时间序列的构成因素和分解模型

研究时间序列的一个重要目的,就是要掌握事物发展变化的规律和趋势,对现象未来发展的可能状态进行认识,为经济决策服务。时间序列的趋势分析提供了一系列有效的方法。

(一)时间序列的构成因素

时间序列的形成是各种不同的影响事物发展变化的因素共同作用的结果。影响事物发展变化的因素很多,有起决定性作用的基本因素,也有起临时作用的、局部作用的偶然因素。影响时间序列的因素归纳起来有四类,即长期趋势、季节变动、循环波动和不规则变动。

1.长期趋势

长期趋势是指现象在一段较长时期内,持续呈现为同一方向发展变化的趋势。它是由某种起决定性作用的因素的影响而形成的趋势。分析长期趋势,可以掌握事物发展变化的基本特点。

2.季节变动

季节变动是指现象因受自然条件或社会经济季节因素的影响,在一年或更短的时间内,随时序变化而引起的有规律的周期性变动。一般以一年为周期,也有以月、周、日为周期的。认识和掌握季节变动,对于近期行动决策有重要作用。

3.循环波动

循环波动是指现象发生周期较长(一年以上)的涨落起伏的变动。它与季节变动有明显区别:一是周期较长且不固定,二是规律显现没有季节变动明显,三是影响因素的性质不一样。

4.不规则变动

不规则变动是指由于意外的自然或社会的偶然因素引起的无周期的波动。它除了受以上各种变动的影响以外,还受临时的、偶然的或不明原因而引起的非周期性、非趋势性随机变动。不规则变动是无法预知的。

现象变动趋势分析就是要把时间序列受各类因素的影响状况分别测定出来,搞清研究对象发展变化的原因及其规律,为预测未来和决策提供依据。

(二)时间序列的分解模型

将构成时间序列的因素与时间序列的关系按照一定的假设,用一定的数学关系式表示,就形成了时间序列的分解模型。主要有两种假设,即有两种最基本的分解模型:加法模型和乘法模型。

设时间序列为Y,长期趋势为T,季节变动为S,循环波动为C,不规则变动为I,则两种模型可表述如下:

1.加法模型

假设四个因素是相互独立的,则时间序列各期水平的数值可视为四个因素相加的总和,其分解模型为

Y = T+S+C+I

根据上述关系式,为测定某种因素的影响,只需从时间序列数值中减去其余因素即可。

2.乘法模型

假设四个因素变动之间存在某些相互影响的关系,则时间序列各期水平的数值就是四种因素相乘的乘积,其分解模型为

Y= T×S×C×I

根据上述关系式,为测定某种因素的影响,用其余因素的乘积去除时间序列数值即可。

实际工作中应采用哪一种模型进行分析为宜,要视研究对象的性质、研究目的及所掌握的资料的情况而确定。

注意不同公式中各项的单位。

在现阶段,较为成熟的趋势分析的数学方法主要是对长期趋势和季节变动的测定。

版权声明:本篇文章(包括图片)来自网络,由程序自动采集,著作权(版权)归原作者所有,如有侵权联系我们删除,联系方式(QQ:452038415)。http://www.yytjw.com/110.html
联系我们

联系我们

0898-88881688

在线咨询: QQ交谈

邮箱: email@wangzhan.com

工作时间:周一至周五,9:00-17:30,节假日休息

返回顶部