xxxx年藥品、保健食品及化妝品監(jiān)督管理重抓生產(chǎn)-展示頁
2025-02-11 16:59本頁面
【正文】 因素引起，可能對經(jīng)濟發(fā)展的影響較大，但卻不能以趨勢、季節(jié)或循環(huán)變動加以解釋，也難以預測。 – 分析循環(huán)變動因素的影響，需要取得長期的樣本數(shù)據(jù)加以分析，以獲得循環(huán)變動的信息，在短期內(nèi)，循環(huán)變動顯現(xiàn)不出來，所以在短期預測中可以不考慮循環(huán)變動的影響。通常周期至少在一年以上。 –季節(jié)變動的周期比較穩(wěn)定，有固定規(guī)律可循，周期效應可以預見。 時間序列的分解（續(xù)） –季節(jié)變動（ S） ：季節(jié)變動是指時間序列受季節(jié)更替規(guī)律或節(jié)假日的影響而呈現(xiàn)的周期性變動。 時間序列的分解 ?對于一個長期的時間序列，一般影響其變動因素分為四種主要類型：長期趨勢、季節(jié)變動、循環(huán)變動和隨機變動。 ? 預測依據(jù)的基本假定： 經(jīng)濟變量過去的發(fā)展變化規(guī)律，在未發(fā)生質(zhì)變的情況下，可以被延伸到未來的時期。DD 山水畫大理石 第三章 時間序列平滑預測法 時間序列 ? 時間序列： 按照一定的時間順序?qū)ΜF(xiàn)象進行觀測并記錄下來的數(shù)據(jù)稱為時間序列。 ? 時間序列平滑預測法主要用于研究事物的自身發(fā)展規(guī)律，借以預測事物的未來發(fā)展規(guī)律。 ? 本章主要介紹的預測法： 移動平均法、指數(shù)平滑法、自適應過濾法。 –長期趨勢（ T） :長期趨勢是指時間序列在較長時期內(nèi)，受某種固定因素的影響，所呈現(xiàn)的總趨勢，是經(jīng)濟現(xiàn)象的本質(zhì)在數(shù)量方面的反映，是我們對時間序列進行分析和預測的重點。 –按照日、周、月、季記錄的時間序列常常反映季節(jié)的波動。 時間序列的分解（續(xù)） – 循環(huán)變動（ C） ：循環(huán)變動是一種變化非常緩慢，需要經(jīng)過數(shù)年或數(shù)十年才能顯現(xiàn)出來的循環(huán)現(xiàn)象。 – 循環(huán)變動類似于周期變動，但其規(guī)律性不明顯，無固定周期，出現(xiàn)一次循環(huán)變動之后，下次何時出現(xiàn)，周期多長難以預見，因而周期效應難以預測。 時間序列的分解（續(xù)） –隨機變動（ I） ：隨機變動是指時間序列由于突發(fā)事件或各種偶然因素引起的無規(guī)律可循的變動。 時間序列的分析模型 ?時間序列分析模型即是對時間序列各構(gòu)成部分是如何結(jié)合及相互作用作出假設(shè)。 Y=T+S+C+I ? 一般情況，若時間序列的季節(jié)變動、循環(huán)變動和隨機變動的幅度不隨長期趨勢的增衰而變化，應該采用加法模式。 Y= ? 一般情況，若時間序列的季節(jié)變動、循環(huán)變動和隨機變動的幅度隨長期趨勢的增衰而變化，應該采用乘法模式。 時間序列的分析模型（續(xù)） ?在實際進行時間序列分析和預測時，四個分量不一定同時存在。 時間序列數(shù)據(jù)的類型 ? 水平趨勢型 ? 線性趨勢型 ? 二次曲線趨勢型 ? 水平趨勢季節(jié)型 ? 線性趨勢季節(jié)型 ? 曲線趨勢季節(jié)型 數(shù)學曲線擬合簡介 ?對一個多年的數(shù)據(jù)序列，為了算出逐年的趨勢值，可以考慮對原始數(shù)據(jù)擬合一條數(shù)學曲線。 –如果趨勢是指數(shù)曲線型的，則可以考慮擬合指數(shù)曲線方程。 – 在以時間 t為橫軸，變量 Y為縱軸的遏制教坐標系上作出時間序列數(shù)值的散點圖，根據(jù)散點的分布形狀來確定擬合的曲線方程。 直線趨勢的擬合簡介 ?依據(jù)線性函數(shù)的特征： ?如果一個多年的數(shù)據(jù)序列，其相鄰的兩年數(shù)據(jù)的一階差近似為一個常數(shù)，就可以配合一條直線： ?應用最小平方法就可求出參數(shù) a,b。 某企業(yè) 19881994年某產(chǎn)品銷售量 ?分析數(shù)據(jù)資料考慮配合直線方程： 年份 1988 1989 1990 1991 1992 1993 1994 銷售量（萬件） btaY ??直線趨勢的擬合簡介（續(xù)） –依據(jù)表格可計算
教學課件相關(guān)推薦
鄂ICP備17016276號-1