2019第4章时间序列分析
统计学时间序列分析
统计学时间序列分析时间序列是经济学、金融学和其他社会科学领域中的一个重要分析对象。
通过对时间序列数据的分析，我们可以揭示数据之间的关系、趋势和周期性，从而为决策提供有力的支持和预测。
统计学时间序列分析是一种应用数学方法的工具，用于对时间序列数据进行建模和预测。
一、时间序列的基本概念时间序列是按时间顺序排列的一系列观测值的集合。
在时间序列分析中，我们关注数据之间的内在关系，而忽略其他因素的影响。
时间序列数据通常具有以下特征：1. 趋势性：时间序列数据的长期变化趋势。
2. 季节性：时间序列数据在一年内固定时间段内的重复模式。
3. 循环性：时间序列数据中存在的多重周期性波动。
4. 随机性：时间序列数据中的不规则、无法预测的波动。
二、时间序列分析的方法在进行时间序列分析时，我们可以采用以下方法来揭示数据的内在规律：1. 描述性统计分析：通过计算数据的均值、方差、相关系数等指标，对数据的整体特征进行描述。
2. 图表分析：通过绘制折线图、柱状图等图表，展示时间序列数据的变化趋势和周期性。
3. 分解模型：将时间序列数据分解为趋势项、季节性项和残差项，以揭示数据的内在结构。
4. 平滑法：通过移动平均法、指数平滑法等方法，消除时间序列数据的随机波动，从而揭示趋势和季节性成分。
5. 自回归移动平均模型(ARIMA)：ARIMA模型是一种常用的时间序列分析方法，可以对数据进行预测和建模。
它综合考虑了自回归、移动平均和差分的影响因素。
三、时间序列分析的应用领域时间序列分析广泛应用于经济学、金融学、市场调研等领域，具体应用包括：1. 经济预测：通过对经济数据进行时间序列分析，可以预测未来的经济发展趋势，为政府决策提供参考。
2. 股票市场分析：时间序列分析可以帮助分析师预测股票市场的走势，制定投资策略。
3. 需求预测：通过对销售数据进行时间序列分析，可以预测产品的需求量，为企业的生产和供应链管理提供指导。
4. 天气预测：通过对气象数据进行时间序列分析，可以预测未来的天气状况，为农业、旅游等行业提供参考。
时间序列分析基础知识
时间序列分析基础知识什么是时间序列分析时间序列是按照时间顺序排列的数据点序列，它在各个领域都有着广泛的应用，如经济学、气象学、金融学等。
时间序列分析就是利用统计技术对时间序列数据进行建模、预测和分析的过程。
通过时间序列分析，我们可以揭示数据中的潜在规律、趋势、周期性等重要信息。
时间序列数据的特点时间序列数据与横截面数据或面板数据有着明显的区别。
时间序列数据的主要特点包括趋势性、季节性、周期性和随机性。
趋势性：时间序列数据通常会呈现出长期的上升或下降趋势，反映了数据的总体变化方向。
季节性：某些时间序列数据会受到季节变化的影响，呈现出周期性的规律性变化。
周期性：除了季节性外，时间序列数据还可能存在其他周期性的变化，如经济周期等。
随机性：时间序列数据中随机噪声的存在使得数据并不完全规律可循，需要通过合适的模型来捕捉规律。
时间序列分析的基本步骤进行时间序列分析通常需要经历以下几个基本步骤：数据收集：首先需要采集相应领域的时间序列数据，保证数据的完整性和准确性。
数据预处理：对采集到的原始数据进行清洗、处理，包括去除异常值、填补缺失值等操作。
模型识别：根据时间序列数据的特点，选择合适的模型类型，如平稳模型、非平稳模型等。
参数估计：利用已选定的模型对数据进行参数估计，找出最符合实际情况的参数值。
模型检验：通过对模型残差和预测结果进行检验来验证模型是否合适，是否能够较好地拟合原始数据。
模型预测：基于已建立和验证的模型，对未来一段时间内的数据进行预测。
常用的时间序列分析方法统计方法统计方法是最早被应用于时间序列分析中的方法之一。
通过统计学原理对时间序列数据进行描述、估计和推断，常用的方法包括移动平均法、指数平滑法、自回归积分滑动平均模型（ARIMA）等。
机器学习方法随着人工智能和机器学习技术的发展，机器学习方法在时间序列分析中也得到了广泛应用。
包括支持向量机（SVM）、神经网络（NN）、随机森林（Random Forest）等算法被应用于时间序列预测与建模中。
第4章时间序列分析共66页
无关。
10
2、平稳随机过程的数字
特征
（1）数学期望：平稳过程
的数学期望是常数。即
t t
(169 )
( 2 )自协方差函数：平稳过
程的相关函数是与 t
无关的一元函数，即：
＝ ( x )＝ D ( X t , X t ) D ( X t , X s )
2
3
二、随机过程的数字特征
随机过程的数学期望和方差函数。
随机过程Xt ,t T，在每一t T的状态是一个
随机变量，它的数学期望和方差都是依赖于参数t的
函数，分别称为随机过程的数学期望和方差函数，
其数学期望为：
t
E(Xt )
xt
f
(xt；t)dxt
方差为：D(Xt ) D(Xt ) E [Xt t ]2
1： 0 0 2 ： － ＝ 3 ： 0
4 ： 是非负定的，即对于任 意数组
t
，
1
t
2，
，
tn
T 和任意实值函数
g (t )都有：
n
( X i X j )g (ti )g (t j ) 0
i, j1
13
(4)、平稳随机过程的遍历性 设xt是平稳过程X T的一个样本函数，若其
S ( ) k e ik
(175 )
k
16
对于白噪声系列ak ，因它的自协方差函为数
k
(a)
2 a
0
k 0 k 0
所以它的谱密度为：
S()
k eik
2 a
k
(176)
17
第二节、时间序列的随机线性模型
时间序列分析课件讲义
3.5E+09 3.0E+09 2.5E+09 2.0E+09 1.5E+09 1.0E+09
5.0E+08 99:01 99:07 00:01 00:07 01:01 01:07 02:01 02:07
Y
8
单变量时间序列分析
趋势模型
确定型趋势模型
平滑模型 季节模型
水平模型
加法模型
9
乘法模型
ARMA模型 ARIMA模型 （G）ARCH类模型
42
（2）ADF检验 DF检验只对存在一阶自相关的序列适用。 ADF检验 适用于存在高阶滞后相关的序列。 y = y t 1 + t
表述为
y t = y t 1 + t
t
存在高阶滞后相关的序列，经过处理可以表述为 y t = y t 1 + 1yt 1+ 2yt 2 + ....... + p1yt p1 + t 上式中，检验假设为
34
特别地，若 其中，{ t }为独立同分布，且E（ t ） = 0，
D（ t ）
2 = <
yt= y t 1+ t
t = 1，2，......
，则{
（random waik process) 。可以看出，随机游动过程是 单位根过程的一个特例。
yt }为一随机游动过程
（2） 季节差分
3. 随机性
23
（四）ARMA模型及其改进 1. 自回归模型 AR（p） 模型的一般形式
( B) yt
=
et
AR (p) 序列的自相关和偏自相关 rk ：拖尾性 k ：截尾性
2019年证券从业资格考试证券分析师考点试题-第四、五、六章
2019年证券从业资格考试证券分析师考点试题:第四、五、六章长期偿债能力通常以反映债务与资产、净资产的关系的负债比率来衡量。
如果让你接触到这样的题你会怎么办，为你提供了2019年证券从业资格考试证券分析师考点试题:第四、五、六章，希望能够帮助到你的考试。
2019年证券从业资格考试证券分析师考点试题：第四章本章大纲分为五个部分：第一部分概率基础(考纲1—4)第二部分统计基础(考纲5—7)第三部分回归分析(考纲8—11)第四部分时间序列分析(考纲12—15)第五部分常用统计软件及应用(考纲16)例题：下列关于正态分布的结论哪个是不正确的?A.峰度为3.B.偏度为1.C.整个分布特性可由均值和方差描述。
D.正态分布的密度函数表示如下：答案：B例题：给定随机变量X、Y，常数a、b、c、d，下列哪个结论是错误的。
A.若x和Y是相关的，则E(ax+by+c)=aE(x)+bE(y)+cB.若x和Y是相关的，则Var(ax+by+c)=Var(ax+by)+cC.若x和Y是相关的，则Cov(ax+by,cx+dy)=acVar(X)+bdVar(Y)+(ad+bc)Cov(x，Y)D.若x和Y是不相关的，则Var(x-y)=Var(x+y)=Var(x)+Var(y)答案：B Var(ax+by+c)=Var(ax十by)= 2a Var(x)+ 2b VAR(y)+ 2ab Cov(x,y)。
解析：Var(x+y)=Var(x)+Var(y)+2Cov(x，y)Var(x-y)=Var(x)+Var(y)-2Cov(x，y)x和Y是不相关的，Cov(x，y)=0，所以两者相等。
例题：有着相同均值和标准差的正态分布和t分布，下列哪个结论正确?A.它们有着相同的峰度B.t分布有着更大的峰度C.随着自由度增加，t分布的峰度逐渐收敛到正态分布峰度D.当自由度相对较小的时候，对t分布而言，正态分布是一个较好的近似估计答案：C例题：假设检验在5%显著性水平意味着( )。
统计学中的时间序列分析
统计学中的时间序列分析时间序列是指按照时间顺序排列的数据序列。
时间序列的特点在于数据的变动与时间相关，它是统计学中一个重要的研究对象。
在统计学中，时间序列分析是一种通过观察、建模和预测时间序列数据的方法。
它可以用来了解数据的趋势、季节性和周期性，并且帮助我们预测未来的发展趋势。
I. 时间序列分析的基本概念时间序列分析涉及以下几个基本概念：1. 时间序列图：通过绘制数据随时间变化的图形，我们可以直观地观察到数据的趋势、季节性和周期性。
2. 趋势分析：趋势是指数据长期上升或下降的变化趋势。
趋势分析可以通过拟合线性回归模型或使用移动平均法等方法进行。
3. 季节性分析：季节性是指数据在一年中周期性地波动。
它可以通过计算季节指数或使用周期性模型如ARIMA模型来分析。
4. 周期性分析：周期性是指数据在超过一年的时间范围内存在的长期周期性波动。
周期性分析可以通过傅里叶分析等方法来实现。
II. 时间序列分析的方法时间序列分析中有多种方法可以用来处理和分析数据。
1. 平均法：通过计算数据的平均值，我们可以了解数据的整体水平和趋势。
2. 移动平均法：移动平均法是一种通过计算一段时间内的平均值来观察趋势的方法。
它可以消除数据的短期波动，更好地展示趋势的变化。
3. 指数平滑法：指数平滑法通过对数据赋予不同的权重来估计未来的趋势。
它在预测短期趋势方面较为有效。
4. 自回归移动平均模型（ARIMA）：ARIMA模型是一种广泛应用于时间序列分析的方法。
它结合了自回归和移动平均两种模型，可以更准确地预测趋势、周期和季节性。
III. 时间序列分析的应用时间序列分析在各个领域都有广泛的应用，包括经济学、金融学、气象学等。
1. 经济学：时间序列分析可以用来预测经济指标如GDP、通货膨胀率等的走势，帮助决策者做出合理的经济政策。
2. 金融学：时间序列分析在股票市场、外汇市场和债券市场的预测与决策中起着重要作用，可以帮助投资者判断市场的趋势和波动。
时间序列分析基础知识
时间序列分析基础知识时间序列分析是一种用于研究时间序列数据的统计方法。
随着人们对时间相关数据的需求不断增长，时间序列分析在预测、模型建立和决策支持等领域发挥了重要作用。
本文将介绍时间序列分析的基础知识，包括时间序列数据的特点、常见的时间序列模型以及常用的时间序列分析方法。
时间序列数据的特点时间序列数据是按照时间顺序排列的观测值的集合。
与横截面数据不同，时间序列数据具有以下特点：趋势性：时间序列数据常常具有长期趋势，即随着时间推移，观测值呈现出明显的上升或下降趋势。
季节性：某些时间序列数据可能具有季节性波动，例如销售额在每年同一季度可能会有重复出现的周期性增长或下降。
周期性：某些时间序列数据可能具有周期性波动，即在较长时间范围内出现重复的上升或下降阶段。
自相关性：时间序列数据中的观测值常常与前一时期或多个时期的观测值相关联。
异方差性：时间序列数据的方差可能会随着时间变化而变化，即不满足常数方差的假设。
常见的时间序列模型为了对时间序列数据进行建模和预测，我们可以使用多种模型。
以下是几种常见的时间序列模型：平稳性模型：平稳性是指观测值的均值和方差在时间上保持不变。
平稳性模型包括ARMA模型(自回归滑动平均)和ARIMA模型(自回归积分滑动平均)等。
趋势模型：趋势模型用于捕捉长期上升或下降趋势。
常见的趋势模型包括线性趋势模型、指数趋势模型和多项式趋势模型等。
季节性模型：季节性模型用于捕捉季节性波动。
常见的季节性模型包括季节ARIMA模型、周期曲线拟合和移动平均法等。
自回归模型：自回归模型基于过去时期观测值与当前观测值之间的关系来进行预测。
常见的自回归模型包括AR(p)模型和ARMA(p,q)模型等。
时间序列分析方法为了对时间序列数据进行分析和预测，我们可以使用多种方法。
以下是几种常用的时间序列分析方法：线性回归方法：线性回归方法被广泛应用于时间序列预测中。
通过拟合一个线性方程来描述观测值与时间之间的关系。
时间序列分析基础知识
时间序列分析基础知识简介时间序列分析是研究时间序列的一种统计分析方法，通过对时间序列数据的观测、建模和预测，可以揭示数据中存在的内部规律和趋势变化。
本文将介绍时间序列分析的基础知识，包括时间序列的概念、时间序列数据的特点以及常用的时间序列分析方法。
时间序列的概念时间序列是按照一定的时间间隔进行观测或测量得到的数据集合，其中数据与其对应的时间密切相关。
时间序列可以是离散的，也可以是连续的。
离散时间序列是在固定的时间点上观测到的数据，连续时间序列则是在一段时间内连续观测得到的数据。
时间序列数据的特点时间序列数据具有以下几个特点：趋势性：时间序列中包含着某种趋势的演变规律，例如随着时间的推移，销售额呈现逐渐增长或逐渐下降的趋势。
季节性：某些时间序列会受到季节因素的影响，例如每年夏季冰淇淋销量增加，冬季销量减少。
周期性：时间序列中可能存在周期性波动，例如经济周期、股市周期等。
随机性：除趋势、季节和周期外，时间序列中还可能包含无规律性的波动。
这些特点使得时间序列数据在分析和预测时与其他类型数据有所不同。
时间序列分析方法描述性统计分析描述性统计分析是对时间序列数据进行初步分析和总结，以便更好地理解其特点。
常用的描述性统计方法包括：均值：计算一组数据（如一年中销售额）的平均值，用于表示数据的集中趋势。
方差：衡量数据中个体间离散程度，方差越大说明个体间差异越大。
自相关函数：用于判断观测值之间是否存在相关性。
自相关函数图示能够帮助我们发现季节变化或者其他周期性模式。
百分位数：刻画了一组数据中各个子集合所占比例。
平稳性检验平稳性是指时间序列的均值、方差和自相关函数在任意时刻都保持不变。
平稳性检验对于后续模型建立和预测非常重要。
常见的平稳性检验方法包括：观察法：通过绘制时间序列图观察是否具有明显趋势或周期性。
统计检验：使用单位根检验（如ADF检验）来判断时间序列是否平稳。
时间序列预测基于对历史数据进行建模，并利用建模结果进行未来值预测是时间序列分析的核心内容。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
校级精品课程《统计学》习题第四章时间序列一、单项选择题1. 时间序列是( )A. 分配数列B.分布数列C.时间数列D.变量数列2. 时期序列和时点序列的统计指标( )。
A. 都是绝对数B.都是相对数C.既可以是绝对数，也可以是相对数D.既可以是平均数，也可以是绝对数3. 时间序列是( )。
A .连续序列的一种B .间断序列的一种C. 变量序列的一种D.品质序列的一种4. 最基本的时间序列是( )。
A. 时点序列B.绝对数时间序列C.相对数时间序列D.平均数时间序列5. 为便于比较分析，要求时点序列指标数值的时间间隔( )。
A. 必须连续B.最好连续C.必须相等D.最好相等6. 时间序列中的发展水平( )。
A. 只能是总量指标B.只能是相对指标C. 只能是平均指标D.上述三种指标均可7. 在平均数时间序列中各指标之间具有( )。
A.总体性B.完整性C.可加性D.不可加性8. 序时平均数与一般平均数相比较( )。
A. 均抽象了各总体单位的差异B. 均根据同种序列计算C. 序时平均数表明现象在某一段时间内的平均发展水平，一般平均数表明现象在规定时间内总体的一般水平D. 严格说来，序时平均数不能算作平均数9. 序时平均数与一般平均数的共同点是( )。
A.两者均是反映同一总体的一般水平B.都是反映现象的一般水平C.两者均可消除现象波动的影响D.都反映同质总体在不同时间的一般水平10. 时期序列计算序时平均数应采用( )。
A.加数算术平均法B.简单算术平均法C.简单算术平均法D.加权算术平均数11. 间隔相等连续时点序列计算序时平均数，应采用( )。
A.简单算术平均法B.加数算术平均法C.简单序时平均法D.加权序时平均法12. 由间断时点序列计算序时平均数，其假定条件是研究现象在相邻两个时点之间的变动为( )。
A.连续的B.间断的C.稳定的D.均匀的13. 时间序列最基本速度指标是( )。
A.发展速度B.平均发展速度C.增减速度D.平均增减速度14. 用水平法计算平均发展速度应采用( )。
A.简单算术平均B.调和平均C.加权算术平均D.几何平均15. 计算速度指标应采用( )。
A.简单算术平均数B.几何平均数 C •加权算术平均数 D.调和平均数A.逐期增减量B.环比增减速度C.平均增减量D.平均增减速度17. 已知某地区2008年的粮食产量比1998年增长了1 倍，比2003年增长了0.5 倍，那么2003 年粮食产量比1998年增长了（）。
A. 0.33 倍B.0.50 倍C.0.75倍D. 2 倍18. 某企业1991年9月—12 月月末的职工人数资料如下：9月30 日1400人，10 月31日1510人，11月30日1460人，12月31日1420人，该企业第四季度的平均人数为（）。
A.1448 人B.1460 人C.1463 人D.1500 人19. 环比增长速度与定基增长速度的关系是（）。
A.定基增长速度等于环比增长速度的连乘积B. 定基增长速度等于各环比增长速度之和C. 各环比增长速度加1后的连乘积等于定基增长速度加1D. 各环比增长速度减1后的连乘积等于定基增长速度减120. 某企业生产的某种产品2000 年与1 999年相比增长了8%，2001 年与1999 年相比增长了12%，则2001 年与2000年相比增长了（）。
A.12%十18%B.108 >112%C.112 408%-1D.108%十112%21. 1949年末我国人口为54167万人，1989年末为111191万人，年平均增长速度为（）。
A.1.81%B.1.86%C.1.77%D.1.89%22. 按水平法计算的平均发展速度推算，可以使（）。
A.推算的各期水平之和等于各期实际水平之和B. 推算的期末水平等于实际期末水平C. 推算的各期定基发展速度等于实际的各期定基发展速度D. 推算的各期增长量等于实际的逐期增长量23. 已知时间序列有30 年的数据，采用移动平均法测定原时间序列的长期趋势，若采用 5 年移动平均，修匀后的时间序列有（）的数据？A.30 年B.28 年C.25 年D.26 年24. 设对不同年份的产品成本配合的直线方程Y=75-1.85X，b=-1.85 表示（）。
A. 时间每增加一个单位，产品成本平均增加1.85个单位B. 时间每增加一个单位，产品成本的增加总额为 1.85个单位C. 时间每增加一个单位，产品成本平均下降1.85个单位D. 产品成本每变动X个单位，平均需要1.85年时间25. 按月平均法测定季节变动时（）。
A.不包括长期趋势的影响B.不包括不规则变动的影响C.包括长期趋势的影响D.有时包括长期趋势的影响，有时不包括26. 如果现象的发展没有季节变动，则季节比率（）。
A.等于0B.等于1C.大于1D.小于127. 某企业元月份工业总产值为2485.7万元，生产工人人数变动情况如下：元月 1 日实有3000人，元月10日调出250人，元月22日调入271人，则该厂元月份工人劳动生产率（即平均每名工人的总产值）为（）。
A.8542 元/人B.8526 元/人C.8516 元/人D.8519 元/人28. 采用5 年或4 年移动平均修匀时间序列其所得新序列项首尾各少（）A.2 项数值B.3 项数值C.4 项数值D.5 项数值29. 移动平均法适用于修匀( )。
A.直线或曲线趋势B.曲线趋势C.抛物线趋势D.指数曲线趋势二、多项选择题1. 编制时间序列的可比性原则包括( )。
A.时间方面可比B.总体空间范围可比C.计算方法统一一D. 统计指标的名称与含义可比E.经济含义统一2. 已知一个序列的末期定期增长量，最末期水平对最初期水平的定基发展速度，便可以求得( )。
A.实际平均发展水平B.平均发展速度C.实际最初水平D. 各期实际环比发展速度E.实际期末水平3. 已知时间序列的项数，平均增长量和平均发展速度，便可以求出( ) 。
A.末期的定基增长量B.实际的各期发展水平C各期的环比发展速度 D.实际的最初水平 E.实际的最末水平4. 增长百分之一的绝对值( )。
A. 表示每增加一个百分点所增加的绝对量B. 表示增加一个百分点所增加的相对量C. 等于前期水平除以100D. 等于前期水平除以100%E. 等于环比增长量除以环比增长速度5. 下列指标和时间构成的序列属于时期序列的是( ) 。
A.人口数B.钢产量C.企业数D.人均粮食产量E.商品销售额6. 某地区的下列两项资料，a. “十五”期间各年的钢产量资料，b. “十五”期间各年的基建投资额，现分别求 a.b 的平均增长速度( ) 。
A.a 宜用累计法计算B.b 宜用水平法计算C.a.b 均宜用水平法计算D.a 宜用水平法计算E.b 宜用累计法计算7. 时间序列总变动(丫)一般可以分解为如下几种变动形式()。
A.长期趋势变动B.季节变动C.循环变动D.非周期变动E.不规则变动8. 构成时间序列的统计指标数值可以是( )。
A.全面调查资料B.非全面调查资料C.抽样调查资料D.计算口径不一致的资料E.总体范围不一致的资料9. 某市五年棉花产量按先后时间顺序排列为( )。
A.时间序列B.变量序列C.绝对数时间序列D.相对数时间序列E.平均数相对序列10. 时间序列水平分析指标有( )。
A.发展速度B.发展水平C.平均发展水平D.增量E.正平均增量11. 时点序列中( )。
A.各项指标数值可以相加B.各项指标数值不能相加C. 各项指标值大小与其时间长短有直接关系D. 各项指标值与其时间长短没有直接关系E. 各项指标数值是间隔一定时间登记一次取得的12. 时间序列按指标表现形式不同可分为( )。
A.绝对数时间序列B.时期序列C.相对数时间序列D.时点序列E. 平均数时间序列13. 各项指标数值不能相加的时间序列有(A.绝对数时间序列B.时点序列C.相对数时间序列D. 时期序列E.平均数时间序列14. 相对数动态序列可以是( )。
A.结构相对数构成的相对数时间序列B.强度相对数构成的相对数时间序列C.两个时期序列对比形成的D.两个时点序列对比形成的E. —个时期序列和一个时点序列对比形成的15. 属于时期序列的有( )。
A .某公司“十五”计划期间产值B .某农场“十五”计划期间在校生人数C. 某企业十五”计划期间各年末利税额 D.某校十五”计划期间毕业人数E. 某企业十五”计划期间各年末工人数16. 编制动态序列的要求是( )。
A.时间长短统一一B.总体范围统一一C.指标计算方法统一一D. 指标经济内容统一E.指标计算价格计量单位统一17. 平均发展水平一般又可称之为( )。
A.平均增量B.动态平均数C.平均增减速度D.序时平均数E.平均发展速度18. 属于序时平均数的有( )。
A.动态平均数B.平均增量C.平均发展水平D.平均发展速度E.平均增减速度19. 时间序列速度指标有( )。
A.定基和环比增减速度B.定基和环比发展速度C.平均增减速度D.各一环比发展速度的序时平均数E. 各环比增减速度的序时平均数20. 间隔相等的时点序列计算序时平均数的方法( )。
A.简单算术平均法B.加权算术平均法C.简单序时平均法D.加权序时平均法E.首尾折半法21. 各个报告期水平与某一固定时期水平对比所形成的序列指标称为( )A.总速度B.定基发展速度C.累积发展速度D.定基增长速度E.累积增长速度22. 计算平均发展速度的方法有( )。
A.几何法B.简单序时平均法C.方程法D.加权序时平均法E.首尾折半法23. 平均增减速度的计算( )。
A. 可根据各个环比增长速度直接求得B. 不可根据各个环比增长速度直接求得C. 可根据各个环比发展速度的几何平均数求得D. 不可根据各个环比发展速度的几何平均数求得E. 等于平均发展速度-124. 测定长期发展趋势的方法有( )。
A.时距扩大法B.移动平均法C.首尾折半法D.最小二乘法E.季节比率法25. 直线y c=a+bt中的b表示()A. 趋势值B.趋势线的截距C.趋势线的斜率D.当t每变动一个单位时，y c的平均变化数额E.当t=0时，y c的值26. 对原有时间序列进行修匀并进行预测可采用（）。
A.移动平均法B.拟合趋势方程法C.月季平均法D.各种数学修匀法E.最小平方法27. 反映季节变动的指标有（）。
A.季节变差B.季节比率C.平均发展速度D.季节指数E.平均增减速度三、判断题1. 某厂产品产量2008 年比2007 年增长8%，2007 年比2006 年增长12%，则2006-2008年平均每年递增速度为9.98%。
（）2. 在相对数时间序列中，各个指标值是不能相加的，而在平均数时间序列中，各个指标值是可以相加的。