《教学课件（07）第7章时间序列分析（Exce1-l）.pptx》由会员分享，可在线阅读，更多相关《教学课件（07）第7章时间序列分析（Exce1-l）.pptx（32页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、教材配套资源页完整PPT课件教学课件（07）第7章 时间序列分析（Exce1-l）8 - 22022-7-9数据分析基础Excel实现（贾俊平）课程结构第1章 数据分析概述第2章 数据处理第3章 数据可视化分析第4章 数据的描述分析第5章 推断分析基本方法第6章 相关与回归分析第7章 时间序列分析8 - 32022-7-9数据分析基础Excel实现（贾俊平）8 - 42022-7-9数据分析基础Excel实现（贾俊平）l 学习目标学习目标掌握各种增长率的计算方法和应用场合。了解时间序列的成分。掌握平滑法预测和趋势预测的方法和应用。使用Excel进行预测l 思政目标思政目标时间序列社会经济数据的
2、常见形式。学习时间序列应重点结合我国的宏观经济和社会数据、企业经营管理数据学习时间序列方向和预测方法的具体应用。进行时间序列分析应选择反映中国特色社会主义建设成就的数据，分析我国社会经济发展的成就，分析未来的发展方向和趋势学习目标和思政目标8 - 52022-7-9数据分析基础Excel实现（贾俊平） 增长率分析8 - 62022-7-9数据分析基础Excel实现（贾俊平） 增长率分析8 - 72022-7-9数据分析基础Excel实现（贾俊平） 增长率分析8 - 82022-7-9数据分析基础Excel实现（贾俊平）【例【例7-1】 表7-1是2011年2020年我国的居民消费水平数据，计算
3、（1）20112020年的环比增长率（2）以2011年为固定基期的定基增长率（3）20112020年的年平均增长率并根据年平均增长率预测2021年和2022年的居民消费水平 增长率分析年份年份居民消费水平居民消费水平2011126682012140742013155862014172202015188572016208012017229692018252452019275042020274388 - 92022-7-9数据分析基础Excel实现（贾俊平）解：解：（1）根据式（7.1）计算环比增长率时，首先在Excel工作表中第2个观测值的右侧单元格输入公式：=(B3/B2)-1)*100，然后
4、向下复制，直至最后一个观测值的右侧单元格。（2）根据式（7.2）计算定基增长率时，首先在在Excel工作表中第2个观测值的右侧单元格输入公式：=(B3/$B$2)-1)*100，公式中的符号“$”表示对单元格的绝对引用。然后向下复制，直至最后一个观测值的右侧单元格 增长率分析年份年份居民消费水平居民消费水平环比增长率环比增长率%定基增长率定基增长率%20111266820121407411.1011.1020131558610.7423.0320141722010.4835.932015188579.5148.8620162080110.3164.2020172296910.4281.3220
5、18252459.9199.282019275048.95117.11202027438-0.24116.598 - 102022-7-9数据分析基础Excel实现（贾俊平） 增长率分析8 - 112022-7-9数据分析基础Excel实现（贾俊平）【例例7-2】已知某企业的如下数据，计算年化增长率。（1）2020年1月份的净利润为25亿元，2021年1月份的净利润为30亿。（2）2020年3月份销售收入为240亿元，2022年6月份的销售收入为300亿元。（3）2022年1季度出口额为5亿元，2季度出口额为5.1亿元。（4）2019年4季度的工业增加值为28亿元，2022年4季度的工业增加值
6、为35亿元 增长率分析8 - 122022-7-9数据分析基础Excel实现（贾俊平）l首先，当时间序列中的观测值出现0或负数时，不宜计算增长率。例如，假定某企业连续5年的利润额（单位：万元）分别为5000、2000、0、-3000、2000万元，对这一序列计算增长率，要么不符合数学公理，要么无法解释其实际意义。在这种情况下，适宜直接用绝对数进行分析l其次，在有些情况下，不能单纯就增长率论增长率，要注意增长率与绝对水平的结合分析。由于对比的基数不同，大的增长率背后，其隐含的绝对值可能很小，小的增长率背后，其隐含的绝对值可能很大。在这种情况下，不能简单地用增长率进行比较分析，而应将增长率与绝对水
7、平结合起来进行分析 增长率分析8 - 132022-7-9数据分析基础Excel实现（贾俊平）l时间序列的成分是影响因素就是时间序列的要素（components）l一个时间序列通常可以分解为4种成分：趋势、季节波动、循环波动和不规则波动趋势趋势（trend）趋势时间序列在一段较长时期内呈现出来的持续向上或持续向下的变动季节波动（季节波动（seasonal fluctuation）时间序列在一年内重复出现的周期性波动，也称季节性（seasonality）循环波动（循环波动（cyclical fluctuation）时间序列呈现出的非固定长度的周期性变动，也称为周期性（cyclity）不规则波动（
8、不规则波动（irregular variations）时间序列中除去趋势、季节波动和循环波动之后剩余的波动，也称随机波动（randomfluctuation）各成分的关系 时间序列的成分和预测方法8 - 142022-7-9数据分析基础Excel实现（贾俊平）l不同成分的时间序列l一个时间序列可能由一种成分组成，也可能同时含有几种成分。观察时间序列的图形就可以大致判断时间序列所包含的成分，为选择适当的预测模型奠定基础01020304010203040506070（ a） 含 有 趋 势 成 分 的 序 列时 间观测值010203040304050607080（ b） 含 有 季 节 和 趋 势
9、 成 分 的 序 列时 间观测值010203040152025303540（ c） 含 有 周 期 成 分 的 序 列时 间观测值010203040304050607080（ d） 随 机 波 动 的 序 列时 间观测值 时间序列的成分和预测方法8 - 152022-7-9数据分析基础Excel实现（贾俊平）一个具体的时间序列，它可能只含有一种成分，也可能同时含有几种成分。含有不同成分的时间序列所用的预测方法是不同的。时间序列预测时通常包括以下几个步骤：第1步，确定时间序列所包含的成分第2步，找出适合该时间序列的预测方法第3步，对可能的预测方法进行评估，以确定最佳预测方案第4步，利用最佳预测方
10、案进行预测，并分析其预测的残差，以检查模型是否合适【例【例7-3】表7-3是某智能产品制造企业2006年2021年的净利润、产量、管理成本和销售价格的时间序列。绘制图形观察其所包含的成分 时间序列的成分和预测方法年份年份净利润（万元）净利润（万元）产量（台）产量（台）管理成本（万元）管理成本（万元） 销售价格（万元）销售价格（万元）2006120025271892007175084602332008293812473213200931252141212302010325021612622320113813354172240201246164202182082013412551422720920
11、145386626254208201553137852231982016625010062262232017562315262321952018600021562002022019656329271812272020668241951532542021750066921192228 - 162022-7-9数据分析基础Excel实现（贾俊平） 时间序列的成分和预测方法净利润呈现一定的线性趋势；产量呈现一定的指数变化趋势；管理成本则呈现出一定的抛物线变化形态；销售价格则没有明显的趋势，呈现出一定的随机波动0100020003000400050006000700080002006200720082
12、009201020112012201320142015201620172018201920202021净利润净利润年份年份0100020003000400050006000700080002006200720082009201020112012201320142015201620172018201920202021产量产量年份年份0501001502002503002006200720082009201020112012201320142015201620172018201920202021管理成本管理成本年份年份0501001502002503002006200720082009201020
13、112012201320142015201620172018201920202021销售价格销售价格年份年份8 - 172022-7-9数据分析基础Excel实现（贾俊平） 时间序列的成分和预测方法预测方法预测方法适合的数据模式适合的数据模式对数据的要求对数据的要求预测期预测期移动平均移动平均平稳序列平稳序列数据个数与移动数据个数与移动平均的步长相等平均的步长相等非常短非常短简单指数平滑简单指数平滑平稳序列平稳序列5个以上个以上短期短期一元线性回归一元线性回归线性趋势线性趋势10个以上个以上短期至中期短期至中期指数曲线指数曲线非线性趋势非线性趋势10个以上个以上短期至中期短期至中期多项式函数多
14、项式函数非线性趋势非线性趋势10个以上个以上短期至中期短期至中期8 - 182022-7-9数据分析基础Excel实现（贾俊平） 平滑法预测8 - 192022-7-9数据分析基础Excel实现（贾俊平） 平滑法预测8 - 202022-7-9数据分析基础Excel实现（贾俊平） 平滑法预测8 - 212022-7-9数据分析基础Excel实现（贾俊平）年份年份销售价格销售价格移动平均预测移动平均预测指数平滑预测指数平滑预测k=3预测误差预测误差 =0.3预测误差预测误差2006189#N/A#N/A#N/A#N/A2007233#N/A#N/A189.0044.002008213#N/A#N
15、/A202.2010.802009230211.6718.33205.4424.562010223225.33-2.33212.8110.192011240222.0018.00215.8724.132012208231.00-23.00223.11-15.112013209223.67-14.67218.57-9.572014208219.00-11.00215.70-7.702015198208.33-10.33213.39-15.392016223205.0018.00208.7714.232017195209.67-14.67213.04-18.042018202205.33-3.33
16、207.63-5.632019227206.6720.33205.9421.062020254208.0046.00212.2641.742021222227.67-5.67224.78-2.782022#N/A234.33#N/A223.95#N/A 平滑法预测8 - 222022-7-9数据分析基础Excel实现（贾俊平）【例【例7-4】简单指数平滑预测的2007年的误差较大（3期移动平均不能预测2007年的值），而其他年份的预测误差与移动平均预测的误差相差不大，说明两种方法的预测效果差不多。从残差的分布看，分布基本上在零轴附近随机分布，没有明显的固定模式，说明所选的预测方法基本上是合理的
17、（读者可选择不同的移动平均步长和平滑系数进行预测，比较不同方法的预测效果） 平滑法预测05010015020025030020062007200820092010201120122013201420152016201720182019202020212022销售价格销售价格年份年份销售价格销售价格移动平均预测移动平均预测指数平滑预测指数平滑预测-30-20-1001020304050200620082010201220142016201820202022预测误差预测误差年份年份移动平均预测误差移动平均预测误差指数平滑预测误差指数平滑预测误差8 - 232022-7-9数据分析基础Excel实现
18、（贾俊平） 趋势预测8 - 242022-7-9数据分析基础Excel实现（贾俊平） 趋势预测年份年份净利润净利润预测值预测值残差残差200612001804.18-604.18200717502181.40-431.40200829382558.63379.37200931252935.86189.14201032503313.08-63.08201138133690.31122.69201246164067.54548.46201341254444.76-319.76201453864821.99564.01201553135199.21113.79201662505576.44673.5
19、6201756235953.67-330.67201860006330.89-330.89201965636708.12-145.12202066827085.35-403.35202175007462.5737.4320227839.808 - 252022-7-9数据分析基础Excel实现（贾俊平） 趋势预测【例【例7-57-5】预测图和残差图预测图和残差图010002000300040005000600070008000900020062007200820092010201120122013201420152016201720182019202020212022净利润净利润年份年份 =
20、1426.95+377.226 净利润净利润预测值预测值-800-600-400-200020040060080020052010201520202025残差残差年份年份8 - 262022-7-9数据分析基础Excel实现（贾俊平） 趋势预测8 - 272022-7-9数据分析基础Excel实现（贾俊平） 趋势预测年份年份产量产量预测预测残差残差20062555.44-30.4420078475.638.372008124103.1820.822009214140.7773.232010216192.0523.952011354262.0291.982012420357.4762.53201
21、3514487.7026.302014626665.36-39.362015785907.76-122.76201610061238.45-232.45201715261689.62-163.62201821562305.14-149.14201929273144.90-217.90202041954290.58-95.58202166925853.63838.3720227986.11010002000300040005000600070008000900020062007200820092010201120122013201420152016201720182019202020212022
22、产量产量年份年份产量产量预测值预测值8 - 282022-7-9数据分析基础Excel实现（贾俊平） 趋势预测8 - 292022-7-9数据分析基础Excel实现（贾俊平）【例【例7-77-7】 趋势预测年份年份tt2管理成本管理成本预测值预测值残差残差200611273.3323.672007246051.009.002008397393.02-20.022009416121129.40-8.402010525126160.13-34.132011636172185.22-13.222012749218204.6613.342013864227218.458.552014981254226
23、.6027.40201510100223229.11-6.11201611121226225.970.03201712144232217.1814.82201813169200202.75-2.75201914196181182.67-1.67202015225153156.95-3.95202116256119125.58-6.582022 1728988.5605010015020025030020062007200820092010201120122013201420152016201720182019202020212022管理成本管理成本年份年份管理成本管理成本预测值预测值-40-30-20-100102030402004200620082010201220142016201820202022残差残差年份年份8 - 302022-7-9数据分析基础Excel实现（贾俊平）思维导图思维导图确定确定成分成分选择选择方法方法方法方法评估评估8 - 312022-7-9数据分析基础Excel实现（贾俊平） THANKS THE END2022-7-9 THE END THANKS8 - 322022-7-9数据分析基础Excel实现（贾俊平）本课件制作整理者：郭迎春 仅可用于教学、学习、交流使用 如内容、图片、字体等有侵权，请联系删除。