时间序列分解法

信息分析时间序列分解法和趋势外推法时间序列分解法趋势外推法概述多项式曲线趋势外推法指数曲线趋势外推法生长曲线趋势外推法曲线拟合优度分析信息分析对事物本身随时间变化规律的研究称为时间序列分析（timeseriesanalysis）。从回归分析法的角度看，时间序列分析法实际上是一种特殊的回归分析法，因为此时不再考虑事物之间的因果关系或其他相关关系，而仅考虑研究对象与时间之间的相关关系，即将时间作为自变量。时间序列数据的编制应该遵循以下一些原则：（1）时间序列中的各项数据所代表的时期长短（或间隔时间）应该一致且连续；（2）时间序列中的各项数据所代表的总体范围应该一致；（3）时间序列中的各项数据所代表的质的内容应该前后一致；（4）统计指标数据的计算方法和计量单位应该一致。信息分析时间序列分解法一、时间序列的分解时间序列的变化受到长期趋势、季节变动、周期变动和不规则变动这四个因素的影响。其中：（1）长期趋势因素（T）反映了事物现象在一个较长时间内的发展方向，它可以在一个相当长的时间内表现为一种持续向上或持续向下或平稳的趋势。信息分析（2）季节变动因素（S）是事物现象受季节变动影响所形成的一种长度和幅度固定的周期波动。（3）周期变动因素（C）周期变动因素也称循环变动因素，它是受各种因素影响形成的上下起伏的波动。（4）不规则变动因素（I）不规则变动又称随机变动，它是受各种偶然因素影响所形成的不规则变动。信息分析二、时间序列分解模型时间序列y可以表示为以上四个因素的函数，即：时间序列分解的方法有很多，较常用的模型有加法模型和乘法模型。(,,,)tttttyfTSCI信息分析加法模型为：乘法模型为：tttttyTSCItttttyTSCI信息分析三、时间序列的分解方法（1）运用移动平均法得到序列TC。然后再用按月（季）平均法求出季节指数S。（2）做散点图，选择适合的曲线模型拟合序列的长期趋势，得到长期趋势T。信息分析（3）计算周期因素C。用序列TC除以T即可得到周期变动因素C。（4）将时间序列的T、S、C分解出来后，剩余的即为不规则变动，即：YITSCy信息分析趋势外推法概述一、趋势外推法概念和假定条件趋势外推法概念：当预测对象依时间变化呈现某种上升或下降趋势，没有明显的季节波动，且能找到一个合适的函数曲线反映这种变化趋势时，就可以用趋势外推法进行预测。信息分析趋势外推法的两个假定：（1）假设事物发展过程没有跳跃式变化；（2）假定事物的发展因素也决定事物未来的发展，其条件不变或变化不大。信息分析二、趋势模型的种类多项式曲线外推模型：一次（线性）预测模型：二次（二次抛物线）预测模型：三次（三次抛物线）预测模型：一般形式：01ˆtybbt2012ˆtybbtbt230123ˆtybbtbtbt2012ˆktkybbtbtbt信息分析设有一组统计数据，，…，，令即：解这个三元一次方程就可求得参数。1y2yny22201201211ˆ(,,)()()nntttttQbbbyyybbtbt最小值4231202322102210tbtbtbyttbtbtbtytbtbnby信息分析二、三次多项式曲线预测模型及其应用三次多项式曲线预测模型为：230123ˆtybbtbtbt信息分析设有一组统计数据，，…，，令即：解这个四元一次方程就可求得参数。1y2yny22320123012311ˆ(,,,)()()nntttttQbbbbyyybbtbtbt最小值6352413035342312024332210332210tbtbtbtbyttbtbtbtbyttbtbtbtbtytbtbtbnby信息分析指数曲线趋势外推法一、指数曲线模型及其应用指数曲线预测模型为：ˆ(0)ttyaba信息分析对函数模型做线性变换得：令，则这样，就把指数曲线模型转化为直线模型了。ˆbttyaelnlnlntyabtln,ln,lnttYyAaBbtYABt信息分析二、修正指数曲线模型及其应用修正指数曲线预测模型为：ˆttyKab信息分析指数曲线预测模型：一次指数形式：修正的指数曲线预测模型：ˆttyabˆttyKab信息分析对数曲线预测模型：生长曲线趋势外推法：皮尔曲线预测模型：龚珀兹曲线预测模型：ˆlntyabt1tbtLyaeˆtbtyka信息分析三、趋势模型的选择图形识别法：这种方法是通过绘制散点图来进行的，即将时间序列的数据绘制成以时间t为横轴，时序观察值为纵轴的图形，观察并将其变化曲线与各类函数曲线模型的图形进行比较，以便选择较为合适的模型。信息分析差分法：利用差分法把数据修匀，使非平稳序列达到平稳序列。一阶向后差分可以表示为：二阶向后差分可以表示为：1tttyyy1122ttttttyyyyyy信息分析差分法识别标准：差分特性使用模型一阶差分相等或大致相等一次线性模型二阶差分相等或大致相等二次线性模型三阶差分相等或大致相等三次线性模型一阶差分比率相等或大致相等指数曲线模型一阶差分的一阶比率相等或大致相等修正指数曲线模型信息分析从1990年到1994年银行倒闭的数目如下表所示,请预测1997年可能倒闭的银行数目。年份期数倒闭的银行数量199017919912120199231381993418419945200例题信息分析1.画散点图,无明显季节性及周期变化,且与时间基本呈线形关系,即可用时间序列的长期趋势作为预测值.2.计算a,b值y=52.4-30.6tt=8,y=297.2信息分析•例２下表是我国1952年到1983年社会商品零售总额（按当年价格计算），分析预测我国社会商品零售总额。信息分析年份时序（t）总额（yt）年份时序（t）总额（yt）年份时序（t）总额（yt）19521276.8196312604.51974231163.619532348.0196413638.21975241271.119543381.1196514670.31976251339.419554392.2196615732.81977261432.819565461.0196716770.51978271558.619576474.2196817737.31979281800.019587548.0196918801.51980292140.019598638.0197019858.01981302350.019609696.9197120929.21982312570.0196110607.71972211023.31983322849.4196211604.01973221106.7信息分析（1）对数据画折线图分析，以社会商品零售总额为y轴，年份为x轴。信息分析（2）从图形可以看出大致的曲线增长模式，较符合的模型有二次曲线和指数曲线模型。但无法确定哪一个模型能更好地拟合该曲线，则我们将分别对该两种模型进行参数拟合。适用的二次曲线模型为：适用的指数曲线模型为：2012ˆtybbtbtˆttyab信息分析（3）进行二次曲线拟合。首先产生序列，然后运用普通最小二乘法对模型各参数进行估计。得到估计模型为：其中调整的，，则方程通过显著性检验，拟合效果很好。标准误差为151.7。2t2ˆ577.2444.333.29tytt20.9524R0.05290(2,29)FF信息分析(4)进行指数曲线模型拟合。对模型：两边取对数：产生序列，之后进行普通最小二乘估计该模型。最终得到估计模型为：ˆttyabˆlnlnlntyabtlntyˆlnln303.690.0627tytˆ303.690.0627tty信息分析其中调整的，，则方程通过显著性检验，拟合效果很好。标准误差为：175.37。（5）通过以上两次模型的拟合分析，我们发现采用二次曲线模型拟合的效果更好。因此，运用方程：进行预测将会取得较好的效果。20.9547R0.05632.6(1,30)FF2ˆ577.2444.333.29tytt信息分析表11980～1999年扬州市农业总产值年份农业总产值年份农业总产值年份农业总产值年份农业总产值年份农业总产值年份农业总产值19802205531987345560199448396019812362851988357909199554980719822671201989357788199660098619832787871990357671199762028119843120891991305855199866754219853311721992362848199971174119863388481993414892信息分析表1是扬州市1980～1999年农业总产值的有关数据资料，资料摘自《扬州统计年鉴2000》，表中产值按990年不变价格计算。根据表1时间序列的资料，画出时间序列折线图1。通过观察时间序列图，可以看出此时间序列具有明显的趋势变动。在1980～1999年２０年间，扬州市农业总产值总体呈明显的上升趋势。农业总产值的变化分为两个时间段：1980～1990年时间序列呈曲线变化趋势，1991～1999年时间序列呈线性变化趋势。根据直观的判断，对时间序列采取分段处理的方法，即对1980～1990年的时间序列拟合二次曲线趋势模型，对1991～1999年的时间序列拟合线性趋势模型。信息分析信息分析2.(1)t=a+bt+ct2经过计算，得到对扬州市1980～1990年农业总产值时间序列拟合的二次Y=316488.1+14584.3t－705.3t2。信息分析线性趋势模型：Y=a+bt经过计算，得到对扬州市1991～1999年农业总产值时间序列拟合的线性模型为：Y=524212+51090.5t信息分析对时间序列拟合了趋势模型，如果用线性趋势模型Y^t=524212+51090.5t预测扬州市2000年的农业总产值，得到扬州市2000年农业总产值的预测值为779665万元。信息分析生长曲线趋势外推法一、龚珀兹曲线模型及其应用龚珀兹曲线预测模型为：ˆtbtyka信息分析对函数模型做线性变换得：龚珀兹曲线对应于不同的lga与b的不同取值范围而具有间断点。曲线形式如下图所示。lglglgtykbaˆtbtyka信息分析(1)lga00b1(2)lga0b1(3)lga00b1(4)lga0b1kkkk信息分析(1)lga00b1k渐进线（k）意味着市场对某类产品的需求已逐渐接近饱和状态。信息分析(2)lga0b1k渐进线（k）意味着市场对某类产品的需求已由饱和状态开始下降。信息分析(3)lga00b1k渐进线（k）意味着市场对某类产品的需求下降迅速，已接近最低水平k。信息分析(4)lga0b1k渐进线（k）意味着市场对某类产品的需求从最低水平k迅速上升。信息分析二、皮尔曲线模型及其应用皮尔曲线预测模型为：1tbtLyae信息分析曲线拟合优度分析一、曲线的拟合优度分析如前所述，实际的预测对象往往无法通过图形直观确认某种模型，而是与几种模型接近。这时，一般先初选几个模型，待对模型的拟合优度分析后再确定究竟用哪一种模型。信息分析拟合优度指标：评判拟合优度的好坏一般使用标准误差来作为优度好坏的指标：2ˆ()yySEn