时间序列分解法和趋势外推法幻灯片.ppt

《时间序列分解法和趋势外推法幻灯片.ppt》由会员分享，可在线阅读，更多相关《时间序列分解法和趋势外推法幻灯片.ppt（65页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、时间序列分解法和趋势外推法第1页，共65页，编辑于2022年，星期六4.1 时间序列分解法时间序列分解法 一、时间序列的分解 经济时间序列的变化受到长期趋势长期趋势、季节变动季节变动、周期变动周期变动和不规则变动不规则变动这四个因素的影响。其中：（1）长期趋势因素（T）反映了经济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近似直线的持续向上或持续向下或平稳的趋势。回总目录回本章目录第2页，共65页，编辑于2022年，星期六（2）季节变动因素（S）是经济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

2、 种经济因素影响形成的上下起伏不定的波动。（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。回总目录回本章目录第3页，共65页，编辑于2022年，星期六 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。回总目录回本章目录第4页，共65页，编辑于2022年，星期六 加法模型为：乘法模型为：回总目录回本章目录第5页，共65页，编辑于2022年，星期六 三、时间序列的分解方法（1）运用移动平均法剔除长期趋势和周期变化，得 到序列TC。然后再用按月（季）平均法求出 季节指数S。（2

3、）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。回总目录回本章目录第6页，共65页，编辑于2022年，星期六（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：y回总目录回本章目录第7页，共65页，编辑于2022年，星期六4.2 趋趋 势势 外外 推推 法法 概概 述述 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。回总目录回本章目录第8页，共65页，编辑于2

4、022年，星期六 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，其条件是不变或变化不大。回总目录回本章目录第9页，共65页，编辑于2022年，星期六 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：回总目录回本章目录第10页，共65页，编辑于2022年，星期六 指数曲线预测模型：一般形式：修正的指数曲线预测模型：回总目录回本章目录第11页，共65页，编辑于2022年，星期六对数曲线预测模型：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：回总目录

5、回本章目录第12页，共65页，编辑于2022年，星期六 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。回总目录回本章目录第13页，共65页，编辑于2022年，星期六 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：回总目录回本章目录第14页，共65页，编辑于2022年，星期六一次线性模型差分计算表一次（线性）模型差分计算表时序（t)yt=a+bt一阶差分（yt-yt-1)1a+b-

6、2a+2bb3a+bb4a+3bbt-1a+(t-1)bbta+tbb第15页，共65页，编辑于2022年，星期六一次线性模型差分计算表一次（线性）模型差分计算表时序（t)yt=a+bt一阶差分（yt-yt-1)1a+b-2a+2bb3a+bb4a+3bbt-1a+(t-1)bbta+tbb第16页，共65页，编辑于2022年，星期六一次线性模型差分计算表一次（线性）模型差分计算表时序（t)yt=a+bt一阶差分（yt-yt-1)1a+b-2a+2bb3a+bb4a+3bbt-1a+(t-1)bbta+tbb第17页，共65页，编辑于2022年，星期六一次线性模型差分计算表一次（线性）模型差分

7、计算表时序（t)yt=a+bt一阶差分（yt-yt-1)1a+b-2a+2bb3a+bb4a+3bbt-1a+(t-1)bbta+tbb第18页，共65页，编辑于2022年，星期六二次（抛物线）模型差分计算表一次（线性）模型差分计算表时序（t)yt=b0+b1t+b2t2一阶差分（yt-yt-1)1a+b-2a+2bb3a+bb4a+3bbt-1a+(t-1)bbta+tbb第19页，共65页，编辑于2022年，星期六一次线性模型差分计算表一次（线性）模型差分计算表时序（t)yt=a+bt一阶差分（yt-yt-1)1a+b-2a+2bb3a+bb4a+3bbt-1a+(t-1)bbta+tbb

8、第20页，共65页，编辑于2022年，星期六一次线性模型差分计算表一次（线性）模型差分计算表时序（t)yt=a+bt一阶差分（yt-yt-1)1a+b-2a+2bb3a+bb4a+3bbt-1a+(t-1)bbta+tbb第21页，共65页，编辑于2022年，星期六一次线性模型差分计算表一次（线性）模型差分计算表时序（t)yt=a+bt一阶差分（yt-yt-1)1a+b-2a+2bb3a+bb4a+3bbt-1a+(t-1)bbta+tbb第22页，共65页，编辑于2022年，星期六 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

9、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回总目录回本章目录第23页，共65页，编辑于2022年，星期六4.3 多多 项项 式式 曲曲 线线 趋趋 势势 外外 推推 法法 一、二次多项式曲线模型及其应用 二次多项式曲线预测模型为：回总目录回本章目录第24页，共65页，编辑于2022年，星期六设有一组统计数据 ，令即：解这个三元一次方程就可求得参数。回总目录回本章目录第25页，共65页，编辑于2022年，星期六 例 题 例例 1 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。回

10、总目录回本章目录第26页，共65页，编辑于2022年，星期六年份年份时时序序（t）总额总额（yt）年份年份时时序序（t）总额总额（yt）年份年份时时序序（t）总额总额（yt）19521276.8196312604.51974231163.619532348.0196413638.21975241271.119543381.1196514670.31976251339.419554392.2196615732.81977261432.819565461.0196716770.51978271558.619576474.2196817737.31979281800.019587548.019691

11、8801.51980292140.019598638.0197019858.01981302350.019609696.9197120929.21982312570.0196110607.71972211023.31983322849.4196211604.01973221106.7回总目录回本章目录第27页，共65页，编辑于2022年，星期六（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。回总目录回本章目录第28页，共65页，编辑于2022年，星期六（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

12、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：回总目录回本章目录第29页，共65页，编辑于2022年，星期六（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。回总目录回本章目录第30页，共65页，编辑于2022年，星期六(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：回总目录回本章目录第31页，共65页，编辑于2022年，星期六 其中调整的 ，则方程通过显著性检验，拟合效果很好。标准

13、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。回总目录回本章目录第32页，共65页，编辑于2022年，星期六 二、三次多项式曲线预测模型及其应用 1.三次多项式曲线预测模型为：注：选择三次多项式曲线模型进行预测，时间 序列各数值的三阶差分必须相等或大致相等。回总目录回本章目录第33页，共65页，编辑于2022年，星期六2.参数求解 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。回总目录回本章目录第34页，共65页，编辑于2022年，星期六3.应用实例例 某市20012007年棉布产量时间

14、序列如表所示，试预测2009年的棉布产量。年份2001200220032004200520062007棉布产量（亿米）252340374379375385430第35页，共65页，编辑于2022年，星期六(1)模型选择年份2001200220032004200520062007棉布产量（亿米）252340374379375385430一阶差分88345-41045二阶差分-54-29-91435三阶差分25202321棉产量历史数据的三阶差分基本近似一个常数，其波动范围在20-25之间，因此可以配以三次多项式曲线模型进行预测。第36页，共65页，编辑于2022年，星期六（2）参数计算年份年份

15、时序时序(t)(t)yiyit2t2t3t3t4t4t6t6tytyt2yt2yt3yt3yyi yi 预测预测(yi-yi(yi-yi预测预测)2)220012001-3-32522529 9-27-278181729729-756-75622682268-6804-6804252.17252.170.02890.028920022002-2-23403404 4-8-816166464-680-68013601360-2720-2720339.53339.530.22090.220920032003-1-13743741 1-1-11 11 1-374-374374374-374-3743

16、74.45374.450.20250.2025200420040 03793790 00 00 00 00 00 00 0378.95378.950.00250.0025200520051 13753751 11 11 11 1375375375375375375375.05375.050.00250.0025200620062 23853854 48 8161664647707701540154030803080384.77384.770.05290.0529200720073 34304309 92727818172972912901290387038701161011610430.134

17、30.130.01690.0169合计合计0 02535253528280 0196196158815886256259787978751675167-0.52710.5271第37页，共65页，编辑于2022年，星期六3.参数计算预测2009年棉产量，须令t=5,得在90%概率保证度下，预测的置信区间为4.模型及预测第38页，共65页，编辑于2022年，星期六4.4 指指 数数 曲曲 线线 趋趋 势势 外外 推推 法法 一、指数曲线模型及其应用 指数曲线预测模型为：如果时间序列各期数值的一阶差比率大致相等，就可以配以指数曲线模型进行预测。回总目录回本章目录第39页，共65页，编辑于2022年

18、，星期六对函数模型 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。回总目录回本章目录第40页，共65页，编辑于2022年，星期六例题年份年份199919992000200020012001200220022003200320042004200520052006200620072007总需求量总需求量16516527027045045074074012201220201020103120312054605460900090001.选择模型选择模型（1）散点图）散点图第41页，共65页，编辑于2022年，星期六（2）一阶差比率年份19992000 20012002200320042

19、00520062007总需求量16527045074012202010312054609000一阶差比率-1.64 1.67 1.64 1.65 1.65 1.55 1.75 1.65 2 求解模型参数年份年份199919992000200020012001200220022003200320042004200520052006200620072007总需求量总需求量1651652702704504507407401220122020102010312031205460546090009000时序时序1 12 23 34 45 56 67 78 89 9Yt=lnytYt=lnyt5.11 5

20、.11 5.60 5.60 6.11 6.11 6.61 6.61 7.11 7.11 7.61 7.61 8.05 8.05 8.61 8.61 9.10 9.10 第42页，共65页，编辑于2022年，星期六年份年份时序时序t tYtYtt2t2Y2Y2tYtY199919991 15.11 5.11 1 126.07 26.07 5.11 5.11 200020002 25.60 5.60 4 431.34 31.34 11.20 11.20 200120013 36.11 6.11 9 937.32 37.32 18.33 18.33 200220024 46.61 6.61 1616

21、43.65 43.65 26.43 26.43 200320035 57.11 7.11 252550.50 50.50 35.53 35.53 200420046 67.61 7.61 363657.85 57.85 45.64 45.64 200520057 78.05 8.05 494964.73 64.73 56.32 56.32 200620068 88.61 8.61 646474.05 74.05 68.84 68.84 200720079 99.10 9.10 818182.90 82.90 81.94 81.94 合计合计454563.8963.89285285468.42

22、468.42 349.33 349.33 第43页，共65页，编辑于2022年，星期六3.模型及预测预测预测2008年需求量，令年需求量，令t=10(万件万件)第44页，共65页，编辑于2022年，星期六 二、修正指数曲线模型及其应用 修正指数曲线预测模型为：序列数值的一阶差的一阶比率大致相等，可以选用修正指数曲线模型进行预测。回总目录回本章目录ab00c1b00c1yxO第45页，共65页，编辑于2022年，星期六参数求解修正指数曲线模型中的a,b,c三个参数求解，可用分组分解法，即把整个时间序列分成相等项数的三组，以三个组的变量总数联系起来求得。注：n为每组数值的项数第46页，共65页，编

23、辑于2022年，星期六例题年份199920002001200220032004200520062007销售量50606869.671.171.772.372.873.21.模型选择第47页，共65页，编辑于2022年，星期六某商品销售量的一阶差的一阶比率年份年份199919992000200020012001200220022003200320042004200520052006200620072007销售量销售量50506060686869.669.671.171.171.771.772.372.372.872.873.273.2一阶差分一阶差分-10108 81.61.61.51.50.6

24、0.60.60.60.50.50.40.4一阶差的一一阶差的一阶比率阶比率-0.80 0.80 0.20 0.20 0.94 0.94 0.40 0.40 1.00 1.00 0.83 0.83 0.80 0.80 第48页，共65页，编辑于2022年，星期六2.参数的计算年份时序(t)销售量(yi)199905020001602001268Iy-1782002369.62003471.12004571.7IIy-212.42005672.32006772.82007873.2IIIy-218.3所求模型：3.进行预测第49页，共65页，编辑于2022年，星期六4.5 生生 长长 曲曲 线线

25、趋趋 势势 外外 推推 法法 指数曲线预测不能预测接近极限值时的特性值，因为当趋近极限值时，特性值已不按指数规律增长。如果考虑极限值的影响，就会发现事物经历发生、发展到成熟的过程，因为这条曲线形状近似于S，所以又称S曲线。龚珀兹曲线和皮尔曲线均属于生长曲线回归预测法。回总目录回本章目录第50页，共65页，编辑于2022年，星期六一、龚珀兹曲线模型及其应用 1.龚珀兹曲线预测模型为：对函数模型 做线性变换得：2.在选择应用龚珀兹曲线时，应考察历史数据对数一阶差的一阶比率是否大致相等。龚珀兹曲线是预测各种商品市场容量的最佳拟合线。回总目录回本章目录第51页，共65页，编辑于2022年，星期六(1)

26、lga0 0b1(2)lga1(3)lga0 0b0 b1kkkk回总目录回本章目录3.龚珀兹曲线对应于不同的lg a与b的不同取值范围而具有间断点。曲线形式如下图所示。第52页，共65页，编辑于2022年，星期六(1)lga0 0b1k 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。回总目录回本章目录第53页，共65页，编辑于2022年，星期六(2)lga1k 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。回总目录回本章目录第54页，共65页，编辑于2022年，星期六(3)lga0 0b0 b1k 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。回总目

27、录回本章目录第56页，共65页，编辑于2022年，星期六4.参数计算求解模型参数k,a,b 需将时序数据分为相等的三组，对时序值求常用对数，并将各组时序数据按所得对数值求和，并置t1=0,然后运用下列式子求解参数然后再查反对数表。第57页，共65页，编辑于2022年，星期六例如年份时序(t)销售量(yi)lgy199904.940.6937 200016.210.7931 200127.180.8561 Ilgy-2.3429 200237.740.8887 200348.380.9232 200458.450.9269 IIlgy-2.7388 200568.750.9420 200679.

28、420.9741 2007810.241.0103 IIIlgy-2.9264 模型及预测查反对数表市场饱和点的需求量是k=10.73万元，由数据可知产品处于生命周期的成熟阶段最高峰，销售量已无增长前景，并可能在某一时刻转入下降趋势。第58页，共65页，编辑于2022年，星期六 二、皮尔曲线模型及其应用 皮尔曲线预测模型为：皮尔曲线多用于生物繁殖、人口发展统计，也适用于对产品生命周期做出分析，尤其适用于对处在成熟期的商品的市场需求饱和量（或称市场最大潜力）进行分析和预测。回总目录回本章目录第59页，共65页，编辑于2022年，星期六参数求解第60页，共65页，编辑于2022年，星期六时序时序(

29、t)(t)销售量销售量(yt)(yt)1/yt1/yt1/yt+11/yt+1(1/yt)(1/yt(1/yt)(1/yt+1)+1)(1/yt)2(1/yt)21 150.8750.870.020 0.020 0.019 0.019 0.000378 0.000378 0.0003864 0.0003864 2 252.0352.030.019 0.019 0.019 0.019 0.000360 0.000360 0.0003694 0.0003694 3 353.3353.330.019 0.019 0.019 0.019 0.000351 0.000351 0.0003516 0.00

30、03516 4 453.3553.350.019 0.019 0.018 0.018 0.000340 0.000340 0.0003513 0.0003513 5 555.0955.090.018 0.018 0.018 0.018 0.000320 0.000320 0.0003295 0.0003295 6 656.7656.760.018 0.018 0.017 0.017 0.000302 0.000302 0.0003104 0.0003104 7 758.4258.420.017 0.017 0.017 0.017 0.000287 0.000287 0.0002930 0.00

31、02930 8 859.6159.610.017 0.017 0.017 0.017 0.000277 0.000277 0.0002814 0.0002814 9 960.5860.580.017 0.017 0.016 0.016 0.000270 0.000270 0.0002725 0.0002725 101061.1561.150.016 0.016 0.016 0.016 0.000266 0.000266 0.0002674 0.0002674 111161.5761.570.016 0.016 0.016 0.016 0.000261 0.000261 0.0002638 0.

32、0002638 第61页，共65页，编辑于2022年，星期六121262.1762.170.016 0.016 0.016 0.016 0.000257 0.000257 0.0002587 0.0002587 131362.5562.550.016 0.016 0.016 0.016 0.000254 0.000254 0.0002556 0.0002556 141462.8562.850.016 0.016 0.016 0.016 0.000252 0.000252 0.0002532 0.0002532 151563.163.10.016 0.016 0.016 0.016 0.0002

33、49 0.000249 0.0002512 0.0002512 161663.5263.520.016 0.016 0.016 0.016 0.000245 0.000245 0.0002478 0.0002478 171764.2564.250.016 0.016 0.015 0.015 0.000238 0.000238 0.0002422 0.0002422 181865.3265.320.015 0.015 0.015 0.015 0.000231 0.000231 0.0002344 0.0002344 191966.2666.260.015 0.015 0.015 0.015 0.

34、000226 0.000226 0.0002278 0.0002278 202066.8766.870.015 0.015 0.015 0.015 0.000223 0.000223 0.0002236 0.0002236 212167.1667.160.015 0.015 0.000 0.000 0.000000 0.000000 0.0002217 0.0002217 合计合计0.351 0.351 0.331 0.331 0.005588 0.005588 0.005893 0.005893 第62页，共65页，编辑于2022年，星期六将表中所得数据代入第63页，共65页，编辑于2022年，星期六4.6 曲曲 线线 拟拟 合合 优优 度度 分分 析析 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。回总目录回本章目录第64页，共65页，编辑于2022年，星期六 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：回总目录回本章目录第65页，共65页，编辑于2022年，星期六