課件相關推薦
鄂ICP備17016276號-1