反饋

時間序列法

時間序列法是一種統計分析方法，在宣傳工作中根據一定時間的數據序列預測未來發展趨勢的方法。亦稱時間序列趨勢外推法。這種方法適用於處於連續過程中的事物的預測。它需要有若干年的數據資料，按時間序列排列成數據序列，其變化趨勢和相互關係要明確和穩定。供預測用的歷史數據資料有的變化表現出比較強的規律性，由於它過去的變動趨勢將會連續到未來，這樣就可以直接利用過去的變動趨勢預測未來。但多數的歷史數據由於受偶然性因素的影響，其變化不太規則。利用這些資料時，要消除偶然性因素的影響，把時間序列作為隨機變量序列，採用算術平均、加權平均和指數平均等來減少偶然因素，提高預測的準確性。常用的時間序列法有移動平均法、加權移動平均法和指數平均法。^[1]

中文名: 時間序列法
外文名: time series method

領域: 社會學
變動因素: 長期趨勢等

時間序列法簡介

時間序列法

time series method

時間序列有 4種變動因素:①長期趨勢(T)，在整個預測期內事物呈現出逐漸增加或漸減的總傾向；②週期變動(C),以某一時間間隔為週期的週期性變動，如危機和復甦的交替；③季節變動(S)，以一年為週期的週期變動,如服裝行業銷售額的季節性波動；④偶然變動(I),除上述三種情況之外的不規則變動,又稱隨機變動。這4種因素的綜合模式有加法模式、乘法模式和混合模式。若以表示時間序列(=1，2，3，…，表示採樣時刻)，則加法模式的時間序列是上述4種變動因素的相加,=(T)+(C)+(S)+(I)，而乘法模式的則是上述4種變動因素的相乘,=(T)×(C)×(S)×(I)。時間序列法分為兩類：①不細分4種變動因素而直接利用時間序列數據建立數學模型，進行預測。②對4種變動因素有側重地進行預處理,從而派生出剔除季節變動法、移動平均法、指數平滑法、自迴歸法、時間函數擬合法等具體預測方法。

時間序列法方法

剔除季節變動法

對於明顯地存在着季節性變動因素的時間序列數據,通常是先剔除季節性因素,找出平穩值和季節性修正係數。在平穩值預測基礎上加以季節性修正，就能獲得計及季節性變動的預測。以服裝業為例,如果1981、1982和 1983年1月份的銷售額分別是40.0、32.9和37.4，平均值為 36.77；三年內總計每月平均為51.18，則可得1月份的三年平均指數為 36.77/51.18=0.718。若剔除季節性變動因素,則1981、1982和1983年每年1月的平均值分別為40.0/0.718=55.7;32.9/0.718=45.8；37.4/0.718=52.1。依此類推，可求出各年各月的平穩值（[銷售額圖]）。實線為實際銷售值，虛線為剔除季節變動後的平穩值。此外也可按每年12個月的平均值作為各年平穩值的基準，按乘法模式或加法模式提取出季節性變動分量，按照各年基準值預測未來年基準值，然後計及季節變動分量加以修正，即得未來預測值。

移動平均法

又稱滑動平均法，對於存在着偶然變動因素的較為平穩的時間序列，可以採用這種方法來剔除偶然變動因素，以對平穩的時間序列作出預測。基本方法是利用緊挨着預測期前的一段時間序列數據（如有個數據），按某種規則求平均值,作為預測值。當預測期在時間上移動時,所採用的時間序列數據（個數據的個數不變）也隨着在時間上移動。其中一次元移動法適用於接近平穩的恆定過程；二次元移動平均法適用於線性增長或衰減過程。

指數平滑法

加權移動平均法的一種（見）。

自迴歸法

利用緊挨着預測期前的一段時間序列數據，分別乘上某個係數後疊加求得，用以剔除偶然變動因素。

時間函數擬合法

變量變化規律符合某一時間函數，利用採樣數據進行擬合，確定參數，而後外推預測。其中常用的為多項式形式。