




版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、信息分析與預(yù)測時間序列第1頁,共64頁,2022年,5月20日,0點31分,星期一時間序列分析法第2頁,共64頁,2022年,5月20日,0點31分,星期一10 概述 所謂時間序列(time series),就是 具有均勻時間間隔的各種社會、自然現(xiàn)象的數(shù)量指標依時間次序排列起來的統(tǒng)計數(shù)據(jù)。時間序列分析法是通過對歷史數(shù)據(jù)變化的分析,來評價事物的現(xiàn)狀和估計事物的未來變化。這種方法在科學決策、R&D和市場開拓活動中的許多場合有廣泛的應(yīng)用,如市場行情分析、產(chǎn)品銷售預(yù)測等。第3頁,共64頁,2022年,5月20日,0點31分,星期一10 概述 從回歸分析法的角度看,時間序列分析法實際上是一種特殊的回歸分
2、析法,因為此時不再考慮事物之間的因果關(guān)系或其他相關(guān)關(guān)系,而僅考慮研究對象與時間之間的相關(guān)關(guān)系,即將時間作為自變量來看待。第4頁,共64頁,2022年,5月20日,0點31分,星期一10 概述 為了保證時間序列分析的準確性,時間序列數(shù)據(jù)的編制應(yīng)該遵循以下一些原則:時間序列中的各項數(shù)據(jù)所代表的時期長短(或間隔時間)應(yīng)該一致且連續(xù)。時間序列中的各項數(shù)據(jù)所代表的質(zhì)的內(nèi)容應(yīng)該前后一致。統(tǒng)計指標數(shù)據(jù)的計量單位應(yīng)該一致。第5頁,共64頁,2022年,5月20日,0點31分,星期一10 概述時間序列數(shù)據(jù)隨時間推移而變動包括四種類型:傾向變動/趨勢變動(trend variation)即在整個預(yù)測內(nèi)研究對象呈現(xiàn)
3、出漸增或漸減的總傾向。周期變動(cyclical variation)即以某一時間間隔為周期的周期性變動,如危機和復(fù)蘇的交替。季節(jié)變動(seasonal variation)。即以一年為周期的周期變動,如服裝行業(yè)銷售額的季節(jié)性波動。不規(guī)則變動/隨機變動(irregular/random variation)是指除以上三種變動之外的變動。第6頁,共64頁,2022年,5月20日,0點31分,星期一第7頁,共64頁,2022年,5月20日,0點31分,星期一10 概述 傾向線的擬合方法,實質(zhì)上是一種時間序列回歸分析法,它是通過數(shù)學模型的建立和求解來進行分析的。這種方法的優(yōu)點是精確度比較高 。 傾向
4、線的逐步修正方法則是與傾向線擬合方法性質(zhì)完全不同的另一種方法。它是通過時間序列數(shù)據(jù)的平滑來進行分析的。所謂“平滑”,就是將原始時間序列數(shù)據(jù)不規(guī)則的,有突變的軌跡大致地修勻,形成平滑的傾向線,以把握事物的發(fā)展趨勢。第8頁,共64頁,2022年,5月20日,0點31分,星期一10 概述 需要說明的是,人們研究的事物往往受到諸多因素的復(fù)雜影響,而在傾向變動預(yù)測中,我們都只考慮其中的時間因素,即把事物的特征值僅僅作為時間的函數(shù)來表現(xiàn),求出函數(shù)表達式,并在假定這種函數(shù)關(guān)系在要預(yù)測的期間內(nèi)無結(jié)構(gòu)性突變的情況下,預(yù)測其未來值。因此在所研究事物的客觀環(huán)境(條件)發(fā)生突變的情況下,切不可機械地套用時間序列分析方
5、法,而應(yīng)該對研究對象進行全面的條件和環(huán)境分析,才能得出比較 符合事物發(fā)展的客觀預(yù)測結(jié)果。第9頁,共64頁,2022年,5月20日,0點31分,星期一10.1多項式曲線法 當進行時間序列分析時,應(yīng)先將研究對象的動態(tài)數(shù)據(jù)與所對應(yīng)的時間序列反映到直角坐標系中,得到一散點圖,然后對散點圖進行分析。當可用時間t的k次多項式曲線(multinomial curve)較好地擬合散點時,我們就可以用時間t的k次多項式來描述時間序列數(shù)據(jù),并據(jù)以推測研究對象的未來狀況。第10頁,共64頁,2022年,5月20日,0點31分,星期一10.1.1 一次曲線(直線) 當時間序列數(shù)據(jù)的散點圖可以用直線擬合時,則可用直線回
6、歸方程來描述研究對象y與時間t的關(guān)系,并可據(jù)此預(yù)測研究對象的未來情況。回歸系數(shù)a,b可根據(jù)最小二乘法求得第11頁,共64頁,2022年,5月20日,0點31分,星期一10.1.1 一次曲線 經(jīng)過轉(zhuǎn)換第12頁,共64頁,2022年,5月20日,0點31分,星期一10.1.1 一次曲線 當時間點 為連續(xù)等間隔時,若把原點取在時間序列的中間,即在數(shù)據(jù)項數(shù)為奇數(shù)(N=2n+1)時,取ti的系列為:-n,-(n-1),-2,-1,0,1,2,(n-1),n在數(shù)據(jù)項數(shù)為偶數(shù)(N=2n)時,取ti的系列為:-(2n-1),-(2n-3),-3,-1,1,3,(2n-3),(2n-1)第13頁,共64頁,20
7、22年,5月20日,0點31分,星期一10.1.1 一次曲線則在此兩種情況下都有因此有第14頁,共64頁,2022年,5月20日,0點31分,星期一10.1.1 一次曲線例:江蘇省1985年到2002年專利申請量的數(shù)據(jù)如下:第15頁,共64頁,2022年,5月20日,0點31分,星期一10.1.1 一次曲線第16頁,共64頁,2022年,5月20日,0點31分,星期一第17頁,共64頁,2022年,5月20日,0點31分,星期一10.1.1 一次曲線所以得到直線回歸方程為y=7370.5+593.2t第18頁,共64頁,2022年,5月20日,0點31分,星期一10.1.1 一次曲線 預(yù)測20
8、10年專利申請量,對于2010年ti=23,可得預(yù)測值為第19頁,共64頁,2022年,5月20日,0點31分,星期一10.1.1 一次曲線 為了衡量所得的回歸方程與實際值的偏離程度,引入不一致系數(shù)u。 不一致系數(shù)u值越小,說明所得的擬合曲線(回歸方程)與實際值傾向線的偏差越小,即擬合得越好。第20頁,共64頁,2022年,5月20日,0點31分,星期一10.1.1 一次曲線第21頁,共64頁,2022年,5月20日,0點31分,星期一二次曲線 在時間序列數(shù)據(jù)yi散點圖的傾向線呈二次多項式曲線時,可以用二次多項式去描述它,其一般表達式為:第22頁,共64頁,2022年,5月20日,0點31分,
9、星期一第23頁,共64頁,2022年,5月20日,0點31分,星期一三次曲線 在時間序列數(shù)據(jù)yi散點圖的傾向線呈三次多項式曲線時,可以用三次多項式去描述它,其一般表達式為: 第24頁,共64頁,2022年,5月20日,0點31分,星期一三次曲線第25頁,共64頁,2022年,5月20日,0點31分,星期一10.3 指數(shù)曲線法 研究對象呈現(xiàn)指數(shù)增長是時間序列數(shù)據(jù)分析中比較常見的一種形式,特別是研究對象在初期發(fā)展階段其時間序列數(shù)據(jù)的傾向線往往呈指數(shù)曲線(exponenial curve)上升的趨勢。如我國網(wǎng)絡(luò)用戶數(shù)量增長曲線就是呈指數(shù)曲線形式。第26頁,共64頁,2022年,5月20日,0點31分
10、,星期一一次指數(shù)曲線法 在時間序列數(shù)據(jù)散點圖的傾向線大致是一次指數(shù)曲線時可用一次指數(shù)曲線去擬合它。第27頁,共64頁,2022年,5月20日,0點31分,星期一一次指數(shù)曲線法 一次指數(shù)曲線的一般形式為第28頁,共64頁,2022年,5月20日,0點31分,星期一一次指數(shù)曲線法 兩邊取對數(shù),有第29頁,共64頁,2022年,5月20日,0點31分,星期一一次指數(shù)曲線法 即將指數(shù)曲線化成了直線。下面我們來求回歸系數(shù)a和b。 直線式的剩余平方和為第30頁,共64頁,2022年,5月20日,0點31分,星期一一次指數(shù)曲線法 根據(jù)微積分的極值原理,有第31頁,共64頁,2022年,5月20日,0點31分
11、,星期一一次指數(shù)曲線法 解此聯(lián)立方程,可以得到第32頁,共64頁,2022年,5月20日,0點31分,星期一一次指數(shù)曲線法第33頁,共64頁,2022年,5月20日,0點31分,星期一一次指數(shù)曲線法 由此即可得到a和b。對于時間t的原點設(shè)在時間序列中間的情況,有第34頁,共64頁,2022年,5月20日,0點31分,星期一一次指數(shù)曲線法 例:某市1998-2003年的燈具商品銷售量分別為8.7,10.6,13.3,16.5,20.6,26.0萬架,用一次指數(shù)曲線法預(yù)測2004年銷售量。第35頁,共64頁,2022年,5月20日,0點31分,星期一一次指數(shù)曲線法第36頁,共64頁,2022年,5
12、月20日,0點31分,星期一一次指數(shù)曲線法 根據(jù)表中的數(shù)據(jù),求得所以,指數(shù)曲線回歸方程為 第37頁,共64頁,2022年,5月20日,0點31分,星期一一次指數(shù)曲線法 不一致系數(shù)為:第38頁,共64頁,2022年,5月20日,0點31分,星期一一次指數(shù)曲線法當t=7時,可預(yù)測2004年的銷售量為32.07萬架。第39頁,共64頁,2022年,5月20日,0點31分,星期一移動平均法第40頁,共64頁,2022年,5月20日,0點31分,星期一概述 傾向線的逐步修正方法是通過時間序列數(shù)據(jù)平滑來進行分析的。最簡單的平滑方法就是取時間序列數(shù)據(jù)的算術(shù)平均值,它能有效地排除隨機變動的影響。例如,時間序列
13、數(shù)據(jù)為 ,對應(yīng)于時間t=1,2,,N,其算術(shù)平均值為第41頁,共64頁,2022年,5月20日,0點31分,星期一概述t-時間下標變量,表示時期序號N-時間序列的時期個數(shù),也即時間序列數(shù)據(jù)個數(shù)第42頁,共64頁,2022年,5月20日,0點31分,星期一概述 不過,使用算術(shù)平均值作為時間序列數(shù)據(jù)平滑的數(shù)學模型和它的預(yù)測值,雖然能夠排除隨機變動,但它有著嚴重的缺點;它只能反映時間序列數(shù)據(jù)的一般情況(平均水平),而不能反映出數(shù)據(jù)中的高值和低值,更不能反映時間序列數(shù)據(jù)的演變過程和發(fā)展趨勢,掩蓋了它的可能存在的傾向變動;它對時間序列的近期數(shù)據(jù)和早期數(shù)據(jù)同樣看待,缺乏對當前數(shù)據(jù)變動的適應(yīng)能力。 第43頁
14、,共64頁,2022年,5月20日,0點31分,星期一概述 對算術(shù)平均法的改進,最初得到的是一種分段平均法,分段平均法是按時期序號將時間序列數(shù)據(jù)分成都含有n個時期的段,再取各段數(shù)據(jù)平均值。例如,將江蘇省專利申請量18年來的數(shù)據(jù)劃分為各包含6年的3段,分別求出各段平均值。第44頁,共64頁,2022年,5月20日,0點31分,星期一概述 分段平均法能夠反映出研究對象的總的變化趨勢和各時期大致變化幅度,并且通過取平均值可以減弱隨機因素的影響。但是,這樣的分段平均使得數(shù)據(jù)點大為減少,只為原來數(shù)據(jù)點的1/n,使各段平均值呈階梯狀,不能連續(xù)反映變量的變化過程;而且,當時期總數(shù)不為n的整數(shù)倍時不便分段。第
15、45頁,共64頁,2022年,5月20日,0點31分,星期一10.4.2 一次移動平均 對分段平均法改進得到移動平均法(moving-average method),又稱為滑動平均法,移動平均法是利用平均過程所具有的平滑作用,從時間序列數(shù)據(jù)中去除局部的不規(guī)則性,排除隨機影響,從而找出時間序列數(shù)據(jù)變動趨勢的方法。它對時間序列數(shù)據(jù)分段求出算術(shù)平均值,但這時的分段平均并不是截然分開的段進行,而是按根據(jù)時期的順序不斷移動得到的段進行,即它的平均值的計算區(qū)段部分的重疊和逐漸移動,因而能夠在一定程度上客觀地描述實際的時間序列數(shù)據(jù)及其變化趨勢。第46頁,共64頁,2022年,5月20日,0點31分,星期一1
16、0.4.2 一次移動平均 一次移動平均值的計算公式為 -為第t時期及其以前(n-1)各時期的數(shù)據(jù)的移動平均值t-時期序號yt-第t時期變量的數(shù)值n-每段跨越的時期個數(shù),即所包含的數(shù)據(jù)個數(shù)第47頁,共64頁,2022年,5月20日,0點31分,星期一10.4.2 一次移動平均 也可以用遞推公式表示: 如果時間序列數(shù)據(jù)很長,n的取值又較大,用遞推公式可以大大減少計算量。同時,當獲得新數(shù)據(jù)時,無需像回歸分析那樣重新估算方程,而可以根據(jù)先期計算出來的移動平均值,很容易求出新的移動平均值。第48頁,共64頁,2022年,5月20日,0點31分,星期一1985-2002年江蘇省專利申請量移動平均法預(yù)測數(shù)據(jù)
17、表第49頁,共64頁,2022年,5月20日,0點31分,星期一10.4.2 一次移動平均 合理地選擇每段時期個數(shù)n是用好移動平均法的關(guān)鍵。在n取較大值時,移動平均值對于隨機影響的敏感性弱些,平滑作用強,但適應(yīng)新數(shù)據(jù)水平的時間要長些,容易落后于可能的發(fā)展趨勢;而當n 取較小值時,移動平均值對于隨機影響的敏感性較強,平滑作用差,適應(yīng)數(shù)據(jù)新水平的時間短,因而容易對隨機干擾反映過度靈敏而造成錯覺。一般可以根據(jù)實際時間序列數(shù)據(jù)的特征和經(jīng)驗選擇參數(shù)n。第50頁,共64頁,2022年,5月20日,0點31分,星期一10.4.2 一次移動平均第51頁,共64頁,2022年,5月20日,0點31分,星期一10
18、.4.3 二次移動平均 -為第t時期的一次移動平均值-為第t時期的二次移動平均值第52頁,共64頁,2022年,5月20日,0點31分,星期一第53頁,共64頁,2022年,5月20日,0點31分,星期一10.4.3 二次移動平均 一次移動平均只適用于平滑時間序列數(shù)據(jù),而不適用于有線性變動趨勢的時間序列數(shù)據(jù)預(yù)測。這是因為一次移動平均值是 每時間段 的平均值,當 為線性增長趨勢時, 必然小于 值;反之,當為線性下降趨勢時, 必然大于 值。 第54頁,共64頁,2022年,5月20日,0點31分,星期一10.4.3 二次移動平均 同理,二次移動平均是在一次移動平均值的基礎(chǔ)上進行的,二次移動平均也與
19、一次移動平均數(shù)序列存在滯后偏差。 因此 和 只能用于簡易預(yù)測。為了改善預(yù)測效果,我們可以利用 和 求出平滑系數(shù),建立線性移動平均模型進行預(yù)測。第55頁,共64頁,2022年,5月20日,0點31分,星期一10.4.3 二次移動平均 線性移動平均模型的一般形式為:t-時期的序號l-由當前時期t到需要預(yù)測的時期之間的時期個數(shù)yt+l-第(t+l)時期的預(yù)測值;bt-斜率,即單位時期的變化量at-截距,即當前時期t的數(shù)據(jù)水平,at=yt第56頁,共64頁,2022年,5月20日,0點31分,星期一10.4.3 二次移動平均 對于線性時間序列數(shù)據(jù),每一時期的增量總是相同的,即在一次移動平均中有 一次移動平均值比原時間序列數(shù)據(jù)滯后(n-1)/2個時期,所以第5
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 人人文庫網(wǎng)僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 遼寧機電職業(yè)技術(shù)學院《民航企業(yè)管理》2023-2024學年第二學期期末試卷
- 湖北生物科技職業(yè)學院《Web開發(fā)技術(shù)基礎(chǔ)》2023-2024學年第二學期期末試卷
- 浙江機電職業(yè)技術(shù)學院《生物工程與技術(shù)》2023-2024學年第二學期期末試卷
- 湖南食品藥品職業(yè)學院《農(nóng)業(yè)微生物學》2023-2024學年第二學期期末試卷
- 聊城大學東昌學院《素描表現(xiàn)》2023-2024學年第二學期期末試卷
- 南寧職業(yè)技術(shù)學院《主要客源國概況》2023-2024學年第二學期期末試卷
- 呼和浩特民族學院《創(chuàng)新思維與創(chuàng)新方法》2023-2024學年第二學期期末試卷
- 柳州城市職業(yè)學院《技術(shù)與應(yīng)用》2023-2024學年第二學期期末試卷
- 杭州無框卡布燈箱施工方案
- 焦作師范高等??茖W?!稄V告攝影》2023-2024學年第二學期期末試卷
- 2025年新華師大版數(shù)學七年級下冊全冊導(dǎo)學案
- 《供熱工程》課件
- 倉管員業(yè)務(wù)技能培訓(xùn)
- 安全管理人員七大職責
- 《國民經(jīng)濟行業(yè)分類與代碼》
- 音樂教育國際化進程-洞察分析
- 植入式靜脈給藥裝置護理技術(shù)課件
- 單兵綜合演練
- 疼痛中醫(yī)護理
- 歐式風格的室內(nèi)設(shè)計
- GB/T 24091-2024適應(yīng)氣候變化脆弱性、影響和風險評估指南
評論
0/150
提交評論