干預(yù)分析模型預(yù)測法ppt課件

,第八章,干預(yù)分析模型預(yù)測法,Page2,干預(yù)分析模型預(yù)測法,干預(yù)分析模型概述,本章概述,1,單變量干預(yù)分析模型的識別與估計,2,干預(yù)分析模型的應(yīng)用實例,3,Page3,干預(yù)分析模型預(yù)測法,第一節(jié)干預(yù)分析模型概述,1、干預(yù)分析模型簡介干預(yù)：時間序列經(jīng)常會受到特殊事件及態(tài)勢的影響，稱這類外部事件為干預(yù)。研究干預(yù)分析的目的：測度干預(yù)效應(yīng)，從定量分析的角度來評估政策干預(yù)或突發(fā)事件對經(jīng)濟環(huán)境和經(jīng)濟過程的具體影響。作用：干預(yù)分析模型將干預(yù)因素體現(xiàn)在了干預(yù)變量中，可以對“突變性”的時間序列進行模型化處理。,Page4,干預(yù)分析模型預(yù)測法,干預(yù)變量形式,干預(yù)事件形式,2、干預(yù)分析模型的基本形式,Page5,干預(yù)分析模型預(yù)測法,表示在某時刻發(fā)生,僅對該時刻有影響,用單位脈沖函數(shù)表示，形式是：,1,表示T時刻發(fā)生以后,一直有影響，這時可以用階躍函數(shù)表示，形式是：,持續(xù)性的干預(yù)變量,短暫性的干預(yù)變量,2,干預(yù)變量的形式,Page6,干預(yù)分析模型預(yù)測法,干預(yù)事件的形式,a.干預(yù)事件的影響突然開始，長期持續(xù)下去,b.干預(yù)事件的影響逐漸開始，長期持續(xù)下去,c.干預(yù)事件突然開始，產(chǎn)生暫時的影響,d.干預(yù)事件逐漸開始，產(chǎn)生暫時的影響,Page7,干預(yù)分析模型預(yù)測法,a.干預(yù)事件的影響突然開始，長期持續(xù)下去,設(shè)干預(yù)對因變量的影響是固定的，從某一時刻T開始，但影響的程度是未知的，即因變量的大小是未知的。表示干預(yù)影響強度的未知參數(shù)。,Yt不平穩(wěn)時可以通過差分化為平穩(wěn)序列，其中B為后移算子。,如果干預(yù)事件要滯后若干個時期才產(chǎn)生影響，如b個時期。,Page8,干預(yù)分析模型預(yù)測法,b.干預(yù)事件的影響逐漸開始，長期持續(xù)下去,有時候干預(yù)事件突然發(fā)生，并不能立刻產(chǎn)生完全的影響，而是隨著時間的推移，逐漸地感到這種影響的存在。這種形式的最簡單情形的模型方程為：,一般形式：,Page9,干預(yù)分析模型預(yù)測法,c.干預(yù)事件突然開始，產(chǎn)生暫時的影響,當=0時，干預(yù)的影響只存在一個時期，當=1時，干預(yù)的影響將長期存在。,Page10,干預(yù)分析模型預(yù)測法,d.干預(yù)事件逐漸開始，產(chǎn)生暫時的影響,干預(yù)的影響逐漸增加，在某個時刻到達高峰，然后又逐漸減弱以至消失。,Page11,干預(yù)分析模型預(yù)測法,干預(yù)事件的形式,a.干預(yù)事件的影響突然開始，長期持續(xù)下去,b.干預(yù)事件的影響逐漸開始，長期持續(xù)下去,c.干預(yù)事件突然開始，產(chǎn)生暫時的影響,d.干預(yù)事件逐漸開始，產(chǎn)生暫時的影響,不管經(jīng)濟系統(tǒng)如何受到多種干預(yù)的影響，也不管這些影響是多么復(fù)雜，都可以用上述四種形式或者是它們的組合來表示。同時，也可以用這種組合去模擬多個干預(yù)事件所產(chǎn)生的影響。,Page12,干預(yù)分析模型預(yù)測法,單變量時間序列的干預(yù)模型，就是在時間序列模型中加進各種干預(yù)變量的影響。我們以ARIMA模型為例，設(shè)平穩(wěn)化后的單變量序列滿足下述模型：又設(shè)干預(yù)事件的影響為：其中為干預(yù)變量，它等于或,1、單變量干預(yù)模型的構(gòu)造,第二節(jié)單變量干預(yù)分析模型的識別與估計,Page13,則單變量序列的干預(yù)模型為：這里：,干預(yù)分析模型預(yù)測法,Page14,2、干預(yù)效應(yīng)的識別,干預(yù)分析模型預(yù)測法,在對實際數(shù)據(jù)進行干預(yù)分析的過程中，一個主要的困難是，觀察到的序列現(xiàn)實值是受到了干預(yù)變量影響的數(shù)據(jù)，不能保證自相關(guān)函數(shù)與偏自相關(guān)函數(shù)所反映的ARIMA模型是真實的。,應(yīng)對方法,（1）根據(jù)序列的具體情況和干預(yù)變量的性質(zhì)進行識別。,（2）已知干預(yù)影響的情形。,Page15,干預(yù)分析模型預(yù)測法,（1）根據(jù)序列的具體情況和干預(yù)變量的性質(zhì)進行識別目的：確定干預(yù)變量的影響是短暫的還是長期的。原理：它是利用干預(yù)變量產(chǎn)生影響之前或干預(yù)影響過后，也就是消除了干預(yù)影響或沒有干預(yù)影響的凈化數(shù)據(jù)，計算出自相關(guān)函數(shù)與偏自相關(guān)函數(shù)。在ARIMA模型中，首先識別模型中的p和q，然后估計出，中的參數(shù)。,Page16,干預(yù)分析模型預(yù)測法,假定：,假定模型形式為：,Page17,（2）已知干預(yù)影響的情形假定在模型識別之前，對干預(yù)的影響已很清楚，以至于通過數(shù)據(jù)分析，能夠確定干預(yù)變量的影響部分并估計出這部分的參數(shù)，然后計算出殘差序列：這個序列是一個消除了干預(yù)變量影響的序列，可計算出它的自相關(guān)與偏自相關(guān)函數(shù)，從而識別出ARIMA模型的階數(shù)。出ARIMA模型的階數(shù)。,干預(yù)分析模型預(yù)測法,Page18,干預(yù)分析模型預(yù)測法,3、干預(yù)分析模型的建模步驟：,利用干預(yù)影響產(chǎn)生前的數(shù)據(jù)，建立一個單變量的時間序列模型。然后利用此模型進行外推預(yù)測，得到的預(yù)測值作為不受干預(yù)影響的數(shù)值。,利用排除干預(yù)影響后的全部數(shù)據(jù)，識別與估計出一個單變量的時間序列模型。,將實際值減去預(yù)測值，得到受干預(yù)影響的具體結(jié)果，利用這些結(jié)果估計出干預(yù)影響部分的參數(shù)。,結(jié)合之前步驟，求出總的干預(yù)分析模型。,第一,第二,第三,第四,Page19,干預(yù)分析模型預(yù)測法,第三節(jié)干預(yù)分析模型的應(yīng)用實例,干預(yù)分析模型預(yù)測房價指數(shù)（一）、問題的提出和相關(guān)背景房地產(chǎn)價格指數(shù)對價格這一個經(jīng)濟變量進行跟蹤記錄，對于市場行情的波動具有直接、及時的表現(xiàn)力。價格指數(shù)是由一個個市場調(diào)查的數(shù)據(jù)構(gòu)成的，這些數(shù)據(jù)來自于不同地點的樓盤，每時每刻記錄著市場行情波動的軌跡，形成一幅觀測市場行情萬千氣象的云圖。近年來上海房地產(chǎn)市場保持量價齊升的態(tài)勢，特別是住宅市場，商品住宅價格漲幅大幅度攀升，引來了民眾與政府的多方關(guān)注。2003年4月開始，住宅價格漲幅驚人，明顯高于往年同期。有研究人士認為，是SARS帶動了上海房市的新一輪上漲，使得上海的城市競爭力為眾多的海內(nèi)外投資者所認可和關(guān)注。這里就選取上海二手房指數(shù)作為研究對象，以SARS的發(fā)生為干預(yù)事件，運用干預(yù)分析模型進行分析和預(yù)測，定量地研究價格指數(shù)的運行軌跡。,Page20,干預(yù)分析模型預(yù)測法,（二）、數(shù)據(jù)和模型的說明這里選取上海二手房指數(shù)發(fā)布以來的所有時間序列，按SARS的發(fā)生分為兩個時期：第一個時期：2001年11月-2003年3月；第二個時期：2003年4月-2004年12月。由于SARS的發(fā)生并不是立刻產(chǎn)生完全的影響，而是隨著時間的推移，逐漸地感到這種影響的存在。因而干預(yù)影響選取如下的模式：其中：,Page21,干預(yù)分析模型預(yù)測法,原始數(shù)據(jù)如下,Page22,干預(yù)分析模型預(yù)測法,（三）、干預(yù)分析模型的識別與參數(shù)估計1.根據(jù)2001年11月-2003年3月，即前17個歷史數(shù)據(jù)，建立時間序列模型。散點圖如下：,Page23,干預(yù)分析模型預(yù)測法,這里經(jīng)過觀察與篩選，最終選取二次曲線模型進行擬合，結(jié)果如下：,其中，R2=0.985，F(xiàn)=455.78（P=0.000高度顯著），說明模型擬合效果很好。,Page24,干預(yù)分析模型預(yù)測法,2.分離出干預(yù)影響的具體數(shù)據(jù)，求估干預(yù)模型的參數(shù)。運用經(jīng)過檢驗的二次曲線模型，進行外推預(yù)測2003年4月-2004年12月的指數(shù)預(yù)測值，然后用實際值減去預(yù)測值，得到的差值就是經(jīng)濟體制改革所產(chǎn)生的效益值，記為，具體數(shù)值如下：,Page25,干預(yù)分析模型預(yù)測法,運用表中的數(shù)據(jù)可估計出干預(yù)模型,中的參數(shù)的與，實際上是自回歸方程的參數(shù)：,Page26,干預(yù)分析模型預(yù)測法,其中，R2=0.984，F(xiàn)=1112.704（P=0.000高度顯著），模型系數(shù)的t檢驗也是高度顯著，說明模型擬合效果很好。,Page27,干預(yù)分析模型預(yù)測法,3.計算凈化序列凈化序列是指消除了干預(yù)影響的序列，它由實際的觀察序列值減去干預(yù)影響值得到，即：,稱為消去了干預(yù)影響的凈化序列，具體計算數(shù)據(jù)如下：,Page28,干預(yù)分析模型預(yù)測法,4.對凈化序列建立擬合模型。仍選取二次曲線模型進行擬合。,Page29,干預(yù)分析模型預(yù)測法,結(jié)果如下：,其中，R2=0.999，F(xiàn)=23588.3（P=0.000高度顯著），說明模型擬合效果很好。,Page30,干預(yù)分析模型預(yù)測法,5.組建干預(yù)分析模型結(jié)合的擬合模型與代入得到所求的干預(yù)分析預(yù)測模型：其中：,Page31,干預(yù)分析模型預(yù)測法,利用干預(yù)分析預(yù)測模型計算出預(yù)測值，并與原始指數(shù)值比較如下：,Page32,干預(yù)分析模型預(yù)測法,從原始指數(shù)與預(yù)測指數(shù)的數(shù)據(jù)比較圖來看，兩個序列重合度很高，說明干預(yù)模型在這里取得了不錯的效果。,干預(yù)分析模型預(yù)測法,干預(yù)變量形式：持續(xù)性、短暫性干預(yù)事件四種形式：1.事件影響突然開始，長期持續(xù)；2.事件影響逐漸開始，長期持續(xù)；3.事件突然開始，暫時影響；4.事件逐漸開始，暫時影響,干預(yù)分析模型的建模步驟：1.建立時間序列模型，進行外推預(yù)測得到預(yù)測值；2.用實際值減去預(yù)測值，估計出干預(yù)影響部分的參