干預分析模型預測法演示文稿

干預分析模型預測法演示文稿當前1頁，總共33頁。干預分析模型預測法當前2頁，總共33頁。Page

3干預分析模型預測法干預分析模型概述本章概述1單變量干預分析模型的識別與估計2干預分析模型的應用實例3當前3頁，總共33頁。Page

4干預分析模型預測法第一節(jié)干預分析模型概述1、干預分析模型簡介干預：時間序列經常會受到特殊事件及態(tài)勢的影響，稱這類外部事件為干預。研究干預分析的目的：測度干預效應，從定量分析的角度來評估政策干預或突發(fā)事件對經濟環(huán)境和經濟過程的具體影響。作用：干預分析模型將干預因素體現(xiàn)在了干預變量中，可以對“突變性”的時間序列進行模型化處理。當前4頁，總共33頁。Page

5干預分析模型預測法基本形式干預變量形式干預事件形式2、干預分析模型的基本形式當前5頁，總共33頁。Page

6干預分析模型預測法表示在某時刻發(fā)生,僅對該時刻有影響,用單位脈沖函數(shù)表示，形式是：1表示T時刻發(fā)生以后,一直有影響，這時可以用階躍函數(shù)表示，形式是：持續(xù)性的干預變量短暫性的干預變量2干預變量的形式當前6頁，總共33頁。Page

7干預分析模型預測法干預事件的形式a.干預事件的影響突然開始，長期持續(xù)下去b.干預事件的影響逐漸開始，長期持續(xù)下去c.干預事件突然開始，產生暫時的影響

d.干預事件逐漸開始，產生暫時的影響當前7頁，總共33頁。Page

8干預分析模型預測法a.干預事件的影響突然開始，長期持續(xù)下去設干預對因變量的影響是固定的，從某一時刻T開始，但影響的程度是未知的，即因變量的大小是未知的。ω表示干預影響強度的未知參數(shù)。Yt不平穩(wěn)時可以通過差分化為平穩(wěn)序列，其中B為后移算子。如果干預事件要滯后若干個時期才產生影響，如b個時期。當前8頁，總共33頁。Page

9干預分析模型預測法b.干預事件的影響逐漸開始，長期持續(xù)下去

有時候干預事件突然發(fā)生，并不能立刻產生完全的影響，而是隨著時間的推移，逐漸地感到這種影響的存在。這種形式的最簡單情形的模型方程為：一般形式：當前9頁，總共33頁。Page

10干預分析模型預測法c.干預事件突然開始，產生暫時的影響當δ=0時，干預的影響只存在一個時期，當δ=1時，干預的影響將長期存在。當前10頁，總共33頁。Page

11干預分析模型預測法d.干預事件逐漸開始，產生暫時的影響干預的影響逐漸增加，在某個時刻到達高峰，然后又逐漸減弱以至消失。當前11頁，總共33頁。Page

12干預分析模型預測法干預事件的形式a.干預事件的影響突然開始，長期持續(xù)下去b.干預事件的影響逐漸開始，長期持續(xù)下去c.干預事件突然開始，產生暫時的影響

d.干預事件逐漸開始，產生暫時的影響

不管經濟系統(tǒng)如何受到多種干預的影響，也不管這些影響是多么復雜，都可以用上述四種形式或者是它們的組合來表示。同時，也可以用這種組合去模擬多個干預事件所產生的影響。當前12頁，總共33頁。Page

13干預分析模型預測法單變量時間序列的干預模型，就是在時間序列模型中加進各種干預變量的影響。我們以ARIMA模型為例，設平穩(wěn)化后的單變量序列滿足下述模型：又設干預事件的影響為：其中為干預變量，它等于或

1、單變量干預模型的構造第二節(jié)單變量干預分析模型的識別與估計當前13頁，總共33頁。Page

14則單變量序列的干預模型為：這里：干預分析模型預測法當前14頁，總共33頁。Page

152、干預效應的識別干預分析模型預測法在對實際數(shù)據(jù)進行干預分析的過程中，一個主要的困難是，觀察到的序列現(xiàn)實值是受到了干預變量影響的數(shù)據(jù)，不能保證自相關函數(shù)與偏自相關函數(shù)所反映的ARIMA模型是真實的。｛應對方法（1）根據(jù)序列的具體情況和干預變量的性質進行識別。（2）已知干預影響的情形。當前15頁，總共33頁。Page

16干預分析模型預測法（1）根據(jù)序列的具體情況和干預變量的性質進行識別目的：確定干預變量的影響是短暫的還是長期的。原理：它是利用干預變量產生影響之前或干預影響過后，也就是消除了干預影響或沒有干預影響的凈化數(shù)據(jù)，計算出自相關函數(shù)與偏自相關函數(shù)。在ARIMA模型中，首先識別模型中的p和q，然后估計出，中的參數(shù)。當前16頁，總共33頁。Page

17干預分析模型預測法假定：假定模型形式為：當前17頁，總共33頁。Page

18（2）已知干預影響的情形

假定在模型識別之前，對干預的影響已很清楚，以至于通過數(shù)據(jù)分析，能夠確定干預變量的影響部分并估計出這部分的參數(shù)，然后計算出殘差序列：

這個序列是一個消除了干預變量影響的序列，可計算出它的自相關與偏自相關函數(shù)，從而識別出ARIMA模型的階數(shù)。出ARIMA模型的階數(shù)。干預分析模型預測法當前18頁，總共33頁。Page

19干預分析模型預測法3、干預分析模型的建模步驟：利用干預影響產生前的數(shù)據(jù)，建立一個單變量的時間序列模型。然后利用此模型進行外推預測，得到的預測值作為不受干預影響的數(shù)值。

利用排除干預影響后的全部數(shù)據(jù)，識別與估計出一個單變量的時間序列模型。

將實際值減去預測值，得到受干預影響的具體結果，利用這些結果估計出干預影響部分的參數(shù)。

結合之前步驟，求出總的干預分析模型。第一第二第三第四當前19頁，總共33頁。Page

20干預分析模型預測法第三節(jié)干預分析模型的應用實例干預分析模型預測房價指數(shù)（一）、問題的提出和相關背景房地產價格指數(shù)對價格這一個經濟變量進行跟蹤記錄，對于市場行情的波動具有直接、及時的表現(xiàn)力。價格指數(shù)是由一個個市場調查的數(shù)據(jù)構成的，這些數(shù)據(jù)來自于不同地點的樓盤，每時每刻記錄著市場行情波動的軌跡，形成一幅觀測市場行情萬千氣象的云圖。近年來上海房地產市場保持量價齊升的態(tài)勢，特別是住宅市場，商品住宅價格漲幅大幅度攀升，引來了民眾與政府的多方關注。2003年4月開始，住宅價格漲幅驚人，明顯高于往年同期。有研究人士認為，是SARS帶動了上海房市的新一輪上漲，使得上海的城市競爭力為眾多的海內外投資者所認可和關注。這里就選取上海二手房指數(shù)作為研究對象，以SARS的發(fā)生為干預事件，運用干預分析模型進行分析和預測，定量地研究價格指數(shù)的運行軌跡。當前20頁，總共33頁。Page

21干預分析模型預測法（二）、數(shù)據(jù)和模型的說明

這里選取上海二手房指數(shù)發(fā)布以來的所有時間序列，按SARS的發(fā)生分為兩個時期：第一個時期：2001年11月-2003年3月；第二個時期：2003年4月-2004年12月。由于SARS的發(fā)生并不是立刻產生完全的影響，而是隨著時間的推移，逐漸地感到這種影響的存在。因而干預影響選取如下的模式：其中：當前21頁，總共33頁。Page

22干預分析模型預測法原始數(shù)據(jù)如下

當前22頁，總共33頁。Page

23干預分析模型預測法（三）、干預分析模型的識別與參數(shù)估計

1.根據(jù)2001年11月-2003年3月，即前17個歷史數(shù)據(jù)，建立時間序列模型。散點圖如下：當前23頁，總共33頁。Page

24干預分析模型預測法這里經過觀察與篩選，最終選取二次曲線模型進行擬合，結果如下：其中，R2=0.985，F(xiàn)=455.78（P=0.000高度顯著），說明模型擬合效果很好。當前24頁，總共33頁。Page

25干預分析模型預測法2.分離出干預影響的具體數(shù)據(jù)，求估干預模型的參數(shù)。

運用經過檢驗的二次曲線模型，進行外推預測2003年4月-2004年12月的指數(shù)預測值，然后用實際值減去預測值，得到的差值就是經濟體制改革所產生的效益值，記為，具體數(shù)值如下：

當前25頁，總共33頁。Page

26干預分析模型預測法運用表中的數(shù)據(jù)可估計出干預模型中的參數(shù)的與，實際上是自回歸方程的參數(shù)：當前26頁，總共33頁。Page

27干預分析模型預測法其中，R2=0.984，F(xiàn)=1112.704（P=0.000高度顯著），模型系數(shù)的t檢驗也是高度顯著，說明模型擬合效果很好。當前27頁，總共33頁。Page

28干預分析模型預測法3.計算凈化序列

凈化序列是指消除了干預影響的序列，它由實際的觀察序列值減去干預影響值得到，即：

稱為消去了干預影響的凈化序列，具體計算數(shù)據(jù)如下：當前28頁，總共33頁。Page

29干預分析模型預測法4.對凈化序列建立擬合模型。

仍選取二次曲線模型進行擬合。當前29頁，總共33頁。Page

30干預分析模型預測法結果如下：

其中，R2=0.999，F(xiàn)=23588.3（P=0.000高度顯著），說明模型擬合效果很好。當前30頁，總共33頁。Page

31干預分析模型預測法5.組建干預分析模型

結合的擬合模型