《模塊八-時間序列分析與預測2ppt課件.pptx》由會員分享，可在線閱讀，更多相關《模塊八-時間序列分析與預測2ppt課件.pptx（62頁珍藏版）》請在匯文網(wǎng)上搜索。

1、模塊八時間序列分析與預測任務 1時間序列的描述任務 2趨勢外推預測任務 3季節(jié)變動預測模塊八時間序列分析與預測2模塊八時間序列分析與預測2知識目標知識目標了解時間序列的含義了解時間序列的含義了解時間序列的四個變動因素了解時間序列的四個變動因素掌握時間序列的圖形描述掌握時間序列的圖形描述掌握時間序列的指標描述掌握時間序列的指標描述能力目標能力目標能夠和用能夠和用 Excel Excel 繪制時間序列圖并判斷時間數(shù)列的變動類型繪制時間序列圖并判斷時間數(shù)列的變動類型能夠用常用的時間序列分析指標對時間序列進行量化描述能夠用常用的時間序列分析指標對時間序列進行量化描述模塊八時間序列分析與預測2任務引入任

2、務引入我國居民 20102016 年全國國內出游人數(shù)統(tǒng)計數(shù)據(jù)見表，試利用時間序列圖和時間序列分析指標對其變動進行描述。20102016 年我國居民國內出游人數(shù) 單位：億人次模塊八時間序列分析與預測2任務分析任務分析實際工作中，描述數(shù)據(jù)隨時間而變化的狀態(tài)和趨勢，可以使用時間序列圖，也可以使用時間序列分析指標?！皥D”表達的變化更直觀，“指標”說明的數(shù)據(jù)變化更準確。本任務的目的是學習這兩種時間序列的描述方法。模塊八時間序列分析與預測2相關知識相關知識一、時間序列的含義一、時間序列的含義時間序列是現(xiàn)象的觀察值按時間順序排列起來形成的序列。時間序列由兩個基本要素構成：現(xiàn)象所屬的時間和不同時間上的指標數(shù)值

3、。序列中不同時間單位上的指標口徑必須一致。模塊八時間序列分析與預測2二、時間序列的變動因素二、時間序列的變動因素時間序列的影響因素模塊八時間序列分析與預測21.1.長期趨勢長期趨勢 T T長期趨勢是現(xiàn)象在較長時間內呈現(xiàn)出來的某種持續(xù)發(fā)展的趨勢或狀態(tài)。這種趨勢可能是線性的(即不斷增長或不斷下降的直線形態(tài))，也可能是非線性的(即觀察點呈現(xiàn)出曲線形態(tài))。2.季節(jié)變動季節(jié)變動 S季節(jié)變動是現(xiàn)象觀察值在一年之內隨季節(jié)變化呈現(xiàn)出來的周期性波動。模塊八時間序列分析與預測23.循環(huán)波動循環(huán)波動 C循環(huán)波動是現(xiàn)象在較長時間內(通常在一年以上)呈現(xiàn)出的波浪式的起伏變動。4.不規(guī)則變動不規(guī)則變動 I不規(guī)則變動是一種

4、隨機波動，是由偶然因素引起的時間序列波動。模塊八時間序列分析與預測2三、時間序列的類型三、時間序列的類型時間序列按包含的影響因素不同可以分為平穩(wěn)序列和非平穩(wěn)序列兩大類型。平穩(wěn)序列是指基本上不存在趨勢的序列，序列中的觀察值大體在某個固定的水平上波動，因此也可稱為水平波動的序列。非平穩(wěn)序列是指包含長期趨勢、季節(jié)變動或周期性波動的序列。模塊八時間序列分析與預測2四、時間序列的圖形描述四、時間序列的圖形描述時間序列圖一方面可以使我們直觀地觀察數(shù)據(jù)的變動模式，另一方面還有助于我們在預測時選擇合適的預測方法。模塊八時間序列分析與預測2五、時間序列的指標描述五、時間序列的指標描述時間序列描述性指標可分為兩類

5、：一是水平指標，二是速度指標。1.1.發(fā)展水平和平均發(fā)展水平發(fā)展水平和平均發(fā)展水平(1)發(fā)展水平發(fā)展水平是指時間序列中不同時間上的觀察值。模塊八時間序列分析與預測2模塊八時間序列分析與預測21)根據(jù)絕對數(shù)時間序列計算平均發(fā)展水平。公式為：式中，n 是時期數(shù)，也是觀察值個數(shù)。時點序列由于時點指標的登記方法不同，平均發(fā)展水平的計算分為以下四種情況，見表。模塊八時間序列分析與預測2時點序列平均發(fā)展水平計算公式模塊八時間序列分析與預測2模塊八時間序列分析與預測22.2.增長量和平均增長量增長量和平均增長量(1)增長量增長量是兩個時期發(fā)展水平相減的差額，表示報告期水平與基期水平相比增加的絕對量。計算公式

6、為：增長量=報告期水平-基期水平報告期水平，也稱為計算期水平，是所要研究的時期的發(fā)展水平；基期水平是作為對比基礎的時期的發(fā)展水平。模塊八時間序列分析與預測2若用 i表示增長量，y1、y2、yn 表示 n 個時期的觀察值，y0 為最初水平，則，逐期增長量：累計增長量：逐期增長量和累計增長量的關系是：各期逐期增長量之和等于累計增長量。公式表示為：模塊八時間序列分析與預測2(2)平均增長量平均增長量是各期增長量的平均數(shù)。計算公式如下：模塊八時間序列分析與預測23.發(fā)展速度和增長速度發(fā)展速度和增長速度(1)發(fā)展速度發(fā)展速度是報告期水平與基期水平之比，反映現(xiàn)象在觀察期內的相對發(fā)展變化程度，表示為報告期水

7、平是基期水平的百分之幾或若干倍，一般用百分數(shù)表示。模塊八時間序列分析與預測2若用 ri 表示發(fā)展速度，則有：環(huán)比發(fā)展速度：定基發(fā)展速度：模塊八時間序列分析與預測2二者的關系是：觀察期內各環(huán)比發(fā)展速度的連乘積等于最末期的定基發(fā)展速度；相鄰兩個時期定基發(fā)展速度的比值等于后一個時期的環(huán)比發(fā)展速度。公式表示為：模塊八時間序列分析與預測2(2)增長速度增長速度也稱增長率，是發(fā)展速度減 1，或增長量與基期水平之比，一般用百分數(shù)表示。公式為：增長速度也分為環(huán)比增長速度和定基增長速度，若用 Gi 表示增長速度，則有：環(huán)比增長速度：定基增長速度：模塊八時間序列分析與預測24.平均發(fā)展速度和平均增長速度平均發(fā)展速

8、度和平均增長速度(1)平均發(fā)展速度平均發(fā)展速度是時間序列中各期環(huán)比發(fā)展速度的平均數(shù)，反映現(xiàn)象在觀察期內平均發(fā)展的程度。一般采用水平法(幾何平均法)計算，公式為：模塊八時間序列分析與預測2模塊八時間序列分析與預測25.使用增長率分析應注意的問題使用增長率分析應注意的問題當時間序列中的觀察值出現(xiàn) 0 或負值時，不適宜計算增長率；當將不同研究對象進行對比時，宜將增長率與增長量結合使用，計算增長 1%的絕對值。當數(shù)據(jù)出現(xiàn) 0 或負值時，應直接用絕對數(shù)進行對比來計算虧損額。增長率將數(shù)據(jù)的絕對量抽象掉了，應將增長的百分數(shù)與增長的絕對量結合起來進行分析，可計算增長 1%的絕對值。模塊八時間序列分析與預測2任

9、務實施任務實施一、用圖形描述時間序列一、用圖形描述時間序列1.1.數(shù)據(jù)準備數(shù)據(jù)準備2.2.繪制時間序列折線圖繪制時間序列折線圖模塊八時間序列分析與預測2擇“插入”“折線圖”，如圖所示。選擇“折線圖”模塊八時間序列分析與預測2 我國居民國內出游人數(shù)模塊八時間序列分析與預測2二、用指標描述時間序列二、用指標描述時間序列1.1.增長量增長量2.2.平均增長量平均增長量3.3.增長率增長率4.4.平均增長率平均增長率模塊八時間序列分析與預測2知識目標知識目標了解時間序列外推預測的前提條件和預測程序了解時間序列外推預測的前提條件和預測程序掌握移動平均預測掌握移動平均預測掌握指數(shù)平滑預測掌握指數(shù)平滑預測掌

10、握線性趨勢預測掌握線性趨勢預測能力目標能力目標能夠按照正確程序進行時間序列預測能夠按照正確程序進行時間序列預測能夠利用移動平均法、指數(shù)平滑法和線性趨勢預測法進行預測能夠利用移動平均法、指數(shù)平滑法和線性趨勢預測法進行預測模塊八時間序列分析與預測2任務引入任務引入對模塊八任務 1 表中我國 20002016 年人均 GDP(元/人)和居民消費價格指數(shù)(%)的變動形態(tài)進行判斷，選擇合適的方法預測 2020 年的人均 GDP 和 2017年的居民消費價格指數(shù)。我國 20002016 年主要經(jīng)濟指標模塊八時間序列分析與預測2任務分析任務分析時間序列分析的主要目的是進行預測。該任務就是學習時間序列的預測方

11、法和基本程序。重點學習移動平均預測法、指數(shù)平滑預測法和線性趨勢預測法及其應用條件。模塊八時間序列分析與預測2相關知識相關知識一、時間序列外推預測的前提條件一、時間序列外推預測的前提條件時間序列外推預測的條件模塊八時間序列分析與預測2二、時間序列預測方法二、時間序列預測方法時間序列預測是基于現(xiàn)象隨時間推移的變化規(guī)律，利用現(xiàn)象過去的統(tǒng)計資料預測未來的一類預測方法。時間序列預測方法及其適用的時間序列類型模塊八時間序列分析與預測2三、時間序列預測的程序三、時間序列預測的程序時間序列預測的步驟模塊八時間序列分析與預測2四、移動平均預測四、移動平均預測移動平均法是將時間序列中最近 k 期觀察值的數(shù)據(jù)進行平

12、均，隨著觀察期的推移，每當?shù)玫揭粋€新的觀察值時，就去掉最早期的一個數(shù)據(jù)，加上一個最新觀察值，計算移動平均數(shù)，每次平均的數(shù)據(jù)都包含 k 個時期。移動平均預測又分為簡單移動平均預測和加權移動平均預測兩種。移動平均的主要用途模塊八時間序列分析與預測2模塊八時間序列分析與預測2模塊八時間序列分析與預測22.加權移動平均預測加權移動平均預測加權移動平均預測就是在預測時對近期和遠期的觀察值給予不同的權數(shù)進行加權平均作為預測值。一般來說，權數(shù)的確定遵循“近大遠小”的原則，距離預測期近的觀察值應賦予較大的權數(shù)，較遠時期觀察值的權數(shù)依次遞減。模塊八時間序列分析與預測2模塊八時間序列分析與預測2初始值兩種常用的確

13、定方法：一是取第一期的實際觀察值作為初始值；二是取最初幾期的平均值作為初始值。一次指數(shù)平滑系數(shù) 的確定。一次指數(shù)平滑系數(shù) 的值是由預測者確定的。值越大，越重視本期實際值的作用；值越小，越重視本期預測值的作用。一次指數(shù)平滑法只適用于具有水平發(fā)展趨勢的時間序列分析，且只能對近期進行預測。模塊八時間序列分析與預測2模塊八時間序列分析與預測22.預測精度的測量預測精度的測量 計算公式為：式中，n 是觀察值的個數(shù)，m 是待定參數(shù)的個數(shù)。對于線性趨勢方程，m=2。模塊八時間序列分析與預測2任務實施任務實施一、通過圖形判斷序列類型一、通過圖形判斷序列類型二、移動平均法預測我國二、移動平均法預測我國 2017

14、 2017 年的居民消費價格指年的居民消費價格指數(shù)數(shù)步驟步驟 1：選擇“工具”“數(shù)據(jù)分析”“移動平均”“確定”。步驟步驟 2：設置“移動平均”對話框。在“輸入?yún)^(qū)域”用鼠標選中“B2B18”；在“間隔”中輸入“3”；在“輸出區(qū)域”輸入任一單元格準備放置輸出結果，這里輸入“C3”；單擊“確定”按鈕。設置如圖所示，結果如圖所示。模塊八時間序列分析與預測2“移動平均”對話框模塊八時間序列分析與預測2居民消費價格指數(shù)的 3 項移動平均預測值模塊八時間序列分析與預測2三、指數(shù)平滑法預測我國三、指數(shù)平滑法預測我國 2017 2017 年的居民消費價年的居民消費價格指數(shù)格指數(shù)步驟步驟 1：選擇“工具”“數(shù)據(jù)分

15、析”“指數(shù)平滑”“確定”。步驟步驟 2：設置“指數(shù)平滑”對話框。在“輸入?yún)^(qū)域”用鼠標選中“B2B18”；在“阻尼系數(shù)”中輸入 1-的值，這里 取 0.3，則 1-=0.7；在“輸出區(qū)域”輸入任一單元格準備放置輸出結果，這里輸入“C3”；單擊“確定”按鈕。設置如圖所示，結果如圖所示。模塊八時間序列分析與預測2“指數(shù)平滑”對話框模塊八時間序列分析與預測2 指數(shù)平滑結果模塊八時間序列分析與預測2四、線性趨勢法預測我國四、線性趨勢法預測我國 2020 2020 年的人均年的人均 GDPGDP步驟步驟 1：選擇“數(shù)據(jù)”“數(shù)據(jù)分析”“回歸”“確定”。步驟步驟 2：設置“回歸”對話框。在“Y 值輸入?yún)^(qū)域”用

16、鼠標選中“C2C18”；在“X 值輸入?yún)^(qū)域”用鼠標選中“B2B18”；在“輸出區(qū)域”輸入任一單元格準備放置輸出結果，這里輸入“D2”；單擊“確定”按鈕，輸出結果如圖所示。模塊八時間序列分析與預測2人均 GDP 的回歸結果步驟步驟 3：利用趨勢方程外推預測。模塊八時間序列分析與預測2知識目標知識目標掌握季節(jié)指數(shù)的測定掌握季節(jié)指數(shù)的測定掌握季節(jié)變動預測掌握季節(jié)變動預測能力目標能力目標能夠判斷季節(jié)變動規(guī)律能夠判斷季節(jié)變動規(guī)律能夠進行季節(jié)變動預測能夠進行季節(jié)變動預測模塊八時間序列分析與預測2任務引入任務引入某購物中心 20132017 年銷售某產(chǎn)品的資料見表。要求：利用上表資料測定該產(chǎn)品銷售量的季節(jié)變

17、動規(guī)律。某商品 20132017 年各季度銷售量 單位：萬元模塊八時間序列分析與預測2任務分析任務分析許多產(chǎn)品的生產(chǎn)和銷售存在季節(jié)性，如何把握季節(jié)變動規(guī)律，合理安排生產(chǎn)、庫存和銷售，使資金高效流動，是企業(yè)關心的問題。本任務介紹的就是測定季節(jié)變動規(guī)律和季節(jié)預測的方法。模塊八時間序列分析與預測2相關知識相關知識一、季節(jié)指數(shù)的測定一、季節(jié)指數(shù)的測定分析季節(jié)變動的數(shù)據(jù)至少需要三個周期。季節(jié)指數(shù)是某月(或某季)的數(shù)值與全年月(季)平均水平對比后的一個百分數(shù)。1.1.按月按月 (或按季或按季)平均法平均法按月(或按季)平均法計算季節(jié)指數(shù)步驟模塊八時間序列分析與預測22.2.趨勢剔除法趨勢剔除法趨勢剔除法季

18、節(jié)指數(shù)計算步驟模塊八時間序列分析與預測2上述計算步驟的假設是：時間序列各變動因素的關系是 y=TSCI，且各年度的不規(guī)則變動 I 彼此獨立。計算移動平均數(shù)的目的是消除季節(jié)變動 S 和不規(guī)則波動 I，使序列只包含長期趨勢T 和循環(huán)波動 C，即 TC。計算移動平均比率的目的是消除長期趨勢 T 和循環(huán)波動 C，使序列包含季節(jié)變動 S和不規(guī)則波動 I，即：。計算移動平均比率的方法是，用序列觀察值 y 除以移動平均趨勢值 TC。模塊八時間序列分析與預測2二、利用季節(jié)指數(shù)預測二、利用季節(jié)指數(shù)預測季節(jié)指數(shù)預測的步驟模塊八時間序列分析與預測2任務實施任務實施一、數(shù)據(jù)準備一、數(shù)據(jù)準備二、計算季節(jié)比率二、計算季節(jié)比率步驟步驟 1：計算 20132017 年的同季度銷售量合計，如圖所示。步驟步驟 2：計算 20132017 年同季度銷售量的平均數(shù)，如圖所示。步驟步驟 3：計算 20132017 年所有季度銷售量的平均數(shù)，即總的季平均數(shù)，計算結果為 12 030.65 萬元。步驟步驟 4：計算季節(jié)指數(shù)，即用“同季度銷售量的平均數(shù)”除以“總的季平均數(shù)”，計算結果如圖所示。結果表明，4 季度和 1 季度是銷售旺季，3 季度和 2 季度是銷售淡季。模塊八時間序列分析與預測2季節(jié)指數(shù)計算表模塊八時間序列分析與預測2謝 謝Thanks模塊八時間序列分析與預測2