干預分析模型預測法四組演示文稿

干預分析模型預測法四組演示文稿當前第1頁\共有56頁\編于星期四\23點干預分析模型預測法四組當前第2頁\共有56頁\編于星期四\23點干預分析模型預測法干預分析模型概述本章概述1單變量干預分析模型的識別與估計2干預分析模型的應用實例3當前第3頁\共有56頁\編于星期四\23點干預分析模型預測法第一節(jié)干預分析模型概述1、干預分析模型簡介干預：

時間序列經常會受到特殊事件及態(tài)勢的影響，稱這類外部事件為干預。

研究干預分析的目的：

測度干預效應，從定量分析的角度來評估政策干預或突發(fā)事件對經濟環(huán)境和經濟過程的具體影響。作用：干預分析模型將干預因素體現在了干預變量中，可以對“突變性”的時間序列進行模型化處理。當前第4頁\共有56頁\編于星期四\23點干預分析模型預測法基本形式干預變量形式干預事件形式2、干預分析模型的基本形式當前第5頁\共有56頁\編于星期四\23點干預分析模型預測法表示在某時刻發(fā)生,僅對該時刻有影響,用單位脈沖函數表示，形式是：表示T時刻發(fā)生以后,一直有影響，這時可以用階躍函數表示，形式是：持續(xù)性的干預變量短暫性的干預變量干預變量的形式當前第6頁\共有56頁\編于星期四\23點干預分析模型預測法干預事件的形式a.干預事件的影響突然開始，長期持續(xù)下去b.干預事件的影響逐漸開始，長期持續(xù)下去c.干預事件突然開始，產生暫時的影響

d.干預事件逐漸開始，產生暫時的影響當前第7頁\共有56頁\編于星期四\23點干預分析模型預測法a.干預事件的影響突然開始，長期持續(xù)下去設干預對因變量的影響是固定的，從某一時刻T開始，但影響的程度是未知的，即因變量的大小是未知的。ω表示干預影響強度的未知參數。Yt不平穩(wěn)時可以通過差分化為平穩(wěn)序列，其中B為后移算子。如果干預事件要滯后若干個時期才產生影響，如b個時期。當前第8頁\共有56頁\編于星期四\23點干預分析模型預測法b.干預事件的影響逐漸開始，長期持續(xù)下去

有時候干預事件突然發(fā)生，并不能立刻產生完全的影響，而是隨著時間的推移，逐漸地感到這種影響的存在。這種形式的最簡單情形的模型方程為：一般形式：當前第9頁\共有56頁\編于星期四\23點干預分析模型預測法c.干預事件突然開始，產生暫時的影響當δ=0時，干預的影響只存在一個時期，當δ=1時，干預的影響將長期存在。當前第10頁\共有56頁\編于星期四\23點干預分析模型預測法d.干預事件逐漸開始，產生暫時的影響

干預的影響逐漸增加，在某個時刻到達高峰，然后又逐漸減弱以至消失。當前第11頁\共有56頁\編于星期四\23點干預分析模型預測法干預事件的形式a.干預事件的影響突然開始，長期持續(xù)下去b.干預事件的影響逐漸開始，長期持續(xù)下去c.干預事件突然開始，產生暫時的影響

d.干預事件逐漸開始，產生暫時的影響

不管經濟系統(tǒng)如何受到多種干預的影響，也不管這些影響是多么復雜，都可以用上述四種形式或者是它們的組合來表示。同時，也可以用這種組合去模擬多個干預事件所產生的影響。當前第12頁\共有56頁\編于星期四\23點干預分析模型預測法

單變量時間序列的干預模型，就是在時間序列模型中加進各種干預變量的影響。我們以ARIMA模型為例，設平穩(wěn)化后的單變量序列滿足下述模型：又設干預事件的影響為：其中

為干預變量，它等于

或

1、單變量干預模型的構造第二節(jié)單變量干預分析模型的識別與估計當前第13頁\共有56頁\編于星期四\23點則單變量序列的干預模型為：這里：干預分析模型預測法當前第14頁\共有56頁\編于星期四\23點2、干預效應的識別干預分析模型預測法

在對實際數據進行干預分析的過程中，一個主要的困難是，觀察到的序列現實值是受到了干預變量影響的數據，不能保證自相關函數與偏自相關函數所反映的ARIMA模型是真實的。｛應對方法（1）根據序列的具體情況和干預變量

的性質進行識別。（2）已知干預影響的情形。

當前第15頁\共有56頁\編于星期四\23點干預分析模型預測法（1）根據序列的具體情況和干預變量的性質進行識別目的：確定干預變量的影響是短暫的還是長期的。原理：它是利用干預變量產生影響之前或干預影響過后，也就

是消除了干預影響或沒有干預影響的凈化數據，計算出自相關函數與偏自相關函數。在ARIMA模型中，首先識別模型中的p和q，然后估計出，中的參數。當前第16頁\共有56頁\編于星期四\23點干預分析模型預測法假定：假定模型形式為：當前第17頁\共有56頁\編于星期四\23點（2）已知干預影響的情形

假定在模型識別之前，對干預的影響已很清楚，以至于通過數據分析，能夠確定干預變量的影響部分并估計出這部分的參數，然后計算出殘差序列：

這個序列是一個消除了干預變量影響的序列，可計算出它的自相關與偏自相關函數，從而識別出ARIMA模型的階數。出ARIMA模型的階數。干預分析模型預測法當前第18頁\共有56頁\編于星期四\23點干預分析模型預測法3、干預分析模型的建模步驟：利用干預影響產生前的數據，建立一個單變量的時間序列模型。然后利用此模型進行外推預測，得到的預測值作為不受干預影響的數值。

利用排除干預影響后的全部數據，識別與估計出一個單變量的時間序列模型。

將實際值減去預測值，得到受干預影響的具體結果，利用這些結果估計出干預影響部分的參數。

結合之前步驟，求出總的干預分析模型。第一第二第三第四當前第19頁\共有56頁\編于星期四\23點干預分析模型預測法第三節(jié)干預分析模型的應用實例干預分析模型預測房價指數（一）、問題的提出和相關背景

房地產價格指數對價格這一個經濟變量進行跟蹤記錄，對于市場行情的波動具有直接、及時的表現力。價格指數是由一個個市場調查的數據構成的，這些數據來自于不同地點的樓盤，每時每刻記錄著市場行情波動的軌跡，形成一幅觀測市場行情萬千氣象的云圖。近年來上海房地產市場保持量價齊升的態(tài)勢，特別是住宅市場，商品住宅價格漲幅大幅度攀升，引來了民眾與政府的多方關注。2003年4月開始，住宅價格漲幅驚人，明顯高于往年同期。有研究人士認為，是SARS帶動了上海房市的新一輪上漲，使得上海的城市競爭力為眾多的海內外投資者所認可和關注。這里就選取上海二手房指數作為研究對象，以SARS的發(fā)生為干預事件，運用干預分析模型進行分析和預測，定量地研究價格指數的運行軌跡。當前第20頁\共有56頁\編于星期四\23點干預分析模型預測法（二）、數據和模型的說明

這里選取上海二手房指數發(fā)布以來的所有時間序列，按SARS的發(fā)生分為兩個時期：第一個時期：2001年11月-2003年3月；第二個時期：2003年4月-2004年12月。由于SARS的發(fā)生并不是立刻產生完全的影響，而是隨著時間的推移，逐漸地感到這種影響的存在。因而干預影響選取如下的模式：其中：當前第21頁\共有56頁\編于星期四\23點干預分析模型預測法原始數據如下

當前第22頁\共有56頁\編于星期四\23點干預分析模型預測法（三）、干預分析模型的識別與參數估計

1.根據2001年11月-2003年3月，即前17個歷史數據，建立時間

序列模型。散點圖如下：當前第23頁\共有56頁\編于星期四\23點干預分析模型預測法這里經過觀察與篩選，最終選取二次曲線模型進行擬合，結果如下：

其中，R2=0.985，F=455.78（P=0.000高度顯著），說明模型擬合效果很好。當前第24頁\共有56頁\編于星期四\23點干預分析模型預測法2.分離出干預影響的具體數據，求估干預模型的參數。

運用經過檢驗的二次曲線模型，進行外推預測2003年4月-2004年12月的指數預測值，然后用實際值減去預測值，得到的差值就是經濟體制改革所產生的效益值，記為

，具體數值如下：

當前第25頁\共有56頁\編于星期四\23點干預分析模型預測法運用表中的數據可估計出干預模型中的參數的

與

，實際上是自回歸方程

的參數：當前第26頁\共有56頁\編于星期四\23點干預分析模型預測法其中，R2=0.984，F=1112.704（P=0.000高度顯著），模型系數的t檢驗也是高度顯著，說明模型擬合效果很好。當前第27頁\共有56頁\編于星期四\23點干預分析模型預測法3.計算凈化序列

凈化序列是指消除了干預影響的序列，它由實際的觀察序列值減去干預影響值得到，即：

稱為消去了干預影響的凈化序列，具體計算數據如下：當前第28頁\共有56頁\編于星期四\23點干預分析模型預測法4.對凈化序列建立擬合模型。

仍選取二次曲線模型進行擬合。當前第29頁\共有56頁\編于星期四\23點干預分析模型預測法結果如下：

其中，R2=0.999，F=23588.3（P=0.000高度顯著），說明模型擬合效果很好。當前第30頁\共有56頁\編于星期四\23點干預分析模型預測法5.組建干預分析模型

結合的擬合模型

與

代入

得到所求的干預分析預測模型：其中：當前第31頁\共有56頁\編于星期四\23點干預分析模型預測法利用干預分析預測模型計算出預測值，并與原始指數值比較如下：

當前第32頁\共有56頁\編于星期四\23點干預分析模型預測法

從原始指數與預測指數的數據比較圖來看，兩個序列重合度很高，說明干預模型在這里取得了不錯的效果。當前第33頁\共有56頁\編于星期四\23點干預分析模型預測法干預變量形式：持續(xù)性、短暫性干預事件四種形式：1.事件影響突然開始，長期持續(xù)；2.事件影響逐漸開始，長期持續(xù)；3.事件突然開始，暫時影響；4.事件逐漸開始，暫時影響干預分析模型的建模步驟：1.建立時間序列模型，進行外推預測得到預測值；2.用實際值減去預測值，估計出干預影響部分的參數；3.用排除干預影響的數據，識別與估計出一個模型；4.結合上述步驟，求出總的干預分析模型。做題步驟：1.建立時間序列模型；2.分離出干預影響的具體數據，求估干預模型的參數；3.計算凈化序列；4對凈化序列建立擬合模型；5.組建干預分析模型。本章小結當前第34頁\共有56頁\編于星期四\23點四組：劉曉龍劉姜琛鄒源王思思謝謝觀賞謝謝觀賞當前第35頁\共有56頁\編于星期四\23點當前第36頁\共有56頁\編于星期四\23點當前第37頁\共有56頁\編于星期四\23點使用規(guī)范說明圖表應用強調背景文本和線條陰影標題文本填充強調超鏈接已訪超鏈接標準配色當前第38頁\共有56頁\編于星期四\23點單擊此處添加標題單擊此處添加段落文字內容單擊此處添加段落文字內容文字內容單擊此處添加段落文字內容單擊此處添加段落文字內容文字內容單擊此處添加段落文字內容單擊此處添加段落文字內容文字內容當前第39頁\共有56頁\編于星期四\23點單擊此處添加標題雙擊添加標題文字雙擊添加標題文字雙擊添加標題文字雙擊添加標題文字單擊此處添加段落文字內容單擊此處添加段落文字內容單擊此處添加段落文字內容單擊此處添加段落文字內容單擊此處添加段落文字內容單擊此處添加段落文字內容單擊此處添加段落文字內容單擊此處添加段落文字內容單擊此處添加段落文字內容單擊此處添加段落文字內容單擊此處添加段落文字內容單擊此處添加段落文字內容當前第40頁\共有56頁\編于星期四\23點單擊此處添加標題單擊此處添加段落文字內容單擊此處添加段落文字內容單擊此處添加段落文字內容單擊此處添加段落文字內容單擊此處添加段落文字內容單擊此處添加段落文字內容單擊此處添加段落文字內容單擊此處添加段落文字內容雙擊添加標題文字雙擊添加標題文字雙擊添加標題文字雙擊添加標題文字當前第41頁\共有56頁\編于星期四\23點單擊此處添加標題雙擊添加標題文字單擊此處添加段落文字內容單擊此處添加段落文字內容當前第42頁\共有56頁\編于星期四\23點單擊此處添加標題此處添加內容此處添加內容此處添加內容此處添加內容雙擊添加標題文字當前第43頁\共有56頁\編于星期四\23點單擊此處添加標題此處添加內容單擊添加段落文字單擊添加段落文字此處添加內容單擊添加段落文字單擊添加段落文字此處添加內容單擊添加段落文字單擊添加段落文字單擊添加單擊添加單擊添加當前第44頁\共有56頁\編于星期四\23點單擊此處添加標題單擊此處添加段落文字內容單擊此處添加段落文字內容單擊此處添加段落文字內容單擊此處添加段落文字內容單擊此處添加段落文字內容單擊此處添加段落文字內容單擊此處添加段落文字內容單擊此處添加段落文字內容單擊此處添加段落文字內容當前第45頁\共有56頁\編于星期四\23點單擊此處添加標題雙擊添加標題文字此處添加內容此處添加內容此處添加內容內容內容內容內容內容單擊此處添加段落文字內容單擊此處添加段落文字內容單擊此處添加段落文字內容單擊此處添加段落文字內容單擊此處添加段落文字內容單擊此處添加段落文字內容當前第46頁\共有56頁\編于星期四\23點單擊添加內容文字單擊此處添加標題單擊添加內容文字當前第47頁\共有56頁\編于星期四\23點單擊此處添加標題此處添加內容此處添加內容此處添加內容此處添加內容雙擊添加標題文字當前第48頁\共有56頁\編于星期四\23點單擊此處添加標題此處添加標題此處添加內容此處添加內容此處添加內容此處添加內容此處添加內容此處添加內容此處添加內容此處添加內容此處添加內容單擊添加段落文字單擊添加段落文字單擊添加段落文字單擊添加段落文字。單擊添加段落文字單擊添加段落文字單擊添加段落文字單擊添加段落文字。當前第49頁\共有5