文档详情

第九章统计ppt.ppt

发布:2016-06-26约1.09万字共101页下载文档
文本预览下载声明
第9章 时间序列分析和预测 未来是不可预测的,不管人们掌握 多少信息,都不可能存在能作出正 确决策的系统方法。 ——C. R. Rao 下个月的消费者信心指数是多少? 消费者信心指数不仅仅是消费信心的反映,在某种程度上反映了消费者对整个宏观经济运行前景的看法 一些国家都把消费者信心指数作为经济运行的一项预警指标来看待。国家统计局定期公布这类数据 下表是国家统计局公布的2007年4月至2008年5月我国的消费者预期指数、消费者满意指数和消费者信心指数(%) 怎样预测下个月的消费者信心指数呢?首先需要弄清楚它在2007年4月至2008年5 月过去的这段时间里是如何变化的,找出其变化的模式。如果预期过去的变化模式在未来的一段时间里能够延续,就可以根据这一模式找到适当的预测模型并进行预测。本章介绍的内容就是有关时间序列的预测问题 下个月的消费者信心指数是多少? 第九章 时间序列分析和预测 本章主要内容 1.时间序列的概念和构成 2.时间序列的分解模型 3.时间序列的平滑方法——移动平均法和指数平滑法 4.时间序列的长期趋势分析 5.时间序列的季节变动分析 第九章 时间序列分析和预测 学习目标 1.理解时间序列的概念及其分解 2.掌握时间序列的两种平滑技术 3.掌握时间序列的线性预测方法 本章案例 大华公司生产的一种新型乳制品售量呈逐年增长的趋势。同时,这也是一种时令性很强的饮品。历年各季度的销售数额如下图: 本章案例 在对该产品进行预测时,管理人员根据公司历史销售数据,建立了一个时间序列预测模型,该模型包含了产品销售的增长趋势以及季节影响因素。实践证明,该模型的预测令人满意。 时间序列 (times series) 1. 是按照时间顺序取得的一系列同一现象的观测值。 2. 形式上由现象所属的时间和现象在不同时间上的观察值两部分组成 3. 排列的时间可以是年份、季度、月份或其他任何时间形式 第一节 时间序列的概念和构成 时间序列的展示 表格形式,如下表9-1:    第一节 时间序列的概念和构成 时间序列的构成要素 时间序列的分类—非平稳序列 时间序列的分类—非平稳序列 时间序列的分类—非平稳序列 时间序列的分类—非平稳序列 国际航运乘客资料(单位:千人) 趋势、季节、周期、随机性 趋势(trend) 呈现出某种持续向上或持续下降的状态或规律 季节性(seasonality) 也称季节变动(Seasonal fluctuation) 时间序列在一年内重复出现的周期性波动 周期性(cyclity) 也称循环波动(Cyclical fluctuation) 围绕长期趋势的一种波浪形或振荡式变动 随机性(random) 也称不规则波动(Irregular variations) 除去趋势、周期性和季节性之后的偶然性波动 时间序列的构成模型 时间序列的构成要素分为四种,即趋势(T)、季节性或季节变动(S)、周期性或循环波动(C)、随机性或不规则波动(I)非平稳序列 时间序列的分解模型 乘法模型 Yi=Ti×Si×Ci×Ii 加法模型 Yi=Ti+Si+Ci+Ii 移动平均法   移动平均是从时间序列的第一项开始,取连续若干期观测值计算均值,逐期递移,得到由均值构成的序列—移动平均列。   移动平均法的原理:不规则变动对时间序列每时期的影响大小不同,方向也不同,将时间序列连续两期或多期的观测值平均,代替其中间一期的趋势值,数列中过大与过小的观测值就可以互相补偿,这样就剔除了随机波动的影响。 第二节 时间序列的平滑法 第二节 时间序列的平滑法 第二节 时间序列的平滑法 第二节 时间序列的平滑法 第二节 时间序列的平滑法 一些说明 移动平均列消除了不规则变动的影响,因此比原序列光滑。 移动平均的步长越长,得到的移动平均列越光滑。 步长过长的移动平均容易在消除不规则变动的同时,也去除了时间序列的其它影响因素。 偶数步长的移动平均有时需要进行中心化处理。    移动平均法举例2 第二节 时间序列的平滑法 指数平滑法    第二节 时间序列的平滑法 第二节 时间序列的平滑法 第二节 时间序列的平滑法 一些说明 指数平滑系数α越小,指数平滑列光滑度越高,反之,指数平滑列的光滑度越低。 可以通过调节平滑系数α的大小来达到发现时间序列变化趋势的目的。 上列中的平滑系数一个过大,一个过小,若将平滑系数α调节为0.5,季节变动趋势就比较显著,如图9
显示全部
相似文档