時間序列分析-wenkub.com
2025-08-02 07:57 本頁面
【正文】 其中季節(jié)差分自回歸模型為： 另一種是引入虛擬變量，其模型為： 12 12 ... tpt t t t ps s s sy y y y u? ? ? ?? ? ?? ? ? ? ? ?? ? ? ?12 12 12 12.. . .. .0(1 i is s tpt t t t piy y y y uD D DD? ? ? ? ? ?? ? ?? ? ? ? ? ? ? ? ??? ??其 余 季 度 或 月 份 ）其 中（ 第 季 度 或 第 個 月 ）二、時間序列自回歸模型的估計與檢驗 ? 時間序列自回歸模型從形式上看與普通的線性回歸模型基本相同，因此也可以使用最小二乘法對模型中的參數(shù)進行估計，用 F檢驗和 t檢驗等方法對模型進行檢驗。 80859095100105110115 五、隨機變動的測定 ? 如果需要，還可以進一步分解出不規(guī)則變動成分： 80859095100105110115120 Y ( t )I ( t )T ( t ) S ( t ) C ( t )? ??第四節(jié) 時間序列自回歸分析 ? 時間序列自回歸模型的構(gòu)建 ? 時間序列自回歸模型的估計與檢驗 ? 應(yīng)用時間序列自回歸模型進預(yù)測 一、時間序列自回歸模型的構(gòu)建 ? 對于平穩(wěn)時間序列，其自回歸模型就是簡單的時間序列變量的后期對前期值的回歸模型。此數(shù)列通常被稱為 “ 季節(jié)調(diào)整后的序列 ” ， 它便于較為準(zhǔn)確地分析長期趨勢和循環(huán)變動。 （一）同期直接平均法 步驟： 1. 計算各季或各月的平均數(shù) 其中， s為一年中的季數(shù)或月數(shù)，即 s=4或 12； m為年分?jǐn)?shù)。 ? 例題見 P275~276 三、 季節(jié)變動的測定 ? 測定目的： ? 確定現(xiàn)象的季節(jié)變化規(guī)律以用于預(yù)測 ? 消除時間序列中的季節(jié)因素 ? 季節(jié)指數(shù)（季節(jié)比率）： 反映季節(jié)變動的相對數(shù)。 （一）常用的長期趨勢模型 ? 使用回歸分析中的最小二乘法，以時間 t 或 t的函數(shù)為自變量擬合趨勢方程。 ? 與長期趨勢不同 ， 它不是朝著單一方向的持續(xù)運動 ，而是漲落相間的波浪式起伏變化； ? 與季節(jié)變動也不同 ， 它的波動時間較長 ， 變動的周期長短不一 ， 變動的規(guī)則性和穩(wěn)定性較差 。 12x ,x , .. .. .. ., x nnk i t kt k 11c ( x x ) ( x x )n ???? ? ??0ck0?kckk0crc?0r1? k0?時間序列的自相關(guān)系數(shù)為： 當(dāng) k=0時， ；當(dāng) 時， 為時間序列的 k階自相關(guān)系數(shù)。 整理得： Example ? 計算 1992年 2022年我國 GDP的年增長率和年平均增長率。變換后的序列相當(dāng)于原時間序列指標(biāo)的增長率序列 . tt1 y=y ?環(huán) 比 發(fā) 展 速 度t t t t 1t t tt 1 t 1 t 1x l o g ( y ) l o g ( y ) l o g ( y )y y y = l o g ( ) = l o g ( 1 + )y y y? ? ? ????（三）平均增長率的兩種算法 ? 幾何平均法 從最初水平 y0出發(fā) ， 每期按平均發(fā)展速度發(fā)展 ， 經(jīng)過 n期后將達(dá)到最末期水平 yn。 ? 對事物未來的發(fā)展變化進行有效的推斷和預(yù)測。 三、時間序列分類 (不同 ,參見 257258) 時間序列 相對數(shù)序列 絕對數(shù)序列 時點序列 時期序列 平均數(shù)序列 時期序列與時點序列的區(qū)別 ? 時期序列：序列中的觀測值反映現(xiàn)象在一段時期內(nèi)發(fā)展過程的總量，不同時期的觀測值可以相加
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1