时间序列法

时间序列法为一种统计分析方法，在宣传工作中根据一定时间的数据序列预测未来发来自展趋势的方法。亦称时间序列趋势外推法。这种360百科方法适用于处于连续过程中的事物的预测。它需要有若干年切剧随而酒的数据资料，按时受大花章间序列排列成数据序列，其变化趋势和相互关系要明确和稳定。供预测用的历史数据资料有的变化表现出比较强的规律性，由于它过去的变动趋势将会连吗叶超伟宁氧鲁条松续到未来，这样就可以直接利用过去的变动趋势预测未来。但多数的历史数据由于受偶然性因素的影响，其变化不太规则。利用这些资料时，要消除偶然性因素的影响，把时间序列作为随机变量序列，究新确接游倍象山错采用算术平均、加权平均和指数平均等来减少偶然因素，提高预测的准确性。常用的时间序列法有移动平均法、加权移动平均法和指数平均法。

• 中文名称 时间序列法
• 外文名称 time series method
• 领域 社会学
• 变动因素 长期趋势等

简介

　　time series method

括的案室找增时间序列法

　　时间序列有 4种变动因素黑善认首义护省:①长期趋势(T)，在整个预测期内事物呈现出逐渐增来自加或渐减的总倾向;②周期变动(C),以某一时间间隔为360百科周期的周期性变动，如危机和复苏的交替;③季节变动(S)，以一年为周期的周期变动,如服装行业销售额的季节性波动;④偶然变动(I),除上述三念们普查令企微较跑预溶种情况之外的不规则变动,又称随机变动。这4种因素的综合模式有加法模式、乘法模式和混合模式。若以表示时间序列(=1，2，3，…，表示采样时刻)，则加法模式的时间序列是上述4种变动因素的相加,=(T)+(C)+(S)+(I)，而乘法变乱宁极岁项吧部古模式的则是上述4种变动因素的相乘,=(T)×(C)×(S)×(杀财I)。时间序列法分为两类:①不细分4种变动因素而直接利用时间序列数据建立数学模型，进就应祖企剂跑听圆行预测。②对4种变动因素有侧重地进行预处理,从而派生出剔除季节变动法、移动平均法、指数平滑法、自回归法、时间函数拟合法等具体预测方法。

方法

剔除季节变动法

　　对于明显地存在着季真晶革击运完威京候称整节性变动因素的时间序列识知批农数据,通常是先剔除季节性因素,找出平稳值乱继部修年斗都和季节性修正系数。在平稳值预测基础上加以季节性修正，就能获得计及季节性变动的预测。以服装业为例,如果1981、1982胶和 1983年1月份的销售额分别重铁张是40.0、32略些族印额放林露器.9和37.4，平均够口频米相句迅省推宗灯值为 36.77;三年内总计每月平均为51.18，则可得感讨卫子尔1月份的三年平均指数为 36.77/51.18=0.718。若剔除季节性变动因素,则1981、1982和1983年每年1月的平均值分别为40.0/0布在措.718=55.7;32.9离族事令/0.718=45.8;37.4/0.718=52.1。依此类推，可求出各年各月的平稳值(见图[销售额图])。困陈求推额告推裂又图中实线为实际销售值，虚线为剔除季节变动后的平稳值。此外也可按每年12个月的平均值作为各年平稳机房路阻间绿河某边值的基准，按乘法模式或加法模式提取出季节性变动分量，按照各年基准值预测未来年基准值，然后计及季节变动分量加以修正，即得未来预测值。

移动平均法

　　又称滑动平均法，对于存在着偶然变动因素的较为平稳的时间序列，可以采用这种方法来剔除偶然变动因素，以对平稳的时间序列作出预测。基本方法是利用紧挨着预测期前的一段时间序列数据(如有个数据)，按某种规则求平均值,作为预测值。当预测期在时间上移动时,所采用的时间序列数据(个数据的个数不变)也随着在时间上移动。其中一次 元移动法适用于接近平稳的恒定过程;二次 元移动平均法适用于线性增长或衰减过程。

指数平滑法

　　加权移动平均法的一种(见)。

自回归法

　　利用紧挨着预测期前的一段时间序列数据，分别乘上某个系数后叠加求得，用以剔除偶然变动因素。

时间函数拟合法

　　变量变化规律符合某一时间函数，利用采样数据进行拟合，确定参数，而后外推预测。其中常用的为多项式形式。

参考书目

　　N.T.Thom素渐袁opoulos著，刘涌康等译:《实用预测方法》，上海科技文献出版社，上海，1980。(N.T.Thomopoulos, A才日越经都说军术规止亮pplied Forecastin Methods, Prentice-Hall,Engl-ewood Cliffs,1980.

　　王浣尘