用Python学分析 - 时间序列：线性趋势及分析

最新推荐文章于 2024-08-13 00:30:00 发布

weixin_30491641

最新推荐文章于 2024-08-13 00:30:00 发布

阅读量3.4k

点赞数 1

文章标签： python 数据结构与算法

原文链接：http://www.cnblogs.com/violetchan/p/11134081.html

版权

本文介绍了如何利用Python进行时间序列分析，特别是针对平稳时间序列建立线性趋势模型。通过1992-2005年的人口出生率数据，使用最小二乘法确定趋势方程，计算预测值和误差，并预测2007年的人口出生率。

摘要由CSDN通过智能技术生成

对于平稳时间序列，可以建立趋势模型。当有理由相信这种趋势能够延伸到未来时，赋予变量t所需要的值，可以得到相应时刻的时间序列未来值，这就是趋势外推法

【分析实例】

根据1992-2005年的人口出生率的数据，使用最小二乘法确定直线趋势方程，

1) 并计算各期的预测值和预测误差
2) 预测2007年的人口出生率

 1 import numpy as np
 2 import pandas as pd
 3 import matplotlib.pyplot as plt
 4 
 5 def Line_Trend_Model( s, ):
 6     '''
 7     使用最小二乘法确定直线趋势方程
 8     输入值：s - pd.Series，index为连续型日期的Series
 9     返回值类型：字典
10     返回值：a - 截距，b - 斜率, sigma - 估计标准误差
11     '''
12     res = {}
13     n = len(s)
14     m = 2 # 用于计算估计标准误差，线性趋势方程对应的值为 2
15     res['t'] = [ i+1 for i in range(n)]