第八章时间序列分析
第八章时间序列分析
第⼋章时间序列分析第⼋章时间序列分析与预测【课时】6学时【本章内容】§ 时间序列的描述性分析时间序列的含义、时间序列的图形描述、时间序列的速度分析§ 时间序列及其构成分析时间序列的构成因素、时间序列构成因素的组合模型§ 时间序列趋势变动分析移动平均法、指数平滑法、模型法§ 时间序列季节变动分析[原始资料平均法、趋势-循环剔除法、季节变动的调整§ 时间序列循环变动分析循环变动及其测定⽬的、测定⽅法本章⼩结【教学⽬标与要求】1.掌握时间序列的四种速度分析2.掌握时间序列的四种构成因素3.掌握时间序列构成因素的两种常⽤模型4.掌握测定长期趋势的移动平均法5.了解测定长期趋势的指数平滑法6.；7.掌握测定长期趋势的线性趋势模型法8.了解测定长期趋势的⾮线性趋势模型法9.掌握分析季节变动的原始资料平均法10.掌握分析季节变动的循环剔出法11.掌握测定循环变动的直接法和剩余法【教学重点与难点】1.对统计数据进⾏趋势变动分析，利⽤移动平均法、指数平滑法、线性模型法求得数据的长期趋势；2.对统计数据进⾏季节变动分析，利⽤原始资料平均法、趋势－循环剔除法求得数据的季节变动；3.对统计数据进⾏循环变动分析，利⽤直接法、剩余法求得循环变动。
【导⼊】；很多社会经济现象总是随着时间的推移不断发展变化，为了探索现象随时间⽽发展变化的规律，不仅要从静态上分析现象的特征、内部结构以及相互关联的数量关系，⽽且应着眼于现象随时间演变的过程，从动态上去研究其发展变动的过程和规律。
这时需要⼀些专门研究按照时间顺序观测的序列数据的统计分析⽅法，这就是统计学中的时间序列分析。
通过介绍⼀些时间序列分析的例⼦，让同学们了解时间序列的应⽤，并激发学⽣学习本章知识的兴趣。
1.为了表现中国经济的发展状况，把中国经济发展的数据按年度顺序排列起来，据此来研究。
2.公司对未来的销售量作出预测。
这种预测对公司的⽣产进度安排、原材料采购、存货策略、资⾦计划等都⾄关重要。
第八章非平稳和季节时间序列模型分析方法
第八章非平稳和季节时间序列模型分析方法时间序列是指观测值按照时间顺序排列的一组数据，其中具有季节性和非平稳性的时间序列数据具有特殊的分析需求。
本文将介绍非平稳和季节时间序列的分析方法。
一、非平稳时间序列分析方法非平稳时间序列是指其统计特征在时间上发生了变化，无法满足平稳性的要求。
非平稳时间序列具有趋势性、周期性、季节性和不规则性等特征。
对于非平稳时间序列的分析，我们可以采用以下方法：1.差分法：差分法是通过对时间序列取一阶或多阶差分来消除趋势性的影响。
通过差分后的时间序列进行分析，我们可以得到一个稳定的时间序列，并进行后续的建模和预测。
2.移动平均法：移动平均法是通过计算一定窗口范围内的观测值的平均值来消除短期波动的影响，从而得到一个平滑的时间序列。
通过移动平均后的时间序列进行分析，我们可以在一定程度上消除非平稳性的影响。
3.分解法：分解法是将非平稳时间序列分解为趋势项、季节项和随机项三个部分。
通过分解后的各个部分进行分析，我们可以了解趋势、季节和随机成分在时间序列中的作用，从而更好地进行建模和预测。
二、季节时间序列分析方法季节时间序列是指具有明显季节性的时间序列数据。
对于季节时间序列的分析，我们可以采用以下方法：1.季节性指数：季节性指数是用来描述季节性的强度和方向的指标。
通过计算每个季节的平均值与总平均值之比，可以得到季节性指数。
根据季节性指数的变化趋势，我们可以判断时间序列的季节性变化情况，并进行后续的建模和预测。
2.季节性趋势模型：季节性趋势模型是一种常用的季节时间序列建模方法。
该模型将时间序列分解为趋势项、季节项和随机项三个部分，并通过对这三个部分进行建模来分析季节性时间序列。
常用的季节性趋势模型包括季节性自回归移动平均模型（SARIMA）、季节性指数平滑模型等。
总结起来，非平稳和季节时间序列模型的分析方法主要包括差分法、移动平均法和分解法等对非平稳时间序列进行分析，以及季节性指数和季节性趋势模型等对季节性时间序列进行分析。
第八章、非平稳时间序列分析
第八章、非平稳时间序列分析很多时间序列表现出非平稳的特性：随机变量的数学期望和方差随时间的变化而变化。
宏观经济数据形成的时间序列中有很多是非平稳时间序列。
非平稳时间序列与平稳时间序列具有截然不同的特征，研究的方法也很不一样。
因此，在对时间序列建立模型时，必须首先进行平稳性检验，对于平稳时间序列，可采用第七章的方法进行分析，对于非平稳时间序列，可以将采用差分方法得到平稳时间序列，然后采用平稳时间序列方法对差分数据进行研究，对于多个非平稳时间序列则可以采用协整方法对其关系进行研究。
8.1 随机游动和单位根8.1.1随机游动和单位根如果时间序列t y 满足模型t t t y y ε+=-1 （8.1）其中t ε为独立同分布的白噪声序列， ,2,1,)(2==t Var t σε，则称t y 为标准随机游动（standard random walk ）。
随机游动表明，时间序列在t 处的值等于1-t 时的值加上一个新息。
如果将t y 看作一个质点在直线上的位置，当前位置为1-t y ，则下一个时刻质点将向那个方向运动、运动多少（t ε）是完全随机的，既与当前所处的位置无关（t ε与1-t y 不相关），也与以前的运动历史无关（t ε与 ,,32--t t y y 不相关），由质点的运动历史和当前位置不能得出下一步运动方向的任何信息。
这便是 “随机游动”的由来。
随机游动时间序列是典型的非平稳时间序列。
将（8.1）进行递归，可以得出010211y y y y t s s t t t t t t t +==++=+=∑-=----εεεε （8.2）。
如果初始值0y 已知，则可以计算出t y 的方差为2)(σt y Var t =。
由此看出随机游动在不同时点的方差与时间t 成正比，不是常数，因此随机游动是非平稳时间序列。
下图给出了随12机游动时间序列图：图8.1 随机游动时间序列图将随机游动（8.1）用滞后算子表示为t t y L ε=-)1( （8.3），滞后多项式为L L -=Φ1)(。
第8章 时间序列趋势分析
我国年末人口数（万人） 我国人口自然增长率（‰）
某厂职工年平均工资（元/人）
12000
13000
15000……
.
时间序列的构成要素
现象在各时间上的指标数值 时间序列分析的目的
描述现象在过去时间的状态。 分析现象发展变化的规律性。 根据现象的过去行为预测其未来行为。 将相互联系的时间序列进行对比，研究有关现象之 间的联系程度。
4.
不规则变动 (Irregular Variations )
包括随机变动和突然变动。 随机变动—现象受到各种偶然因素影响而呈现出方 向不定、时起时伏、时大时小的变动。 突然变动—战争、自然灾害或其它社会因素等意外 事件引起的变动。影响作用无法相互抵消，影响幅 度很大。 一般只讨论有随机波动而不含突然异常变动的情况。 随机变动与时间无关，是一种无规律的变动，难以 测定，一般作为误差项处理。
8.2.2 长期趋势的测定
长期趋势分析主要是指长期趋势的测定，采用一定的方法
对时间序列进行修匀，使修匀后的数列排除季节变动、循环
.
变动和无规则变动因素的影响，显示出现象变动的基本趋势， 作为预测的依据。
测定长期趋 势的方法
移动平均法 趋势方程拟和法(数学模型法)
.
研究长期趋势的目的和意义
1. 认识和掌握现象随时间演变的趋势和规律，为 制定相关政策和进行管理提供依据；
表8- 2 1981-1998年我国汽车产量数据
年 份
1981 1982 1983 1984 1985 1986 1987 1988 1989
产量(万辆)
17.56 19.63 23.98 31.64 43.72 36.98 47.18 64.47 58.35
时间序列分析课后习题解答
第八章 时间序列分析一、选择题1.设（甲）代表时期数列；（乙）代表时点数列；（丙）代表几何序时平均数；（丁）代表“首末折半法”序时平均数。
现已知1996～2000年某银行的年末存款余额，要求计算各年平均存款余额，需计算的是（ D ）。
A.甲、丙B.乙、丙C.甲、乙D.乙、丁2.某商业集团2000～2001年各季度销售资料如表8—1所示。
表8—1资料中，是总量时期数列的有（ D ）。
A.1、2、3B.1、3、4C.2、4D.1、33.某地区粮食增长量1990～1995年为12万吨，1996～2000年也为12万吨。
那么，1990～2000年期间，该地区粮食环比增长速度（ D ）。
A.逐年上升B.逐年下降C.保持不变D.不能做结论4.利用第2题数据计算零售额移动平均数（简单，4项移动平均），2001年第二季度移动平均数为（ A ）。
A.47.5B.46.5C.49.5D.48.45.利用第3题数据计算2000年商品季平均流转次数（=零售额/库存额）（ C ）。
A.1.885B.1.838C.1.832D.1.829二、判断题1.连续12个月逐期增长量之和等于年距增长量。
（×）2.计算固定资产投资额的年平均发展速度应采用几何平均法。
（×）3.用移动平均法分析企业季度销售额时间序列的长期趋势时，一般应取4项进行移动平均。
（√）4.计算平均发展速度的水平法只适合时点指标时问序列。
（×）5.某公司连续四个季度销售收入增长率分别为9％、12％、20％和18％，其环比增长速度为0.14％。
（×）三、计算题1.某地区“九五”时期国内生产总值资料如表8—2所示。
试计算该地区“九五”时期国内生产总值和各产业产值的平均发展水平。
表8—2 单位：百万元解：国内生产总值和各产业产值均为时期指标，应采用时期指标序时平均数计算公式计算。
计算公式：国内生产总值平均发展水平：第一产业平均发展水平：第二产业平均发展水平：第三产业平均发展水平：2.某企业2000年8月几次员工数变动登记如表8—3所示。
第八章 季节性时间序列分析方法
81❝§8.1 季节性时间序列的重要特征82❝§8.2 季节性时间序列模型❝§8.3 季节性检验❝§8.4 季节性时间序列模型的建立所谓是指具有某种周期性变化季节性时间序列，是指具有某种周期性变化规律的随机序列，并且这种周期性的变化规律往往是由于季节变化引起由于季节变化引起。
如果一个随机序列经过个时间间隔后观测数据呈现相似性比如同处于波峰或波谷则我们称该序S 呈现相似性，比如同处于波峰或波谷，则我们称该序列具有以为周期的周期特征，并称其为季节性时S 间序列，为季节长度。
S季节性时间序列存在着规则的周期如果我们把季节性时间序列存在着规则的周期，如果我们把原序列按周期重新排列，即可得到一个所谓的二维表。
对于季节性时间序列按周期进行重新排列是极其有益的不仅有助于考察同周期点的变化情况加有益的，不仅有助于考察同一周期点的变化情况、加深对序列周期性的理解，而且对于形成建模思想和理解季节模型的结构也都是很有帮助的。
影响一个季节性时间序列的因素除了季节因素外❝影响一个季节性时间序列的因素除了季节因素外，往往还存在趋势变动和随机变动等。
t t t tX S T I =++❝研究季节性时间序列的目的，就是分解影响经济指标变动的季节因素、趋势因素和随机因素，从而了解它们对经济的影响。
❝1. 简单季节模型❝2. 乘积季节模型季节性时间序列表现出也就是说时间 同期相关性，也就是说时间相隔为的两个时间点上的随机变量有较强的相关性。
比如对于月度数据S 12比如，对于月度数据则与相关性较强。
我们可以利用这种同期相关性在与之12,S =t X 12t X -t X 12t X -间进行拟合。
简单季节模型通过简单的趋势差分季节差分之通过简单的趋势差分、季节差分之后序列即可转化为平稳，它的模型结构通常表示如下：()(1)(),(*)S S D St tB B X B aΦ-=ΘSAR算子其中为白噪声序列,{}ta2()1,S S S pSB B B BΦ=-Φ-Φ--Φ12212()1.pS S S qSqB B B BΘ=-Θ-Θ--ΘSMA算子称（*）为简单季节模型，或季节性自回归求和移动SARIMA p D q平均模型，简记为模型。
时间序列分析与预测课后习题答案
22 7336 18 0766 20 2040
第八章 时间序列分析与预测
练习题第五题答案
2000
季度 销售量
长期趋势
一季度 13 1
9 3324
二季度 13 9
9 9722
三季度 79
10 6121
四季度 86
11 2519
2001
Y/T 销售量 长期趋势
1 4037 10 8
11 8918
1 3939 11 5
9
2 10
10
2 50
Y 1 1 = 0 . 3 6 5 3 3 3 + 0 . 1 9 2 6 4 8 1 1 = 2 . 4 8 6 6 6 7
2024/1/18
第八章 时间序列分析与预测
练习题第五题
某县2000—2003年各季度鲜蛋销售量如表所示单位:万公斤 1用移动平均法消除季节变动 2拟合线性模型测定长期趋势 3预测2004年各季度鲜蛋销售量
13 95 0 987174
2024/1/18
第八章 时间序列分析与预测
练习题第五题答案
2用线形趋势模型法测定时间序列的长期趋势
年份 2000 2001 2002 2003
季度 一 二 三 四 一 二 三 四 一 二 三 四 一 二 三 四
2024/1/18
销售量
13 1 13 9
t 1 3 6 ， t= 8 .5 ， t2 = 1 4 9 6
0 9177 17 5
15 0910 1 1596
20 0 17 6504 1 1331 1 1511 1 1472 20 2099
0 7364 16 0
15 7309 1 0171
16 9 18 2903 0 9240 0 8555 0 8526 20 8497
统计学第八章 时间序列分析
季节指数
乘法模型中的季节成分通过季节指数来反映。 季节指数（季节比率）：反映季节变动的相
对数。 1、月(或季)的指数之和等于1200%(或
400%) 。 2、季节指数离100％越远，季节变动程度
越大，数据越远离其趋势值。
用移动平均趋势剔除法计算季节指数
1、计算移动平均值(TC)，移动期数为4或 12，注意需要进行移正操作。
移动平均的结果 4000 3500 3000 2500 2000 1500 1000 500 0
Example 2
移动平均法可以作为测定长期趋势的一种 较为简单的方法，在股市技术分析中有广 泛的应用。比如对某只股票的日收盘价格 序列分别求一次5日、10日、一个月的移动 平均就可以得到其5日、10日、一个月的移 动平均股价序列，进而得到5日线、10日线、 月线，用以反映股价变动的长期趋势。
1987 1800 1992 1980 1997 2880
1988 1620 1993 2520 1998 3060
1989 1440 1994 2559 1999 2700
4000
3500
销售收入
3000
2500
2000
1500
1000
500
0
年份
2000 2001 2002 2003 2004
销售 收入 3240 3420 3240 3060 3600
部分数据
销售 收入
t
1985 1080
1
1986 1260
2
1987 1800
3
1988 1620
4
1989 1440
5
……
…
2003 3060
19
第8章时间序列趋势分析
第8章时间序列趋势分析时间序列趋势分析是一种用于分析时间序列数据中趋势变化的方法。
它可以帮助我们理解时间序列数据中的长期趋势，并预测未来的发展趋势。
本章将介绍时间序列趋势分析的基本概念和常用方法。
1.时间序列的趋势：时间序列是按照时间先后顺序排列的一系列数据观测值的集合。
时间序列的趋势是指其长期平均水平的变化趋势，包括上升、下降或平稳变化。
趋势可以是线性的，也可以是非线性的。
2.趋势分析的目的：趋势分析的目的是识别和描述时间序列数据中的趋势变化，以便预测未来的发展趋势。
趋势分析可以帮助我们了解时间序列数据的长期变化趋势，从而做出有效的决策。
3.常用的趋势分析方法：(1)平均移动方法：平均移动方法是一种简单的趋势分析方法，它利用移动平均值来平滑原始数据，从而识别出数据的长期趋势。
平均移动方法有简单移动平均法、加权移动平均法和指数移动平均法等。
(2)线性趋势分析：线性趋势分析是一种通过拟合线性模型来描述时间序列数据的趋势变化的方法。
它可以用来估计趋势的斜率和截距，从而判断趋势的上升或下降趋势。
(3)非线性趋势分析：非线性趋势分析是一种通过拟合非线性模型来描述时间序列数据的趋势变化的方法。
它可以用来捕捉数据中的曲线、周期性和季节性等非线性特征。
(4)季节性调整：季节性调整是一种用来消除时间序列数据季节性变化影响的方法。
它可以使得数据更加稳定，更容易分析长期趋势。
4.趋势分析的应用领域：时间序列趋势分析在许多领域都有广泛的应用，包括经济学、金融学、市场研究、气象学、环境科学、交通规划等。
它可以用来预测市场走势、分析经济周期、预测天气变化等。
5.趋势分析的局限性：趋势分析的结果受到许多因素的影响，如数据质量、样本大小和选择的分析方法等。
此外，趋势分析只能应用于具有明显趋势的时间序列数据，对于无趋势或具有周期性的数据效果不佳。
总结起来，时间序列趋势分析是一种用于分析时间序列数据中趋势变化的方法。
它可以帮助我们理解时间序列数据的长期趋势，并预测未来的发展趋势。
第八章 时间序列
环比 定基 环比 定基
120.2 120.2 20.2 20.2
113.8 136.8 13.8 36.8
117.7 161.0 17.7 61.0
108.6 174.8 8.6 74.8
33
三、平均发展速度和平均增长速度
1. 观察期内各环比发展速度 的平均数 2. 说明现象在整个观察期内平均发展变化的 程度
动态速度指标
10
第二节
时间序列的水平分析
一、发展水平
• 是时间序列中每一项具体的指标数值。说明
现象在某一时间上所达到的水平。可是绝对数、 相对数、平均数。
• 假如时间序列为： a 0
a1
a 2 an 1 an
• a 0 叫最初水平， an 叫最末水平。 • 还有中间各项水平、基期水平和报告期水平
ai a0 ai Gi 1 a0 a0
(i 1,2,, n)
32
发展速度与增长速度的计算
第三产业国内生产总值速度计算表
年 份
国内生产总值(亿元)
2004
14930.0 — — — —
2005
17947.2
2006
20427.5
2007
24033.3
2008
26104. 3
发展速度 (%) 增长速度 (%)
18
日期 人数
•
12.31 1000
1.31 1050
3.31 1070
6.30 1100
• 求前半年的平均人数 。 1月份平均人数= (1000 1050) 2、3月份平均人数= (1050 1070)
2
2
1025
1060
4、5、6月份平均人数= (1070 1100)
- 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)。
a1 f1 a2 f 2 an f n a f1 f 2 f n
af f
26
• [例3] 某企业2002年4月上旬职工出勤人数
• 则4月上旬职工人平均每日出勤人数
250 3 262 2 258 2 266 1 272 2 • = 3 2 2 1 2
18
二、平均发展水平
•
–
平均发展水平
平均发展水平是动态数列中各不同时期发 展水平计算的平均数，又称序时平均数或 动态平均数。
19
（一）总量指标序时平均数
• 首先，判断所要计算的绝对数序列的类型。
时期序列 绝对数序列 时点序列 间隔不等的时点序列 连续时点序列
间隔相等的时点序列
其次，根据不同序列的类型选择不同的计算 方法。 20
7
时期序列
经济指标 计量单 位 2004 2005 2006 2007 2008 2009 2010 2011
2.旅游收入
千万元
550
643
794
913
835
1002
1253.20
1673.14
外汇收入
万美元
17303
25727
23494
23918
20045
14685 27695.76
34652.93
• =260（人）
27
（2）由间断时点序列计算序时平均数 （间隔一段时间对现象在某一时点上的状态登记数据） – 第一种，间隔相等的间隔时点数列。 – 如果掌握了间隔相等的每期期末资料，如商 业企业中职工人数和商品库存等月末数字，可采 用简单算术平均法计算序时平均数 – 间隔相等的间断时点数列序时平均数的计算公式：
2010
2011
3041.39
2404.82 124.70
126.47
年增长率
境外游客 2.旅游收入 游客人均旅游 消费
%
万人次 千万元 元
/
90.33 550 3419
14.53
128.79 643 3046
15.31
127.48 794 2827
12.08
125.90 913 2587
-10.60
– 由总量指标动态数列计算序时平均数 1、由时期数列计算序时平均数
a1 a 2 a n a a n n
– – –ຫໍສະໝຸດ 式中—— 序时平均数 a —— 各时期发展水平 n —— 时期项数
a
21
[例1] 某商业企业2002年各月商品销售额资料 如表所示。
22
如：第一季度月平均销售额= • 440 480 520 480 （万元） • 第二季度月平均销售额= 3 • 540 600 660 600 • 第三季度月平均销售额= （万元） 3 • 760 700 820 760 （万元） • 第四季度月平均销售额= 3 • 全年月平均销售额 300 400 380 440 480 520 540 600 660 760 700 820 • = 12 = 550(万元)
门票收入
万元
56718
73065
95965
111204
86214
91005 126585.02
163999.03
8
• 时期数列的特点： （l）数列中每一个指标，都是表示社会经 济现象在一定时期内发展过程的总量。 （2）数列中的各个指标是可以相加的。 （3）时期数列中，每个指标数值的大小与 时期长短有直接关系。 （4）时期数列中每一个指标数值，通常都 是通过连续不断的登记取得的。
2004-2011年张家界旅游接待人数时间序列
经济指标
1.景点接待旅 游人数 发展速度
计量单 位
万人次 %
2004
1268.99 /
2005
1453.36 114.53
2006
1675.80 115.31
2007
1878.20 112.08
2008
1679.13 89.40
2009
1928.42 114.85
14
第二节、时间序列的水平分析指标
发 展 水 平
平 均 发 展 水 平
增 长 量
平 均 增 长 量
15
一、发展水平
• 发展水平 – 发展水平是指时间数列中的每一项具 体指标数值，它反映了某种社会经济现象 在不同时间上所达到的水平，也是计算各 项动态分析指标的基础。 – 发展水平一般是时期或时点总量指标， 如销售额、在册工人数等；也可以是平均 指标，如：平均工资、单位产品成本等； – 还可以是相对指标，如：计划完成程度、 商品流转次数等。
300 400 380 360 （万元） 3
23
2、由时点数列计算的序时平均数 （1）由连续时点（逐日登记）数列计算序时平均数 第一种，间隔相等的连续时点数列
a1 a 2 a n a a n n [例2] 某专业学生星期一至星期五出勤人数资料如表
24
– 计算该专业学生平均每天出勤人数。
5
时间序列示图
6
二、时间序列的类型
（一）总量指标（绝对数）时间序列 总量指标时间数列是指将反映某种社会经济 现象的一系列总量指标按时间的先后顺序排列而 形成的数列。总量指标动态数列反映了社会经济 现象总量在各个时期所达到的绝对水平及其发展 变化过程。 1、时期数列。是指由时期总量指标编制而成 的动态数列。在时期数列中，每个指标都反映某 社会经济现象在一定时期内发展过程的总量。
2004-2011年游客单次旅游消费年际变化 游客单次旅游消费 4000 3500
年增长率
年增长率
2004
2005
2006
2007
2008
2009
2010
2011
2012
旅游消费（元）
3000 2500 2000 1500 1000 500 0 2003 2004 2005 2006 2007 年度 2008 2009 2010 2011 2012
115.31
112.08
89.40
114.85
124.70
126.47
年增长率
%
/
14.53
15.31
12.08
-10.60
14.85
24.70
26.47
12
（三）平均数动态数列 • 由一系列同类平均指标按照时间的先后顺序排 列而成的动态数列。反映的是社会经济现象一般水 平的发展过程及其变动趋势。 2004-2011年张家界游客人均旅游消费年际变化
经济指标 计量单 位 2004 2005 2006 2007 2008 2009 2010 2011
游客人均旅游 消费
元
3419
3046
2827
2587
2961
2694
2167
1809
13
三、编制动态数列的原则
• • • • • • 保证数列中各个指标数值的可比性，是编 制动态数列的基本原则。 它要求： （一）时间长短因该前后一致； （二）总体范围应该统一； （三）计算方法应该统一； （四）经济内容要统一。
a 160 156 162 158 154 158 a
n 5
（人）
– 由计算可知，该专业学生本星期平均每天出勤人 数为158人
25
– 第二种，间隔不等的连续时点数列 – 如果被研究现象不是逐日变动的，而是每隔一段 时间变动一次，则可根据每次互动的记录资料， 用每次变动持续的间隔时间为权数（f）对其时 点水平（a）加权，应用加权算术平均法计算序 时平均数。其计算公式为：
an a1 a 2 a3 2 a 2 n 1
– 式中：n —— 时点数列的项数
28
[例4] 某企业2002年第四季度职工人数资料如表所示。 计算该企业第四季度平均职工人数
• 第四季度平均职工人数为
250 242 242 246 246 244 2 2 2 3 250 244 242 246 2 2 =245（人） 3
105.85 835 2961
14.85
80.68 1002 2694
24.70
148.83 1253.20 2167
26.47
182.38 1673.14
1809
• • •
时间数列由两个基本要素构成： 一是被研究现象所属的时间； 二是反映现象在各个时间上的发展水平（指标数值）， 亦称动态水平。
3
图形描述
2004-2011年张家界旅游景区接待人数
3500.00 3000.00 2500.00
年接待量
2000.00 1500.00 1000.00 500.00 0.00 2003 2004 2005 2006 2007 2008 年度 2009 2010 2011 2012 万人次
2004-2011年张家界旅游收入
17
•
为了计算动态分析指标，需要将不同时 间的发展水平进行比较。 • 对比时把所要研究的那个时期（时点） 的发展水平叫做报告期发展水平（或计算期 水平），简称报告期水平； • 把用来作为对比基础时期（时点）的发 展水平叫做基期发展水平，简称基期水平。 • 报告期水平和基期水平不是固定不变的。 它根据研究目的的不同和时间的变更而改变。
第八章 时间序列分析
• • • • 第一节 第二节 第三节 第四节 时间序列分析的意义和种类 时间序列水平分析指标 时间序列速度分析指标 时间序列的趋势分析和预测
1
第一节 时间序列（动态数列）概述
• 一、时间序列的概念 • 时间序列是指将同类社会经济现象在不同时间上发展变化