1702657047
Excel统计分析与应用大全 第9章 Excel中的时间序列分析
1702657048
1702657049
把同一现象在不同时间上取得的观测值按时间顺序排列而成的序列，称为时间序列。时间序列分析是一种根据动态数据揭示系统动态结构和规律的统计方法，对观察所得的数列应用数理统计方法加以处理，借以对未来事物的发展进行预测。
1702657050
1702657052
9.1 时间序列分析基本概述
1702657053
1702657054
对于过去的历史数据，可称之为时间序列。时间序列是一部分统计数据按照其发生时间的先后顺序排列而成的序列。时间序列分析是一种动态数据处理的统计方法。时间序列分析的特点在于，观测值通常是不独立的，且分析时必须考虑到观测资料的时间顺序，当观测值相关时，未来数值可以由过去的观测资料来预测，可以利用观测数据之间的自相关性建立相应的数学模型来描述客观现象的动态特征。
1702657055
1702657057
9.1.1 时间序列的模型构建
1702657058
1702657059
时间序列分析在工程技术中有重要的作用，常用于做预报、控制等。时间序列分析侧重于研究数据序列的互相依赖关系。它不需借助预测变量，仅仅依照变量本身过去的数据所存在的变异形态来建立模型。
1702657060
1702657061
分析时间序列数据通常有如下目的：
1702657062
1702657063
●描述现象的发展变化过程，考察现象发展变化的方向和速度，探索现象发展变化的规律性。
1702657064
1702657065
●预测某一现象未来可能达到的数值。
1702657066
1702657067
时间序列分析基本原理：
1702657068
1702657069
●承认事物发展的延续性。利用历史数据，通常能够推测事物的发展趋势。
1702657070
1702657071
●考虑到事物发展的随机性。任何事物发展都可能受偶然因素影响，为此需要对历史数据进行处理。
1702657072
1702657073
时间序列分析通常应用于：
1702657074
1702657075
（1）系统描述
1702657076
1702657077
根据对系统进行观测得到的时间序列数据，用曲线拟合方法对系统进行客观的描述。
1702657078
1702657079
（2）系统分析
1702657080
1702657081
当观测值取自两个以上变量时，可用一个时间序列中的变化去说明另一个时间序列中的变化，从而深入了解给定时间序列产生的机理。
1702657082
1702657083
（3）预测未来
1702657084
1702657085
一般用ARMA模型拟合时间序列，预测该时间序列的未来值。
1702657086
1702657087
（4）决策和控制
1702657088
1702657089
根据时间序列模型可调整输入变量使系统发展过程保持在目标值上，即预测到过程要偏离目标时便可进行必要的控制。
1702657090
1702657091
时间序列模型构建的基本步骤如下：
1702657092
1702657093
①运用观测、调查、统计、抽样等方法取得被观测系统的时间序列动态数据。
1702657094
1702657095
②根据动态数据作相关图，进行相关分析，求自相关函数。相关图能显示出变化的趋势和周期，并能发现跳点和拐点。跳点是指与其他数据不一致的观测值。如果跳点是正确的观测值，在进行时间序列的模型构建时应考虑进去；如果是反常现象，则应把跳点调整到期望值。拐点则是指时间序列从上升趋势突然变为下降趋势的点。如果存在拐点，则在进行时间序列的模型构建时必须用不同的模型去分段拟合该时间序列，例如采用门限回归模型。
[
上一页 ]
[ :1.702657046e+09 ]
[
下一页 ]