時(shí)間數(shù)列分析課件(ppt89頁(yè))-wenkub.com
2025-03-08 10:40 本頁(yè)面
【正文】 2023年 3月 28日星期二 11時(shí) 45分 32秒 23:45:3228 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)。 , March 28, 2023 ? 閱讀一切好書如同和過(guò)去最杰出的人談話。 。 :45:3223:45Mar2328Mar23 ? 1世間成事，不求其絕對(duì)圓滿，留一份不足，可得無(wú)限完美。 2023年 3月 28日星期二 11時(shí) 45分 32秒 23:45:3228 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。 :45:3223:45:32March 28, 2023 ? 1他鄉(xiāng)生白發(fā)，舊國(guó)見(jiàn)青山。 , March 28, 2023 ? 雨中黃葉樹(shù)，燈下白頭人。 ? ()y f t?步驟： 選擇趨勢(shì)模型 圖形判斷、差分法判斷 、 經(jīng)驗(yàn)判斷、自相關(guān)系數(shù)數(shù)列判斷等。 1994— 1998年我國(guó)的國(guó)內(nèi)生產(chǎn)總值及構(gòu)成數(shù)據(jù)如表 。 4， 2月份： =247。 返回 美國(guó)增長(zhǎng) 1%的絕對(duì)值 = 8110 9 8427 2 8110 9 811100 == （億美元）8972 9671 8972 90100 == （億美元）中國(guó)增長(zhǎng) 1%的絕對(duì)值 = [例 ]某廠有關(guān)產(chǎn)值及速度資料如下 返回 月份 1 2 3 4 5 6 7 8 9 10 11 12 銷售額 50 55 48 46 56 57 56 52 57 54 60 66 指標(biāo) 一季 二季 三季 四季 商品銷售額（萬(wàn)元） 153 159 165 180 平均月銷售額（萬(wàn)元） 51 53 55 60 某商場(chǎng)某年商品銷售額資料 (萬(wàn)元 ) 返回 — — 1993 1994 1995 1996 1997 1998 1999 2023 2023 2023 4年移正 4年移動(dòng) 3年移動(dòng) 糧食產(chǎn)量 年份 糧食產(chǎn)量 返回 逐期增量大致相同 則配模型： 返回 [例 ]某廠有關(guān)產(chǎn)量資料如下表所示 下頁(yè) 第 0期的趨勢(shì)值（ 1995年）； 年平均增長(zhǎng)量。 月 份 工業(yè)增加值 （萬(wàn)元） 1 2 3 4 5 6 6aanS + + + + +==27 .8= （萬(wàn)元） 返回 【例】 某工廠成品倉(cāng)庫(kù)某月連續(xù)六天的庫(kù)存量如下 日 期 庫(kù)存量（臺(tái)） 1 2 3 4 5 6 38 42 39 37 41 43 38 42 39 37 41 436aanS + + + + +==40= （臺(tái)） 返回 【例】 某工廠成品倉(cāng)庫(kù)各月庫(kù)存量如下， 計(jì)算該廠第一季度各月的 平均庫(kù)存量 。 r r1 r2 r3 r4 r5 r6 r7 0 1 1 r值 原數(shù)列 y t 0 1季度 2季度 3季度 4季度 回歸模型的自相關(guān)檢驗(yàn) 用時(shí)間數(shù)列建立的回歸模型能否成立，必須通過(guò)誤差項(xiàng)的自相關(guān)顯著性檢驗(yàn)才能作出判斷。 時(shí)間延遲為 1的自相關(guān)系數(shù)： 11111 11221111( ) ( )( ) ( )nt t t ttnnt t t ttty y y yry y y y??????????????????時(shí)間延遲為 2的自相關(guān)系數(shù)： 22212 2222( ) ( )( ) ( )nt t t ttt t t ty y y yry y y y????????自相關(guān)系數(shù)計(jì)算 121( ) ( )()nkt t ktk nktty y y yryy???????????（ 1≤rk≤1） 當(dāng) n很大時(shí)， 時(shí)間延遲為 k的自相關(guān)系數(shù)： 12211( ) ( )( ) ( )nkt t t k t ktk n k n kt t t k t ktty y y yry y y y?????????????????? 時(shí)間數(shù)列性質(zhì)特征的判別 （ 1）時(shí)間數(shù)列所有自相關(guān)系數(shù) r1， r2…… ， rk都近似于零時(shí)，該時(shí)間數(shù)列為隨機(jī)性時(shí)間數(shù)列。 簡(jiǎn)單形式： 121 2 11??t t t ntt t t t nty y yyny y y yyn? ? ?? ? ? ??? ? ??? ? ? ??第四節(jié) 時(shí)間數(shù)列預(yù)測(cè)方法 加權(quán)形式： （ f1＞ f2＞ f3… ＞ fn） 1 1 2 21 1 2 2 3 11??t t t n ntit t t t n nty f y f y fyfy f y f y f y fyn? ? ?? ? ? ??? ? ? ? ? ???? ? ? ? ? ? ? ?? （二）指數(shù)平滑法（由移動(dòng)平均法演變而來(lái)） 121 2 11??t t t ntt t t t nty y yyny y y yyn? ? ?? ? ? ??? ? ??? ? ? ??1 2 11 2 1()t t t t n t n t nt t t t n t n t ny y y y y yny y y y y yn n n? ? ? ? ? ?? ? ? ? ? ?? ? ? ? ? ??? ? ? ?? ? ?? 1? ?/ / ( 1 )1?( 1 ) ( )tt t t tttyy n y y n ynnyyn? ? ?? ? ? ? ? ?? ? ? ?以 代 入(0 1)??? 1?ty?是本期實(shí)際值與本期預(yù)測(cè)值的加權(quán)算術(shù)平均數(shù) 是本期預(yù)測(cè)值經(jīng)過(guò)誤差修正后的數(shù)值。I 從余值中消除（ S） SC 先將序列中的 長(zhǎng)期 趨勢(shì)予以消除，再計(jì)算季節(jié)指數(shù) (二）長(zhǎng)期趨勢(shì)剔除法 計(jì)算長(zhǎng)期趨勢(shì) （ T） 乘法模式分解 ， 剔除長(zhǎng)期趨勢(shì) Y=T 根據(jù)原時(shí)間序列通過(guò)簡(jiǎn)單平均計(jì)算季節(jié)指數(shù)。則配模型 ?y a bt???二級(jí)差分的結(jié)果大致相同。以此削弱不規(guī)則變動(dòng)的影響，顯示出原數(shù)列的長(zhǎng)期趨勢(shì)。只適用于時(shí)期數(shù)列。I ） Y=T+ + + = 一、時(shí)間數(shù)列的構(gòu)成與分解 社會(huì)經(jīng)濟(jì)指標(biāo)的時(shí)間數(shù)列包含以下四種變動(dòng)因素： 長(zhǎng)期趨勢(shì)（ T） 季節(jié)變動(dòng)（ S） 循環(huán)變動(dòng)（ C） 隨機(jī)變動(dòng)（ I） 第三節(jié) 長(zhǎng)期趨勢(shì)的測(cè)定 2．時(shí)間數(shù)列的經(jīng)典模式： （ 1）加法模型： 計(jì)量單位相同的總量指標(biāo) 是對(duì)長(zhǎng)期趨勢(shì)所產(chǎn)生的偏差，（ +）或（ ） 各個(gè)組成部分所具有的變動(dòng)數(shù)值是各自獨(dú)立，彼此相加的，從而整個(gè)時(shí)間數(shù)列數(shù)值與各種構(gòu)成之間的數(shù)量關(guān)系表現(xiàn)為下列公式： Y=T+S+C+I 3．變動(dòng)因素的分解： （ 1）加法模型用減法。長(zhǎng) ＝長(zhǎng)逐期增 量 上期水平逐期增 量上期水平長(zhǎng)長(zhǎng) 絕 對(duì)環(huán) 長(zhǎng)逐 期 增 量 增 1%的 值 =比 增 速 度 100例 指現(xiàn)象每增長(zhǎng) 1﹪ 所代表的實(shí)際數(shù)量 （三）平均發(fā)展速度 平均發(fā)展速度是各期發(fā)展速度的平均數(shù) 水平法（幾何平均法） 原理： 各期環(huán)比發(fā)展速度的幾何平均數(shù)， 此平均發(fā)展 速度推算的期末水平等于期末實(shí)際水平。231。231。231。231。231。 。由 連續(xù) 時(shí)點(diǎn)數(shù)列計(jì)算 對(duì)于 逐日 記錄的時(shí)點(diǎn)數(shù)
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號(hào)-1