Johdanto
Aikasarja on sarja satunnaismuuttujia ajassa, joka yleensä havaitaan tietyllä näytteenottotaajuudella yhtäläisten aikavälien ajanjakson sisällä. tulos. Aikasarjadata heijastuu olennaisesti joihinkin tai joihinkin satunnaismuuttujiin, jotka ovat muuttuneet ajan myötä, ja aikasarjan ennustusmenetelmän ydin on kaivella tiedoista tämä laki ja sen avulla arvioida tulevaa dataa.
osatekijät: pitkän aikavälin trendit, kausivaihtelut, sykliset vaihtelut, epäsäännölliset muutokset.
1) Pitkän aikavälin trendi (T) -ilmiö on tietyn perustekijän muodostama kokonaismuutostrendi pidemmän ajan sisällä.
2) Kausivaihtelu (S) Säännölliset sykliset muutokset tapahtuivat vuonna vuoden kauden kanssa.
3) Syklisen vaihtelun (C) ilmiöllä on säännöllistä vaihtelua useiden vuosien aikana esiintyvissä aaltoaaltomuodoissa.
4) Epäsäännölliset muutokset (I) on säännöllinen vaihtelu, mukaan lukien tiukat vaihtelut satunnaisissa vaihteluissa ja epäsäännölliset erosiiviset vaikutukset.
Tehosteet
1. Osaa heijastaa yhteiskuntataloudellisten ilmiöiden kehitystä, kuvata ilmiöiden kehitystilannetta ja tuloksia.
2. Voidaan tutkia osuus- ja yhteisötalouden kehityssuuntaa ja kehitysvauhtia.
3. Osaat tutkia kehityksen ja muutoksen lakia ja ennustaa joitain sosiaalisia ja taloudellisia ilmiöitä.
4. Aikasarjoja käyttämällä voidaan verrata eri alueiden tai maiden välillä, mikä on myös yksi tärkeimmistä tilastollisen analyysin menetelmistä.
Kategoria
(1) Absoluuttinen aikajärjestys
1. Jakson jakso: Järjestetty kokonaissummaindikaattoreiden mukaan peräkkäin.
Sekvenssisarjan pääominaisuus on:
1) Sekvenssin määritteen arvo on lisättävissä.
2) Sarjan kunkin indikaattoriarvon koko on suoraan verrannollinen sen heijastaman ajanjakson pituuteen.
3) Sarjan kunkin indikaattorin arvo saavutetaan yleensä jatkuvalla rekisteröinnillä.
2. Aikasekvenssi: Aikasarjan pääominaisuudet
ajankohdan ajankohdasta
ovat:
1) sequence The numeric values in the indicator are not additive.
2) Kunkin indikaattoriarvon koko ei ole suoraan yhteydessä sekvenssin intervalliajan pituuteen.
3) Sarjan kunkin indikaattorin arvo saadaan yleensä säännöllisellä rekisteröinnillä.
b) suhteelliset aikasarjat
Aikasarjoja, suhteellisten vertailuindikaattoreiden sarjaa, kutsutaan suhteelliseksi ajaksi. järjestys.
(3) Keskimääräinen aikasarja
Keskimääräinen aikasarja viittaa aikasarjaan, joka on järjestetty peräkkäiseen järjestykseen samanlaisten keskiarvoindikaattoreiden sarjalla.
Ominaisuudet
1, aikasarjaanalyysi perustuu menneisyyteen muutostrendit ennustaa tulevaa kehitystä, se on lähtökohta, että menneisyys jatkuu tulevaisuuteen.
Aikasarja-analyysi perustuu objektiivisten asioiden kehityksen jatkuvaan säännöllisyyteen, aiemman historiallisen datan avulla, tilastollisen analyysin avulla, tulevaisuuden kehitystrendejä edelleen spekuloimalla. Menneisyys jatkuu tulevaisuuteen, tämä hypoteesi sisältyy kahden kerroksen lähtökohtaan; yksi ei ole äkillinen hyppy muutos, on suhteellisen pieni tahti; kaksi on menneisyyttä ja nykyiset ilmiöt voivat viitata nykyisten ja tulevien toimintojen kehitykseen. . Tämä määrittää sen, että aikasekvenssianalyysimenetelmä on yleisesti ottaen merkittävä lyhyille ja tuoreille ennusteille, mutta jos sitä laajennetaan pidemmälle tulevaisuuteen, rajoituksia tulee paljon, jolloin ennustettu arvo poikkeaa todellisesta ja tekee päätöksenteon epäonnistumisesta. . .
2, aikasarjan tietojen vaihtelut On säännöllisyys ja epäsäännöllisyys
aikasekvenssi, joka on useita eri tekijöitä, jotka vaikuttavat muutoksiin samanaikaisesti. Kattava tulos roolista. Näiden vaikuttavien tekijöiden koon ja suunnan muutoksen aikaominaisuuksista näiden tekijöiden aiheuttamat muutokset aikasarjatiedoissa jaetaan neljään tyyppiin.
(1) Trendi: Muuttuja etenee ajan myötä, ja sillä on hidas ja pitkäaikainen jatkuva nousu, lasku ja muuttuva muutos ei välttämättä ole sama.
(2) Jaksottainen: Tekijä johtuu ulkoisesta vaikutuksesta, koska luonnollisen vuodenajan vaihtelulla on huippu- ja matalalaaksojen laki.
(3) Satunnaisuus: Yksilö on satunnainen muutos ja yleinen tilastolaki.
(4) Synteettinen: Varsinainen vaihtelu on muutosten superpositio tai yhdistelmä. Epäsäännöllisen muutoksen odotetaan tapahtuvan silloin, kun se ennustetaan, korostaen trendiä ja jaksottaisia muutoksia.
Valmistautuminen
arvon arvon vertailukelpoisuuden varmistamiseksi sarjassa
(1) jakso on paras yhtenäinen
(kaksi Koko alueen tulee olla johdonmukainen
(3) Indikaattorin taloudellisen sisällön olisi oltava yhtenäinen
(4) Laskentamenetelmän tulisi olla yhtenäinen
(5) laskentahinta ja mittayksikkö Verrattuna
Muuttuvat ominaisuudet
Non-stationary (Nonstationarity, also translated as uncomfortable, unstable): The immersed sequence variable cannot present a long period of time Trends and eventually tend to tend to constant or a linear function.
Volumex amplitude Change (Time-VaryingVolatility): That is, the variable variable variable variation changes over time makes effective analysis time sequence variables are difficult .
The stable time number (stationaryTimeSeries) means a time-to-list statistical characteristics will not change over time.
Analyysimenetelmä
(1) Indikaattorianalyysi
Aikasarjojen analyysiindikaattoreiden kautta paljastuu kehitystaso ja kehitysmuutokset.
(b) Komponenttianalyysimenetelmä
Purkamalla aikasarjaan vaikuttavat tekijät, paljastaa ajanmuutoksen myötä kehittyneen lain.
Analyysimalli
Aikasarjan yhdistelmämalli
1 lisäysmalli: y = t + s + c + i (y, T metrologinen yksikkö on sama Mittarit (s, c, i)
2 kertolaskumalli: y = t · s · c · i (yleinen malli)
2 (taajuudet) (Y, T) Yksikön kokonaismäärä on sama kuin yksikön kokonaismäärä) (S, C, I lisää tai vähennä)
ennustus
aikasarjaennuste perustuu pääasiassa jatkuvuusperiaatteisiin. Jatkuvuusperiaate viittaa objektiivisten asioiden kehittämiseen. Sillä on peräkkäinen jatkuvuus, ja asioiden kehittäminen tapahtuu sen oman lain mukaisesti. Tietyissä olosuhteissa asioiden peruskehitystrendi jatkuu myös tulevaisuudessa niin kauan kuin olosuhteita muutetaan säännöllisesti.
Aikasarjan ennustamisessa käytetään tilastollisia tekniikoita ja menetelmiä evoluutiomuotojen tunnistamiseen ennustavista indikaattoreista, matemaattisten mallien luomisesta ja ennusteindikaattoreiden tulevan kehityksen kvantitatiivisesta arvioinnista.