资源描述
单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,*,*,第,5,章 季节变动预测法,二零一一年九月,概 述,季节变动预测法的基本思路,首先,找到描述整个时间序列总体发展趋势的数学方程,即,分离趋势线,;,其次,找出季节变动对预测对象的影响,即,分离季节影响因素,;,最后,将趋势线与季节影响因素合并,得到能够描述时间序列总体发展规律的预测模型,并用于预测。,9/16/2024,2,5.1,判断季节变动存在的方法,5.1.1,直观判断法,所谓直观判断法,就是绘制时间序列的散点图,直接观察其变化规律,以判断它是否受季节变动的影响,并确定季节的长度。,这种方法的优点是直观,但判断时略带主观性。,9/16/2024,3,5.1.2,自相关系数判断法,设 表示一个时间序列,它滞后 期为 。随机变量 与 之间的相关系数称为时间序列 的 阶自相关系数,用 表示。即:,的值反映了时间序列的项与其后第 项之间线性关系的性质及强弱。,9/16/2024,4,样本自相关系数,如果已获得时间序列 的 期观测值 ,将它们视为来自 的样本,则可用样本自相关系数 作为 的估计值,即:,其中,,9/16/2024,5,判定准则,给定显著性水平 (一般取 ),自由度 ,查,相关系数临界值表,,得到临界值 。,当 时,认为 与 之间,线性关系显著,;当 时,认为 与 之间,线性关系不显著,。,在不发生混淆的情况下, 简称为自相关系数。,9/16/2024,6,判断方法,利用自相关系数判断季节变动存在的方法是:,如果一时间序列呈现出季节长度为,L,的季节变动,由于同季节的数据同时大或同时小,故,L,阶、,2L,阶等自相关系数取正值,并且很大;,L/2,阶、,L/2+L,阶等自相关系数通常取负值,并且绝对值也很大。这里假设,L,为偶数。,利用这一特性,可判断时间序列是否受季节变动的影响,如受影响,也能求出季节长度。,9/16/2024,7,5.1.3,方差分析判断法,方差分析判断法是一种检验方法,在一定的条件下,对于给定的显著性水平,可以鉴别出已知数,L,是否为某时间序列的季节长度。因而在使用这种方法之前,最好能根据直观意义(数据的散点图或经济意义),把可能是季节长度的,L,找出来,然后再用这种方法进行检验。,9/16/2024,8,基本原理,首先将给定的时间序列数据的趋势剔除,然后把数据分成,L,组,假定每组包含有同季节的数据。设法检验各组数据的均值是否有显著差异,如果有显著差异,说明该时间序列数据受季节影响,并且,L,为季节长度,如果无显著差异,说明,L,不是季节长度。,9/16/2024,9,5.2,不变季节指数预测法,5.2.1,水平趋势季节型时间序列的预测,简单季节预测法,设时间序列为 ,它是由,m,年的统计数据构成的(一般 ),季节长度为,L,,则 。预测步骤为:,求 的均值,作为趋势的估计值。,即,9/16/2024,10,剔除趋势。,用各期的观测值除以趋势值,得出季节指数和随机干扰的混合值为:,估计季节指数。,对同季节的 求平均值,以消除随机干扰,得到季节指数的估计值:,建立季节预测模型,并进行预测。,预测模型为:,9/16/2024,11,5.2.2,线性趋势季节型时间序列的预测,趋势比率法,建立趋势线方程:,根据趋势线方程,计算各期趋势值,剔除趋势,:,初步估计季节指数,。对同季节的 求平均值,以消除随机干扰,将此平均值作为季节指数的初步估计值,即,9/16/2024,12,最终估计季节指数。,对季节指数的初步估计值进行调整。调整的方法是:先求出一个周期内各季节指数初步估计值的均值作为调整系数,即,然后,用各季节指数初步估计值 除以调整系数 ,可得到季节指数的最终估计值,即,9/16/2024,13,建立趋势季节预测模型,并进行预测。,预测模型为:,注,:趋势比率法有,多个周期,的预测能力。,9/16/2024,14,
展开阅读全文