第13章 时间序列分析和预测（课件）- 《统计学》同步教学（人民大学版·2021）

贾俊平 2023/12/25 13.1 时间序列及其分解 13.2 时间序列的描述性分析 13.3 预测方法的选择 13.4 平稳序列的预测 13.5 趋势型序列的预测 13.6 复合型序列的分解预测 第 13 章 时间序列分析和预测 第 13 章 《统计学》(第 8 版) 13 - 1 2023/12/25 导 读 在生活和工作中经常需要作出预测。比如,预测一只股票的价格走势,预测下一年度的销售额,等等。研究时间序列的主要目的之一就是进行预测,主要是根据已有的时间序列数据预测未来的变化。时间序列预测的关键是确定已有时间序列的变化模式,并假定这种模式会延续到未来。下面是。我国2015年1季度—2019年4季度的国内生产总值变化趋势图 根据上面的图形，你认为国内生产总值包含什么样的成分？应该选择什么样的方法来预测下一年份各季度的国内生产总值？本章内容就将回答这些问题 预测国内生产总值（GDP） 第 13 章 《统计学》(第 8 版) 13 - 1 2023/12/25 初级课程的详细信息和/或课目/项目所需的书籍/资料。 2 国内生产总值 1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4 2015年 2016年 2017年 2018年 2019年 151137.9 168549.7 176597.7 192572.9 162410 181408.2 191010.6 211566.2 181867.7 201950.3 212789.3 235428.7 202035.7 223962.2 234474.3 258808.9 218062.8 242573.8 252208.7 278019.7 年/季度 国内生产总值（亿元） 13.1 时间序列及其分解 时间序列(times series) 同一现象在不同时间的相继观察值排列而成的序列 时间序列中的时间可以是年份、季度、月份或其他形式 用t表示所观察的时间,Y表示观察值,Yi(i=1,2,…,n)为时间ti的观察值 时间序列及其分类 时间序列的分类 时间序列可以分为平稳序列和非平稳序列两大类 平稳序列(stationary series)是基本上不存在趋势的序列。这类序列中的各观察值基本上在某个固定的水平上波动,虽然在不同的时间段波动的程度不同,但并不存在某种规律,波动可以看成是随机的 非平稳序列(non-stationary series)是包含趋势、季节性或周期性的序列,它可能只含有其中一种成分,也可能含有几种成分。因此,非平稳序列又可以分为有趋势的序列、有趋势和季节性的序列、几种成分混合而成的复合型序列 第 13 章 《统计学》(第 8 版) 13 - 1 2023/12/25 初级课程的详细信息和/或课目/项目所需的书籍/资料。 3 13.1 时间序列及其分解 趋势(trend) 时间序列在长期内呈现出来的某种持续上升或持续下降的变动 趋势可以是线性的,也可以是非线性的 时间序列的成分 季节性(seasonality) 也称季节变动(seasonal fluctuation) 时间序列在一年内重复出现的周期性波动 含有季节成分的序列可能含有趋势,也可能不含有趋势 第 13 章 《统计学》(第 8 版) 13 - 1 2023/12/25 初级课程的详细信息和/或课目/项目所需的书籍/资料。 4 3.8 7.89 8.76 6.54 10.65 8.76 11.23 13.45 10.45 19.8 18.31 24.1 19.9 18.3 21.5 17.3 29.6 27.6 23.45 25.67 38.74 30.11 32.33 40 36.77 时间 观测值 25 32 37 26 30 37 42 31 36 43 48 37 39 46 51 40 42 49 54 43 46 53 58 47 51 时间 观测值 13.1 时间序列及其分解 周期性(cyclicity) 也称循环波动(cyclical fluctuation) 时间序列中呈现出来的围绕长期趋势的一种波浪形或振荡式变动 周期性不同于趋势变动,不是朝着单一方向的持续运动,而是涨落相间的交替波动;它也不同于季节变动,季节变动有比较固定的规律,且变动周期大多为一年,循环波动则无固定规律,变动周期多在一年以上,且周期长短不一 周期性通常是由经济环境的变化引起的。由于分析周期需要较长的时间序列数据，当序列较短时则难以发现周期 时间序列的成分 第 13 章 《统计学》(第 8 版) 13 - 1 2023/12/25 初级课程的详细信息和/或课目/项目所需的书籍/资料。 5 35.45 25 19.89 1