|
2003-6-17
阅读次数:次
时间序列法是一种定量预测方法，亦称简单外延方法。在统计学中作为一种常用的预测手段被广泛应用。
时间序列法的方法之一是把一个时间序列的数值变动，分解为几个组成部分，通常分为：（1）倾向变动，亦称长期趋势变动T；（2）循环变动，亦称周期变动C；（3）季节变动，即每年有规则地反复进行变动S；（4）不规则变动，亦称随机变动I等。然后再把这四个组成部分综合在一起，得出预测结果。
对这种预测方法的构成，包括把时间序列分解为上述四个组成部分等均持有一些不同的观点，例如经济计量学家廷特纳认为时间序列包含平滑部分和随机部分；麦考利则怀疑是否真正存在着可用直线或简单多项式来表示的有规则的持续变动。但无论如何，多数专家认为分为四个组成部分对系统进行分析研究是有用的，只是如何分解这四个部分和这四个部分如何相互作用均值得探讨，是相乘还是相加？或者既相乘又相加。即：Yt=T×S×C×I，Yt=T＋S＋C＋I，Yt=T×S＋C×I。通常采用相乘关系。事实上每个组成部分都是在另外各个组成部分的基础上起作用的，因此采用相乘关系是有根据的，且在实践分析中效果较好。上述方法适合于短期预测和库存预测。
时间序列法的另一种方法是把预测对象、预测目标和对预测的影响因素都看成为具有时序的，为时间的函数，而时间序列法就是研究预测对象自身变化过程及发展趋势。如果未来趋势是线性的，其数学模型为：
YT+L=aT+ bTL
其中YT+L未来预测值，aT为截距，bT为斜率，L为由T到需要预测的单位时间数（如5年、10年等）。
时间序列法的第三种方法是根据预测对象与影响因素之间的因果关系及其影响程度来推算未来。与目标的相关因素很多，只能选择那些因果关系较强的为预测影响的因素。设影响因素自变量为X，因变量Y为预测目标，若为线性关系，则为Y=a+bX；若为非线性，则可能为Y=a+b1X+b2X2…或其它方程，式中a、b均为议程系数，可依靠统计或其他方法取值。
上述时间序列法用于短期预测比较有效，若用于长期预测，还必须结合其它方法才行。
|
English
继续教育
