第十三章 时间序列分析和预测

时间序列的关键是确定出已有的时间序列的变化模式，并假定这种模式会延续到未来。
时间序列分析就其发展的历史阶段和所使用的统计分析方法来看，有传统的时间序列分析和现代时间序列分析。下文主要介绍传统的时间序列的分析方法，内容包括时间序列数据的统计和预测方法。

1 时间序列及其分解

时间序列是同一现象在不同时间上的相继观察值排列而成的序列，可以分为平稳序列和非平稳序列。
平稳序列（stationaryseries）是基本上不存在趋势的序列。这类序列中的各观察值基本上在某个固定的水平上波动，虽然在不同的时间段波动的程度不同，但并不存在某种规律，其波动可以看做是随机的。
非平稳序列（non-stationaryseries）是包含趋势、季节性或周期性的序列，它可能只包含其中的一种成分，也可能是几种成分的组合。因此，非平稳序列又可以分为有趋势的序列、有趋势和季节性的序列、几种成分混合而成的复合型序列。
时间序列中除去趋势、周期性和季节性之后的偶然性波动，称为随机性，也称不规则波动。
由上可以得出，时间序列的成分可以分为4种，即趋势（T）、季节性或季节变动（S）、周期性或循环波动（C）、随机性和不规则波动（I）。传统时间序列分析的一项主要内容就是把这样成分从时间序列中分离出来，并将它们之间的关系用一定的数学关系式予以表达，而后进行分析。按4中成分对时间序列的影响方式不同，时间序列可分解为多种模型，如加法模型、乘法模型，其中较常用的是乘法模型。
下文所介绍的时间序列分解方法都是以乘法模型为基础的。

2 时间序列的描述性分析

1 图形描述

通过对图形的观察和分析有助于作进一步的描述，并为选择预测模型提供基本依据。

2 增长率分析

增长率是对现象在不同时间的变化状况所做的描述。由于对比的基期不同，增长率有不同的计算方法。
a. 增长率
也称增长速度，是时间序列中报告期观察值与基期观察值之比减1后的结果，用%表示。由于对比的基期不同，增长率可以分为环比增长率和定基增长率。
环比增长率是报告期观察值与前一时期观察值之比减1，说明现象逐期增长变化的程度。
定基增长率是报告期观察值与某一固定时期观察之比减1，说明现象在整个观察时期内总的增长变化程度。
b. 平均增长率
平均增长率是时间序列总逐期环比值的几何平均数减1后的结果。
$\bar{G}=\sqrt[n]{(\dfrac{Y_1}{Y_0})(\dfrac{Y_2}{Y_1})...(\dfrac{Y_n}{Y_{n-1}})}$
c. 增长率分析中应注意的问题
（1）当时间序列中的观察值出现0或负数时，不宜计算增长率
（2）在某些情况下，不能单纯就增长率论增长率，要注意增长率与绝对水平的结合分析。

3 时间序列预测的程序

在对时间序列进行预测时，通常包括以下几个步骤：
（1）确定时间序列所包含的成分，也就是确定时间序列的类型。
（2）找出适合此类时间序列的预测方法。
（3）对可能的预测方法进行评估，以确定最佳预测方案。
（4）利用最佳预测方案进行预测

1 确定时间序列成分

判断趋势是否存在：
a. 绘制图形，从图上观察
b. 利用回归分析拟合一条趋势线，然后进行显著性检验
确定季节成分是否存在：
绘制年度折叠时间序列图。该图横着只有一年的长度，每年的数据对于纵轴。

2 选择预测方法

3 预测方法的评估

在选择了某一种特定的方法进行预测时，需要评价该方法的预测效果或准确性。评价的方法就是找出预测值与实际值的差距，即预测误差。最优的预测方法也就是预测误差达到最小的方法。预测误差的计算方法有平均误差、平均绝对误差、均方误差、平均百分比误差和平均绝对百分比误差等。
a. 平均误差
设时间序列的第i个观测值为Yi，预测值为Fi
ME=∑ n i=1 (Y i −F i )n