贾俊平_统计学_第章_时间序列预测.doc

贾俊平_统计学_第11章_时间序列预测 作者 贾俊平 统计学 统 计 学 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 统计名言 第 11 章 时间序列预测 11.1 时间序列的成分和预测方法 11.2 平稳序列的预测 11.3 趋势预测 11.4 多成分序列的预测 11.5 Box-Jenkins方法：ARIMA模型 学习目标 时间序列的组成要素 预测方法的选择与评估 平稳序列的预测方法 趋势序列的预测方法 多成分序列的预测方法 ARIMA模型 使用SPSS和Excel预测 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2009年7月至2010年8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2009年7月至2010年8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？ 107.3 106.2 107.9 2010.08 107.8 106.4 108.6 2010.07 108.5 107.8 108.9 2010.06 108.0 107.7 108.2 2010.05 106.6 106.2 106.8 2010.04 107.9 107.5 108.2 2010.03 104.2 103.7 104.5 2010.02 104.7 104.8 104.6 2010.01 103.9 103.8 104.0 2009.12 103.3 103.8 103.0 2009.11 103.2 104.0 102.6 2009.10 102.8 103.7 102.2 2009.09 102.7 103.8 102.0 2009.08 102.1 103.6 101.1 2009.07 消费者信心指数 消费者满意指数 消费者预期指数 日期 11.1 时间序列的成分和预测方法 11.1.1 时间序列的成分 11.1.2 预测方法的选择与评估 第 11 章 时间序列预测 11.1.1 时间序列的成分 11.1 时间序列成分和预测方法 时间序列 (times series) 按时间顺序记录的一组数据 观察的时间可以是年份、季度、月份或其他任何时间形式 观测时间用 表示，观测值用 表示 时间序列的组成要素(components)：趋势、季节变动、循环波动和不规则波动 时间序列的组成要素(components) 趋势(trend) 持续向上或持续向下的变动 季节变动(seasonal fluctuation) 在一年内重复出现的周期性波动 循环波动(Cyclical fluctuation) 非固定长度的周期性变动 不规则波动(irregular variations) 除去趋势、季节变动和周期波动之后的随机波动称为不规则波动 只含有随机波动而不存在趋势的序列也称为平稳序列(stationary series) 四种成分与序列的关系： Yi=Ti×Si×Ci×Ii 含有不同成分的时间序列 平稳 趋势 周期 季节 时间序列的成分 (例题分析) 【例11-1】 1990年—2005年我国人均GDP、轿车产量、金属切削机床产量和棉花产量的时间序列。绘制图形观察其所包含的成分 含有不同成分的时间序列 (a) 人均GDP序列 (b) 轿车产量序列 (c)机床产量序列 (d) 棉花产量序列 11.1.2 预测方法的选择与评估 11.1 时间序列成分和预测方法 预测方法的选择与评估 预测方法的评估 一种预测方法的好坏取决于预测误差的大小 预测误差是预测值与实际值的差距 度量方法有平均误差(mean error)、平均绝对误差(mean absolute deviation)、均方误差(mean square error)、平均百分比误差(mean percentage error)和平均绝对百分比误差(mean absolute percentage