【数模-时间】时间序列模型

一、概述

将某种现象的指标数值按照时间顺序排列而成的数值序列。

三大部分：描述过去、分析规律、预测未来。

三种模型：季节分解、指数平滑、ARIMA

二、时间序列模型

时间序列数据：同一对象在不同时间连续观察所取得的数据。

时间序列要素：时间要素（年月日）、数值

时期序列：数值要素反映现象在一定时期内发展的结果。（可加）

时点序列：数值要素反映现象在一定时点上的瞬间水平。（不可加）

时间序列变化规律：长期变动趋势、季节变动规律、周期变动规律、不规则变动。（叠加+乘积）

长期趋势T：相当长的时间内，持续上升或者持续下降的趋势。

季节趋势S：由于季节（月、季、周）转变，指标数值发生的周期性变动。

循环变动C：一若干年为周期，波浪式周期变动，增加减少交替出现。

不规则变动I：不可预知，没有规律性。

叠加模型：四种变动之间互相独立 Y=T+S+C+I

乘积模型：四种变动之间相互影响 Y=TxSxCxI

Spss处理缺失值

1.开头/结尾缺失：直接删除

2.中间位置：替换缺失值的方法

替换缺失值五种方法：

1.序列平均值：整个序列的平均数

2.临近点平均值：相邻若干点的平均数

3.临近点中位数：相邻若干点的中位数

4.线性插值：相邻两点的平均数

5.临近点线性趋势：线性回归求缺失点预测值

时间序列分析的具体步骤

1）作时间序列图
2）判断时间序列包含的变动成分
3）时间序列分解(有周期性且包含长期趋势、季节变动或循环变动）
4）建立时间序列分析模型
5）预测未来的指标数值