第十三章 時間數列數據研究ppt課件

1、統計學天津財經大學統計系 第十三章 時間數列數據研討第一節(jié) 時間數列的分析目的 第二節(jié) 時間數列數據變動規(guī)律圖示 第三節(jié) 程度型時間數列和預測 第四節(jié) 趨勢型時間數列和預測 第五節(jié) 季節(jié)型時間數列和預測 第六節(jié) 混合型時間數列和預測第一節(jié) 時間數列的分析目的 一、時間數列的概念、種類及編制原那么二、時間數列的開展程度和平均開展程度 三、時間數列的增長量和平均增長量 四、時間數列的速度目的 表13-1年 份國內生產總值第三產業(yè)所占比重（）年底總人口（萬人）人均國內生產總值(元/人)居民消費水平(元)1990114333199121617.8 33.4 1158231879199226638.1

2、34.3 1171712287199334634.4 32.7 1185172939199446759.4 31.9 1198503923199558478.1 30.7 12112148542236 199667884.6 30.1 12238955762641 199774462.6 30.9 12362660542834 199878345.2 32.1 12476163082972 199982067.5 32.9 12578665513138 200089468.1 33.4 12674370863397 200197314.8 34.1 12762776513609 2002105

3、172.3 34.3 12845382143818 2003117251.9 33.2 12922791014089 一、時間數列的概念時間數列time series 動態(tài)數列, 把同一景象在不同時間上的察看數據按時間先后順序陳列起來所構成的數列。 兩個根本要素：時間 t ；時間 t 的數據程度 yt .基期程度與報告期程度；期初程度y0或y1, 期末程度yn與中間程度。時間數列是動態(tài)分析的根據。時間數列的種類一絕對數時間數列最根本的時間數列時期數列時點數列二相對數時間數列如 第三產業(yè)所占比重數列三均值時間數列 如居民消費程度數列有關的絕對數序列派生的一絕對數時間數列又稱為總量目的時間數列；是

4、指一系列同類的總量目的數據按時間先后順序陳列而構成的序列，反映景象在各個時間上到達的絕對程度。可分為時期數列和時點數列。時期數列，如國內消費總值數列時點數列，如年末總人口數列 時期數列和時點數列的特點時期數列的各個數據為時期目的(流量)，表示景象在各段時期內的總量。時期序列的各個數據為時點目的(存量)，反映景象在各個時點上所處的形狀和所到達的程度.時期數列中各期數據具有可加性，經過加總即可得到更長一段時間內的總量。時期數列中不同時點上的數據不能相加，即它們相加的結果沒有意義。時期數列中數值大小與所屬時期長短有直接的關系，時期序列中各時點數值大小與時點間隔長短沒有直接的聯絡。時期數列中各期數據是

5、對每段時間內發(fā)生的數量延續(xù)登記的結果，時點序列中數據通常不能夠也不用要延續(xù)登記， 時間數列的編制原那么保證時間序列中各項數據的可比性，是編制時間數列的根本原那么。(一) 時間一致(二) 總體范圍一致(三) 經濟內容、計算口徑和計算方法一致二、時間數列的開展程度和平均開展程度 描畫景象在某一段時間上開展變化的程度高低及其增長變化的數量多少。包括：開展程度平均開展程度增長量平均增長量一平均開展程度平均開展程度是不同時間上開展程度的平均數。統計上習慣把這種不同時間上數據的平均數稱為序時平均數。它將景象在不同時間上的數量差別籠統掉，從動態(tài)上闡明景象在一定開展階段的普通程度。不同性質的時間序列，其計算方

6、法也有所不同。1. 絕對數時間序列的平均開展程度1時期序列的平均開展程度采用簡單算術平均法：【例13-1】根據表11-1的數據，計算我國1991-2003年國內消費總值的年平均程度。解：2時點序列的平均開展程度延續(xù)時點序列用簡單算術平均法對社會經濟景象而言，知每天數據可視為延續(xù)序列。不延續(xù)時點數列計算序時平均數先求分段平均數用來代表相鄰兩個時點之間各個時點上的程度假定景象均勻變化，分段平均數相鄰兩點數據的簡單算術平均再求全期總平均數求全期總平均數分段平均數的加權算術平均權數 f 時點間的間隔長度不延續(xù)時點數列計算序時平均數圖示 不延續(xù)時點數列計算序時平均數的公式當時點間隔相等，上式簡化為: “

7、首末折半法【例13-2】某地域2004年生豬存欄數量的幾個時點數據,試計算該地域全年的生豬平均存欄數量。 時 間上年12/311/314/307/3110/3112/31存欄數(萬頭)472441345645 間隔（天）13332解：【例13-3】根據表13-1中各年年末人口數，計算19912003年這13年間的平均人口數。解： 由不延續(xù)時點序列計算平均開展程度的計算公式是有假定條件的。實踐中，計算結果通常只是近似值。 普通以為，間隔越短，計算結果就越準確。2.相對數(或平均數) 序列的平均開展程度相對數(或平均數) zi yi / xi (yi 和 xi 為總量目的)由于各個zi 的對比基數

8、 xi 不盡一樣，所以不能將各期 zi 簡單算術平均。正確的計算方法是：分別計算絕對數序列 y 和 x 的平均開展程度；再由這兩個平均開展程度對比來得到所求的平均開展程度，即：其本質是對各期的相對數或平均數加權算術平均！【例13-4】根據表13-1的數據，試計算19912003年中國人均國內消費總值的平均開展程度。解：年平均國內消費總值為 69238.06 億元，平均人口數為 122588.23 萬人，故人均國內消費總值的平均開展程度(單位：元/人)一增長量增減量報告期程度基期程度闡明景象在察看期內增長的絕對數量；基期不同，有逐期增長量與累計增長量之分：* 逐期增長量報告期程度上期程度逐期增長

9、量闡明景象逐期增長的數量。* 累計增長量報告期程度固定基期程度累計增長量闡明一段時期內總共增長的數量。 關系：累計增長量相應時期的逐期增長量總和.* 同比增長量報告期程度 -上年同期程度 三、時間數列的增長量與平均增長量二平均增長量平均增長量逐期增長量的序時平均數；計算方法采用算術平均法。例13-5解：居民消費程度的年平均增長量為： 年份199519961997199819992000200120022003居民消費水平2236 2641 2834 2972 3138 3397 3609 3818 4089 逐期增長量405 193 138 166 259 212 209 271 累計增長量4

10、05 598 736 902 1161 1373 1582 1853 根據下表數據，計算我國居民消費程度的增長量和平均增長量。四、時間數列的速度目的一開展速度報告期程度基期程度闡明景象在察看期內開展變化的相對程度；有環(huán)比開展速度與定基開展速度之分環(huán)比開展速度報告期程度上期程度反映景象逐期開展變動的程度，也可稱為逐期開展速度。定基開展速度報告期程度固定基期程度反映景象在較長一段時間內總的開展變動程度，也稱為開展總速度。 二者關系：定基開展速度相應時期的環(huán)比開展速度之積。相鄰兩定基開展速度之商相應的環(huán)比開展速度。為了消除季節(jié)變動要素的影響，可計算：二增長速度增長率增長速度增減速度增長量與基期程度之

11、比，闡明景象增長變化的相對程度；基期不同，分環(huán)比增長速度與定基增長速度環(huán)比增長速度逐期增長量上期程度 環(huán)比開展速度定基增長速度累計增長量固定基期程度 定基開展速度二者關系：定基增長速度總增長速度不等于相應各環(huán)比增長速度之和積。幾種速度目的之間的相互關系如下所示：環(huán)比增長速度環(huán)比開展速度定基增長速度定基開展速度乘/除為了消除季節(jié)變動要素的影響，也經常計算：速度的表現方式和文字表述速度目的的表現方式：普通為 %、倍數，也有用、番數等等。翻 m 番，那么有：報告期程度= 基期程度2m 速度的文字表述：開展速度相當于、開展為、增長到、減少到、下降為報告期程度增長為基期程度的%；以基期程度為100%，報

12、告期程度增長為%.增長速度提高了、減少了、下降了 報告期程度比基期程度增長了的%； 以基期程度為100%，報告期程度增長了%。 三平均開展速度和平均增長速度平均增長速度表示逐期增長變動的平均程度，即各期環(huán)比增長速度的普通程度，但不能對各環(huán)比增長速度直接平均。由于算術平均法或幾何平均法都不符合增長速度這種景象的性質。正確的計算方法：平均增長速度平均開展速度 1平均增長速度為正負值，闡明平均說來景象在調查期內逐期遞增減。 平均開展速度的計算方法1.幾何平均法計算平均開展速度程度法以 xi 表示環(huán)比開展速度，根據環(huán)比開展速度與總速度的關系，計算平均開展速度可該采用幾何平均法：三個計算公式本質上是一致

13、的。可根據所掌握的數據來選擇。環(huán)比開展速度個數 時間序列程度項數1【例13-6】根據表13-4的數據，計算中國19912003年居民消費程度的平均開展速度和平均增長速度。解：平均開展速度可根據三種資料來計算：平均增長速度107.84-1007.84即19912003年間，我國居民消費程度平均每年遞增7.84%.用所求平均開展速度代表各環(huán)比開展速度，推算的最末一期的程度與實踐相等推算的總速度最末一期的定基速度也與實踐相等 。幾何平均法計算平均開展速度著眼于最末一期的程度，故稱為“程度法。假設關懷景象在最后一期應到達的程度時，采用程度法計算平均開展速度比較適宜。幾何平均法較為簡單直觀，既便于各種速

14、度之間的推算，也便于預測未來某期的程度，因此有著廣泛的運用。 幾何平均法的特點 平均開展速度的運用根據平均速度預測景象經過一段時間以后能夠到達的程度。例如，假設我國居民消費程度繼續(xù)按上面所求出的平均速度遞增，那么可預測到2021年，居民消費程度可達:y2021y2003(平均開展速度)7 40891.07847=6935.48(元)利用平均開展速度的原理，還可在年度增長率zy與月增長率 zm 季增長率zs 之間進展換算。它們的關系可表示為：例如，某地域居民消費總額2003年9月為200億元，2005年5為260億元。那么居民民消費總額的月平均增長率和年平均增長率分別為：2.方程式法計算平均開展

15、速度各期實踐程度的總和為： 以平均開展速度 作為各環(huán)比開展速度的代表值，用它來推算各期程度，并能使所推算的各期程度總和與實踐相等，那么有：將各期程度 yi 用期初程度與各期環(huán)比開展速度 xi 的乘積來表示，那么上式可變成為：解上述方程，其正根平均開展速度。方程式法計算平均開展速度的特點方程式法計算結果取決于調查期內各期實踐程度的累計總和，所以計算平均開展速度的方程式法又稱為“累計法。 以所求平均開展速度替代各期環(huán)比開展速度，推算的調查期內各期程度的累計總和與實踐相等。著眼于調查全期的累計程度時，就適宜用方程式法來計算平均開展速度。例，采用方程式法計算居民消費程度的平均開展速度：四程度分析與速度

16、分析的結合與運用1.正確選擇基期首先要根據研討目的，正確選擇基期?；诘倪x擇普通要避開異常時期。2.留意數據的同質性不允許有0和負數，否那么就不適宜計算速度，而只能直接用絕對數進展程度分析。假設景象在某各階段內的開展非常不平衡，大起大落，就會降低甚至喪失平均速度以及平均開展程度和平均增長量的代表性和意義。3.將總平均速度與分段平均速度及環(huán)比速度結合分析4.將速度與程度結合起來分析既要思索速度的快慢，也要思索實踐程度的高低把相對速度與絕對程度結合，可計算增長1%的絕對量。增長1%的絕對量是用來補充闡明增長速度的.普通只對環(huán)比增長速度計算，其計算公式為：例銷售額(萬元)增長率(%)增長1%的絕對量

17、(萬元)甲企業(yè)乙企業(yè)甲企業(yè)乙企業(yè)甲企業(yè)乙企業(yè)20041400120 200516801802050141.2第二節(jié) 時間數列數據變動規(guī)律圖示 一、時間數列資料的圖示 我們可以在直角坐標系里用散點圖或線圖來描畫時間數列。根據坐標軸尺度設計方法的不同，又可分為算術尺度圖和半對數尺度圖。 二、程度型、季節(jié)型、趨勢型、混和型時間數列的圖形 1程度型 程度型時間數列中只包含景象的不規(guī)那么變動。 2季節(jié)型 季節(jié)型時間數列中包含了景象的季節(jié)變動和不規(guī)那么變動。 3趨勢型 假設時間數列大體上存在著一種遞增或遞減的趨勢，這樣的時間數列稱作趨勢型數列。趨勢型時間數列中包含了景象的長期趨勢和不規(guī)那么變動。4混和型

18、假設時間數列圍繞著某種趨勢發(fā)生周期長度相等的循環(huán)往復變動，這樣的時間數列稱作混和型時間數列?；旌托蜁r間數列中包含了景象的長期趨勢、季節(jié)變動和不規(guī)那么變動。 識別時間數列類型的最根本方法是繪制動態(tài)散點圖或折線圖，察看資料的變動特征，同時結合實踐情況作出判別。 第三節(jié) 程度型時間數列和預測 一 、時間數列的數據構造 時間數列x1，x2，xN中，第t期數據xtt = 1，2，N的數據構造為 xttt 式中，t為常數，t為隨機項，假定E(t) = 0。于是，t為第t期的期望程度平均程度。 二、程度型時間數列 在數據構造式中，假設時間數列各期的t相等，即12N ，稱這樣的時間數列為程度型時間數列， 稱作

19、數列的“程度，數列的各項察看值圍繞 上下動搖。三、挪動平均修勻和預測 1適用的對象：適用于1，2，N有緩慢變化的程度型時間數列。 2修勻的意圖：盡能夠把數列察看值由于受偶爾要素影響發(fā)生的動搖“修整掉，從而近似顯示出t的軌跡。 3修勻的思緒是：(1)用簡單算術平均的手段抵銷數列中由偶爾要素影響引起的動搖；(2)參與平均的數據項數不宜太多，由于在較長的一段時間內的各項t能夠會出現不同的程度；(3)隨時間的推移，應陸續(xù)引入新的察看值，以便使平均數中反映數列“程度能夠會發(fā)生變化的信息為使平均的項數堅持不變，在引入新察看值的同時，該當相應地刪掉老的早期察看值。 5挪動平均數的概念：在時間數列中由遠及近逐

20、項挪動計算一系列算術平均數。6預測：把數列中最近的一個挪動平均數作為未來1期的預測值。挪動平均數預測的公式為7簡單挪動平均預測法：上面的方法中用簡單算術平均計算挪動平均數，因此叫作簡單挪動平均預測法。8加權挪動平均預測法：在預測時可以給近期的數值以較大的權數，給遠期的數值以較小的權數，經過這樣改良的挪動平均預測法叫作加權挪動平均預測法。 四、指數平滑平均修勻和預測 1概念：一次指數平滑預測法：把第期計算的一次指數平滑平均數作為第t1期的預測值。為適中選定的小于1的正數，稱作平滑常數。 2第期的指數平滑平均數記作St，計算公式為： St = x t ( 1 ) S t 1 式中，xt是第期的實踐

21、察看值。 3 第1期的預測值記作，計算公式為： = xt( 1 ) 在運用上述公式時要假定一個數字作初始值。4指數平滑預測法和挪動平均預測法相比較，主要的優(yōu)點是：第一，指數平滑預測值在本質上是數列全部各期數據的平均數，而挪動平均預測值那么只是最近的 期數值的平均數。第二，指數平滑法對近期和遠期資料分別給了由大到小不同的權數，而簡單挪動平均法是把各期資料等同對待。第三，指數平滑法把需求儲存的數據量緊縮到最少。平滑系數的選擇的選擇是指數平滑法的關鍵，普通可從以下幾個方面來思索： (1)假設以為時間序列中隨機動搖成份較大，為了盡能夠消除隨機動搖的影響，可選擇較小的；反之，假設以為隨機動搖成份較小，為

22、了及時跟蹤景象的變化，突出最新數據的信息，可選擇較大的。(2)假設景象趨勢的變化很平緩，可選擇較小的；假設景象趨勢的變化比較猛烈，例如呈階梯式特征，應選擇較大的。(3)經過大小不同的值進展試算，使得預測誤差最小的值就是最適宜的平滑系數。 第四節(jié) 趨勢型時間數列和預測 一、趨勢型時間數列的種類二、p次指數平滑預測法三、數學模型擬合法 一、趨勢型時間數列的種類常見的有以下一些型式：直線拋物線指數曲線修正指數曲線羅吉斯曲線龔珀茲曲線等等二、二次指數平滑的預測模型二次指數平滑 E(2)是對第一次指數平滑值序列 E(1)再計算指數平滑值 ，即： 當景象有明顯上升或下降趨勢時，指數平滑值 E(1) 與趨勢

23、值 之間存在明顯的滯后偏向，E(2)與 E(1)之間也存在著同樣的滯后偏向。根據三者之間滯后偏向的數量關系，可得出線性趨勢模型中參數估計值 at 和 bt 的，并由此得到相應的線性趨勢預測模型。【例13-7】根據表13-5的數據，利用指數平滑法進展預測.解：取=0.45，兩次平滑的初始值都取為y1。參數估計值為： 年份銷售量一次指數平滑值 E(1)二次指數平滑值 E(2)atbt預測值935454.00 54.00 945052.20 53.19 51.21 -0.81 955252.11 52.70 51.52 -0.49 50.40 966758.81 55.45 62.17 2.75 5

24、1.03 978269.25 61.66 76.83 6.21 64.92 987069.59 65.23 73.94 3.57 83.04 998978.32 71.12 85.52 5.89 77.51 008882.68 76.32 89.03 5.20 91.42 018483.27 79.45 87.10 3.13 94.23 029889.90 84.15 95.65 4.70 90.22 039190.39 86.96 93.83 2.81 100.35 0410697.42 91.67 103.17 4.71 96.64 2005年和2006年的銷售量預測值為： 利用二次指數平

25、滑建立的線性趨勢預測模型及其參數估計值的計算公式為：K=1,2, 二次指數平滑預測模型是以最近一期的一、二次指數平滑值來估計線性趨勢預測模型的參數，因此，其參數估計值是根據數據的最新變化而不斷修正的。此預測方法適宜對景象進展短中期預測。三、數學模型擬合法 1什么是數學模型擬合法 根據x t在假設干個時間數值上的察看值，建立f ( t )的估計式，叫作為時間數列擬合數學模型。 2用最小平方法建立直線模型 模型表達式為 寫出上式中 和 的計算公式a 為趨勢線的截距，表示 t =0 時的趨勢值。b 為趨勢線的斜率，表示當時間 t 每變動一個單位，趨勢值的平均變動量?！纠?3-8】 解：根據最小二乘法

26、擬合的趨勢方程為： = 46.10606+4.84266 t年份t觀測值y1993154199425019953521996467199758219986701999789200088820019842002109820031191200412106根據趨勢方程可計算各期趨勢值及殘差 根據趨勢方程也可進展外推預測趨勢值殘差50.95 3.05 55.79 -5.79 60.63 -8.63 65.48 1.52 70.32 11.68 75.16 -5.16 80.00 9.00 84.85 3.15 89.69 -5.69 94.53 3.47 99.38 -8.38 104.22 1.78

27、 200513109.06200614113.903. 非線性趨勢方程(1) K 次曲線當景象的 K 級增長量大體接近一常數時，可擬合 K 次曲線趨勢方程。二級增長量二次差對逐期增長量序列再求逐期增長量三級增長量三次差對二級增長量序列再求逐期增長量以次類推，可計算時間序列的 K 級增長量。K 次曲線趨勢方程：二次曲線和三次曲線實踐中最常用的是二次曲線和三次曲線:2指數曲線當景象的逐期開展速度或增長速度大體一樣時，即景象大致按幾何級數遞增或遞減時，其長期趨勢可擬合為指數曲線方程 :a 相當于時間序列長期趨勢的初始值，b 相當于平均開展速度。假設b 1，呈遞增趨勢，b 1，時間序列呈遞減趨勢.估計

28、參數 a 和 b，可經過對數變換來線性化。 或：【例13-9】19892003年中國海關出口商品總額的數據如表13-9所示，試測定其長期趨勢。解：從折線圖可見，出口總額呈現不斷上升的趨勢，其長期趨勢可用二次曲線來擬合。決議系數 ：R2=0.9576【例13-10】指數趨勢也可用指數曲線來擬合長期趨勢：或決議系數 ：R2=0.9833從R2看，指數曲線的擬合效果更好。3其它非線性趨勢曲線用來擬合景象非線性趨勢的曲線還有修正指數曲線、龔泊茲曲線和邏輯斯蒂曲線等等。修正指數曲線的方程方式為： (0b0) 數學特征：變量值的對數一次差的環(huán)比比率相等。直觀的趨勢特征：初期增長緩慢、隨后逐漸加快，到達一定

29、程度后增長率又逐漸下降,直至接近一條程度線 Y=K 。取對數, 可轉化為修正指數曲線.邏輯斯蒂曲線Logistic curve 邏輯斯蒂曲線的方程方式為：數學特征：變量值倒數的一次差的環(huán)比比率相等。所適宜的場所與龔泊茲曲線的適宜場所比較類似。 (K0,a0,1b0) 第五節(jié) 季節(jié)型時間數列和預測 季節(jié)變動的測定方法季節(jié)變動的預測一、季節(jié)變動的測定方法測定季節(jié)變動的意義掌握景象的季節(jié)變動規(guī)律，為決策和預測提供重要根據;從原序列中剔除季節(jié)變動的影響，更好地分析其他要素。季節(jié)變動的測定乘法模型中，季節(jié)變動的測定和分別都經過季節(jié)指數實現.按能否消除長期趨勢影響來分，測定方法可分為兩大類：至少要有三個以

30、上季節(jié)周期的數據。二、季節(jié)變動模型的編制根本原理是：假定時間序列呈程度趨勢，經過對多年同期的數據進展簡單算術平均，以消除不規(guī)那么變動，再將各季節(jié)程度同期平均數與程度趨勢值對比，即可得到季節(jié)指數。普通步驟：1.計算同期平均數 i =1,2,L即將不同年份同一季節(jié)的多個數據進展簡單算術平均。其目的是消除不規(guī)那么變動的影響。普通要先將各年同一季節(jié)的數據對齊陳列.2.計算全部數據的總平均數用以代表消除了季節(jié)變動和不規(guī)那么變動之后的全年平均程度，亦即整個時間序列的程度趨勢值。3. 計算季節(jié)指數也稱為季節(jié)比率) Si .季節(jié)指數Si100，表示景象在第 i 期處于旺季，即第 i 期程度高于全年平均程度；S

31、i100，表示第 i 期是個淡季，即該季節(jié)的程度低于全年平均程度。在一個完好的季節(jié)周期中，季節(jié)指數的總和等于季節(jié)周期的時間項數，或季節(jié)指數的均值等于1。 或否那么就要進展調整即歸一化處置。調整方法是用各項季節(jié)指數除以全部季節(jié)指數的均值或將所求的各項季節(jié)指數都乘以一個調整系數即可。 季節(jié)指數圖【例13-11】某企業(yè)消費的一種學生學慣用復讀機的銷售量數據如表13-10所示，試用同期平均法計算各月的季節(jié)指數。JanFebMarAprMayJunJulyAugSepOctNovDec200151534524251837801205628292002464840232321327410150252720

32、03416347222123308613951332920045355502131203590112603137同月平均47.7554.7545.522.52520.533.582.511854.2529.2530.5季節(jié)指數(%)101.6 116.5 96.8 47.9 53.2 43.6 71.3 175.5 251.1 115.4 62.2 64.9 100平均47同期平均法簡單，易了解，但只適用于呈程度趨勢的序列。當景象呈現出明顯上升下降趨勢時，總會高估低估年末季節(jié)指數，相應地低估高估年初季節(jié)指數。 第六節(jié) 混和型時間數列和預測 時間序列的構成與分解混和型時間數列的預測 一、時間序列

33、的構成與分解一時間序列的構成要素按照影響的性質和作用方式，將時間序列的眾多影響要素歸結為 以下四種：長期趨勢 ( Trend )季節(jié)變動 ( Seasonal Fluctuation )循環(huán)變動 (Cyclical Variation)不規(guī)那么變動 (Irregular Variations )1.長期趨勢 ( Trend ) 長期趨勢是指景象在相當長一段時間內沿某一方向繼續(xù)開展變化的一種態(tài)勢或規(guī)律性。它是時間序列中最根本的構成要素；由影響時間序列的根本要素作用構成； 長期趨勢有不同多種不同的類型 按變化方向不同來分，有上升趨勢、下降趨勢和程度趨勢三類。 按變化的形狀來分，長期趨勢可分為線性趨

34、勢 和非線性趨勢兩類。2.季節(jié)變動 (Seasonal Fluctuation )季節(jié)變動泛指景象在一年內所呈現的較有規(guī)律的周期性起伏動搖。周期長度可以是一年，也可以小于一年；例如，農產品的消費、銷售和儲存通常都有淡季和旺季之分，以一年為一個周期；例如，超市的營業(yè)額和顧客人數的變動經常以七天為一個周期，每個周末是頂峰期。引起季節(jié)變動的緣由既能夠是自然條件如一年四季的更替，也能夠是法規(guī)制度和風 俗習慣等如節(jié)假日。3.循環(huán)變動(Cyclical Fluctuation )循環(huán)變動指在較長時間內通常為假設干年呈現出漲落相間、峰谷交替的周期性動搖。例如，出生人數以2025年為一個周期，太陽黑子數目大約

35、11年為一個周期。太陽黑子數目的變化循環(huán)變動與長期趨勢的異同都是需求長期察看才干顯現的規(guī)律性；但長期趨勢是沿著單一方向的繼續(xù)變動，而循環(huán)變動是具有循環(huán)特征的動搖，通常圍繞長期趨勢上下起伏。循環(huán)變動與季節(jié)變動的異同都是屬于周期性動搖，但對循環(huán)動搖的識別和分析更為困難循環(huán)變動周期至少在一年以上，周期長短很不固定；動搖形狀和波幅等規(guī)律性也都不是很規(guī)那么；引起循環(huán)變動的緣由通常也不那么直觀明顯。4.不規(guī)那么變動(Irregular Variation )不規(guī)那么變動又稱為剩余變動是沒有規(guī)律可尋的變動，它是從時間序列分別了長期趨勢、季節(jié)變動和循環(huán)變動之后剩余的要素?？杉毞譃殡S機擾動和異常變動兩種類型。隨

36、機擾動是短暫的、不可預期的和不可反復出現的眾多細小要素綜協作用的結果。表現為以隨機方式使景象呈現出方向不定、時大時小的起落變動，但從較長察看時間內的總和或平均來看，一定程度上可以相互抵消。異常變動那么是指一些具有偶爾性突發(fā)性的艱苦事件如戰(zhàn)爭、社會動亂和自然災禍等引起的變動，其單個要素的影響較大，不能夠相互抵消，在時間序列分析中往往需求對這種變動進展特殊處置。后面所講的不規(guī)那么變動普通僅指隨機擾動。二時間序列要素分解的模型按照四種構成要素相互作用的方式不同，可以將上述關系設定為不同的合成模型，實踐中最常用的有乘法模型和加法模型。假設以 Y 表示序列的數值，T 表示趨勢值，S 表示季節(jié)變動值，C

37、表示循環(huán)變動值，I 表示不規(guī)那么變動值，下標 t 表示時間t=1,2,n.加法模型：假定四種要素的影響是相互獨立的。每種要素的數值均與 Y 的計量單位和表現方式一樣.如絕對數序列中各種要素的數值都為絕對量。季節(jié)變動和循環(huán)變動的數值有正有負，在它們各自的一個周期范圍內，正負數值相互抵消，因此總和或平均數為零；不規(guī)那么變動的數值也是有正有負，但只需從長時間來看其總和或平均數才趨于零。對各要素的分別采用減法。如， Yt St表示從序列中剔除季節(jié)變動的影響。乘法模型假定四種要素的影響作用大小是有聯絡的，只需趨勢值與Y 的計量單位和表現方式一樣普通為絕對量；其他各種要素的數值均表現為以趨勢值為基準的一種相對變化率，通常以百分數表示。各個時間上的季節(jié)變動和循環(huán)變動數值在100上下動搖，在