文档介绍：时间序列及其分解
时间序列的构成要素
时间序列的分解方法
时间序列 (times series)
1. 同一现象在不同时间上的相继观察值排列而成的数列
2. 形式上由现象所属的时间和现象在不同时间上的观察值两部分组成
3. 排列的时间可以是年份、季度、月份或其他任何时间形式
时间序列分析目的
一是为了描述事物在过去时间的状态、分析其发展趋势。
二是为了揭示事物发展变化的规律性。
三是预测事物在未来时间的数量。
时间序列的分类
时间序列的分类
平稳序列(stationary series)
基本上不存在趋势的序列，各观察值基本上在某个固定的水平上波动
或虽有波动，但并不存在某种规律，而其波动可以看成是随机的
非平稳序列 (non-stationary series)
有趋势的序列
线性的，非线性的
有趋势、季节性和周期性的复合型序列
时间序列的构成要素
趋势、季节、周期、随机性
趋势(trend)
呈现出某种持续向上或持续下降的状态或规律
季节性(seasonality)
也称季节变动(Seasonal fluctuation)
时间序列在一年内重复出现的周期性波动
周期性(cyclity)
也称循环波动(Cyclical fluctuation)
围绕长期趋势的一种波浪形或振荡式变动
随机性(random)
也称不规则波动(Irregular variations)
除去趋势、周期性和季节性之后的偶然性波动
含有不同要素的时间序列
平稳
趋势
季节
季节与趋势
时间序列的构成模型
时间序列的构成要素分为四种，即趋势(T)、季节性或季节变动(S)、周期性或循环波动(C)、随机性或不规则波动(I)非平稳序列
时间序列的分解模型
乘法模型
Yi=Ti×Si×Ci×Ii
加法模型
Yi=Ti+Si+Ci+Ii
组合模型的解释
乘法模型是假定四个成分对发展对象的影响是相互的，长期趋势成分取与时间序列原始指标数值Y相同计量单位的绝对量，以长期趋势为基础，其余成分则均以比率（相对量）表示
加法模型是假定四个因素的影响相互独立的，每个成分均以与时间序列原始指标数值Y相同计量单位的绝对量来表示。
在实际中，并非在每个时间序列中都同时存在这四类成分。