時間序列的速度分析2
發布時間：2010-01-14 共1頁
(二)時間序列的分解模型
把長期趨勢、季節變動、循環波動和不規則波動同時間序列的關系用一定的數學關系式表示出來，就構成了時間序列的分解模型。最常用的是乘法模型和加法模型。
1．乘法模型
當上述四種影響因素存在相互影響的關系時，則時間序列的各觀測值是該四種影響因素的乘積。乘法模型為：
y=T×S×C×I
由于在一年內會出現現象隨季節更迭而發生波動的情況，所
以，如果是以年為時間單位的時間序列，則不直接受季節變動的影響，上述乘法模型可變為：
y=T×C×I
2．加法模型
當前述四種影響因素存在相互獨立的關系時，則時間序列的各觀察值是該四種影響因素的和。加法模型為：
y=T+S+C+I
如果是以年為時間單位的時間序列，則不直接受季節變動的影響，上述加法模型可變為：
y=T+C+I
七、長期趨勢分析
將各影響因素分別從時間序列中分離出去并加以測定的過程，稱為時間序列的構成分析，包括長期趨勢分析、季節變動分析和循環波動分析等。這里主要介紹長期趨勢分析。
受眾多因素影響的時間序列，經過修勻后可以剔除季節變動、循環波動和不規則波動等因素的作用，從而使現象在長時期內呈現出逐漸上升或下降的基本變動趨勢。長期趨勢的測定主要是求趨勢值。測定長期趨勢的方法主要有擴時距法、移動平均法和最小二乘法。前兩種方法為非數學模型法，后者為數學模型法。
(一)擴時距法
擴時距法是通過擴時間序列觀測值所屬的時間單位，再根據新的時間單位計算相應的觀測值，從而形成一個新的時間序列。
把長期趨勢、季節變動、循環波動和不規則波動同時間序列的關系用一定的數學關系式表示出來，就構成了時間序列的分解模型。最常用的是乘法模型和加法模型。
1．乘法模型
當上述四種影響因素存在相互影響的關系時，則時間序列的各觀測值是該四種影響因素的乘積。乘法模型為：
y=T×S×C×I
由于在一年內會出現現象隨季節更迭而發生波動的情況，所
以，如果是以年為時間單位的時間序列，則不直接受季節變動的影響，上述乘法模型可變為：
y=T×C×I
2．加法模型
當前述四種影響因素存在相互獨立的關系時，則時間序列的各觀察值是該四種影響因素的和。加法模型為：
y=T+S+C+I
如果是以年為時間單位的時間序列，則不直接受季節變動的影響，上述加法模型可變為：
y=T+C+I
七、長期趨勢分析
將各影響因素分別從時間序列中分離出去并加以測定的過程，稱為時間序列的構成分析，包括長期趨勢分析、季節變動分析和循環波動分析等。這里主要介紹長期趨勢分析。
受眾多因素影響的時間序列，經過修勻后可以剔除季節變動、循環波動和不規則波動等因素的作用，從而使現象在長時期內呈現出逐漸上升或下降的基本變動趨勢。長期趨勢的測定主要是求趨勢值。測定長期趨勢的方法主要有擴時距法、移動平均法和最小二乘法。前兩種方法為非數學模型法，后者為數學模型法。
(一)擴時距法
擴時距法是通過擴時間序列觀測值所屬的時間單位，再根據新的時間單位計算相應的觀測值，從而形成一個新的時間序列。
