常用統(tǒng)計(jì)預(yù)測(cè)方法

常用統(tǒng)計(jì)預(yù)測(cè)方法2023/2/41第一頁(yè)，共四十一頁(yè)，2022年，8月28日2023/2/42第二頁(yè)，共四十一頁(yè)，2022年，8月28日傳統(tǒng)的時(shí)間序列分析的應(yīng)用,主要是確定性的時(shí)間序列分析方法,包括指數(shù)平滑法、滑動(dòng)平均法、時(shí)間序列的分解等等,這些方法的應(yīng)用有一個(gè)前提條件:時(shí)間序列的隨機(jī)性部分相對(duì)來(lái)說(shuō)并不顯著。事實(shí)上,這一條件在大多數(shù)情況下都是不成立的。因?yàn)?隨著社會(huì)的發(fā)展,許多不確定性因素的影響越來(lái)越大,必須引起人們的重視。2023/2/43第三頁(yè)，共四十一頁(yè)，2022年，8月28日1970年,Box和Jenkins提出了以隨機(jī)理論為基礎(chǔ)的時(shí)間序列分析方法,使時(shí)間序列分析理論上升到一個(gè)新的高度,預(yù)測(cè)的精確度大大提高。其基本模型有三種:自回歸(AR)模型;滑動(dòng)平均(MA)模型自回歸滑動(dòng)平均(ARIMA)模型。2023/2/44第四頁(yè)，共四十一頁(yè)，2022年，8月28日

兩個(gè)問(wèn)題：（1）分析時(shí)間序列的隨機(jī)性、平穩(wěn)性和季節(jié)性；（2）在對(duì)時(shí)間序列分析的基礎(chǔ)上，選擇適當(dāng)?shù)哪Ｐ瓦M(jìn)行預(yù)測(cè)(AR(p),MA(q),ARIMA(p,d,q))。2023/2/45第五頁(yè)，共四十一頁(yè)，2022年，8月28日1ARIMA預(yù)測(cè)數(shù)學(xué)模型自回歸滑動(dòng)平均混合模型（autoregressiveintegratedmovingaverage)

ARIMA(p,d,q)其中：p為自回歸的階數(shù)；d為差分階數(shù)；q為滑動(dòng)平均階數(shù)。2023/2/46第六頁(yè)，共四十一頁(yè)，2022年，8月28日ARIMA模型可分為：(1)自回歸模型(AR),即ARIMA(p,0,0);(2)滑動(dòng)平均模型(MA),即ARIMA(0,0,q);(3)自回歸滑動(dòng)平均混合模型(ARIMA(p,d,q))。2023/2/47第七頁(yè)，共四十一頁(yè)，2022年，8月28日ARIMA方法依據(jù)的基本思想：將預(yù)測(cè)對(duì)象隨時(shí)間推移而形成的時(shí)間序列視為一個(gè)隨機(jī)序列，即除去個(gè)別偶然原因引起的觀測(cè)值外，時(shí)間序列是一組依賴于時(shí)間t的隨機(jī)變量。這組隨機(jī)變量所具有的依存關(guān)系或自相關(guān)性表征了預(yù)測(cè)對(duì)象發(fā)展的延續(xù)性，而這種自相關(guān)性一旦被相應(yīng)的數(shù)學(xué)模型描述出來(lái)，就可以從時(shí)間序列的過(guò)去及現(xiàn)在的值預(yù)測(cè)未來(lái)值。2023/2/48第八頁(yè)，共四十一頁(yè)，2022年，8月28日運(yùn)用ARIMA方法的前提條件：作為預(yù)測(cè)對(duì)象的時(shí)間序列是一零均值的平穩(wěn)時(shí)間序列。平穩(wěn)隨機(jī)序列的統(tǒng)計(jì)特性不隨時(shí)間的推移而變化。直觀的看，平穩(wěn)隨機(jī)序列的折線圖無(wú)明顯的上升或下降趨勢(shì)。（如圖22－10）2023/2/49第九頁(yè)，共四十一頁(yè)，2022年，8月28日對(duì)非零均值的非平穩(wěn)的時(shí)間序列，若用ARIMA預(yù)測(cè)方法，需先對(duì)時(shí)間序列進(jìn)行零均值化和差分平穩(wěn)化處理.零均值化：對(duì)均數(shù)不為零的序列每一項(xiàng)都減去該序列的平均數(shù)，構(gòu)成一個(gè)均值為零的新的時(shí)間序列。如例22－2：可取2023/2/410第十頁(yè)，共四十一頁(yè)，2022年，8月28日差分平穩(wěn)化處理(I)對(duì)均值為零的非平穩(wěn)時(shí)間序列進(jìn)行差分，使之成為平穩(wěn)時(shí)間序列。一般情況下，非平穩(wěn)序列經(jīng)過(guò)一階差分或二階差分都可以平穩(wěn)化。如：有線性增長(zhǎng)趨勢(shì)的時(shí)間序列可用一階差分；若為二次增長(zhǎng)可用二階差分。2023/2/411第十一頁(yè)，共四十一頁(yè)，2022年，8月28日例22-3某醫(yī)院從1990年1月－2001年12月的門診量數(shù)據(jù)（P336）門診情況的序列圖2023/2/412第十二頁(yè)，共四十一頁(yè)，2022年，8月28日門診、均零、一階差分法的序列圖2023/2/413第十三頁(yè)，共四十一頁(yè)，2022年，8月28日門診、一階差分法、二階差分的序列圖2023/2/414第十四頁(yè)，共四十一頁(yè)，2022年，8月28日具體計(jì)算：2023/2/415第十五頁(yè)，共四十一頁(yè)，2022年，8月28日自回歸模型(AR)經(jīng)典統(tǒng)計(jì)中的回歸模型：表示因變量對(duì)于自變量依賴（相關(guān)）關(guān)系。等式右側(cè)將隨機(jī)變量分解成兩部分，一部分是自變量它們代表某些已知的可變化因素；另一部分是殘差量，它是由一些不可捉摸的因素及測(cè)量誤差產(chǎn)生。通常假定為正態(tài)零均值獨(dú)立序列。2023/2/416第十六頁(yè)，共四十一頁(yè)，2022年，8月28日

將經(jīng)典統(tǒng)計(jì)回歸模型推廣，得到一類新的線性模型稱為自回歸模型?？捎脕?lái)描述某些時(shí)間序列。特別是當(dāng)時(shí)間序列難于和其它因素建立聯(lián)系時(shí)，用自回歸模型建模更顯重要。Yt代表在t時(shí)的觀察值，et代表誤差或偏差，表示不能用模型說(shuō)明的隨機(jī)因素。2023/2/417第十七頁(yè)，共四十一頁(yè)，2022年，8月28日此模型和經(jīng)典統(tǒng)計(jì)回歸模型的本質(zhì)區(qū)別：在經(jīng)典統(tǒng)計(jì)回歸模型中是已知的可變化因素。自變量間的關(guān)系是相互獨(dú)立的。在自回歸模型中同屬于一個(gè)序列，它們彼此之間不是獨(dú)立的，而是有一定的相互依賴關(guān)系。2023/2/418第十八頁(yè)，共四十一頁(yè)，2022年，8月28日一階自回歸模型上面的模型稱為p階自回歸模型。當(dāng)p＝1時(shí)是一階自回歸模型。意義：Yt變量受Yt-1的影響。2023/2/419第十九頁(yè)，共四十一頁(yè)，2022年，8月28日例如：考慮一個(gè)阻尼單擺。以Yt表示t時(shí)刻的最大擺幅，由于阻尼的作用，Yt與Yt-1之間具有關(guān)系式：式中的代表阻尼系數(shù)。表示第t個(gè)擺動(dòng)周期中單擺還受到外加的力所額外加的擺幅。2023/2/420第二十頁(yè)，共四十一頁(yè)，2022年，8月28日滑動(dòng)平均(MA)模型式中是時(shí)間序列在t時(shí)刻的觀察值；q是滑動(dòng)平均的階數(shù)；是時(shí)間序列模型在t時(shí)刻的誤差或偏差。在滑動(dòng)平均的過(guò)程中，每一個(gè)值是由當(dāng)前干擾以及前一個(gè)或多個(gè)干擾的均值決定的?；瑒?dòng)平均的階確定了有多少個(gè)前干擾被用于平均。2023/2/421第二十一頁(yè)，共四十一頁(yè)，2022年，8月28日三、自回歸滑動(dòng)平均混合(ARIMA)模型將自回歸模型和滑動(dòng)平均模型組合，便構(gòu)成自回歸滑動(dòng)平均混合(ARIMA)模型2023/2/422第二十二頁(yè)，共四十一頁(yè)，2022年，8月28日應(yīng)用ARIMA方法預(yù)測(cè)分為三個(gè)階段：模型的識(shí)別：利用自相關(guān)分析和偏相關(guān)分析等方法，分析時(shí)間序列的隨機(jī)性、平穩(wěn)性及季節(jié)性，并選定一個(gè)特定的模型以擬合所分析的時(shí)間序列。

2023/2/423第二十三頁(yè)，共四十一頁(yè)，2022年，8月28日2模型中參數(shù)的估計(jì)和模型的檢驗(yàn)：用時(shí)間序列的數(shù)據(jù)，估計(jì)模型的參數(shù)，并進(jìn)行檢驗(yàn)，以判定該模型是否恰當(dāng)。3預(yù)測(cè)應(yīng)用：用選定的模型對(duì)將來(lái)某個(gè)時(shí)刻的數(shù)值作出預(yù)測(cè)。2023/2/424第二十四頁(yè)，共四十一頁(yè)，2022年，8月28日ARIMA的計(jì)算步驟1、識(shí)別必須確定三個(gè)整數(shù)p,d,q，另外還須確定是否具有周期性。首先應(yīng)從散點(diǎn)圖判別時(shí)間序列是否平穩(wěn)。從上面差分之后的圖可見：進(jìn)行一階差分I(1)=ARIMA(1)之后，其隨機(jī)性較好。故d=1。I(2)=ARIMA(2)d通常取為0或1，一般不超過(guò)2。如圖22-10d=02023/2/425第二十五頁(yè)，共四十一頁(yè)，2022年，8月28日p的確定：AR(p)=ARIMA(p,0,0)。其意義為在自回歸序列中，每個(gè)值都是前一個(gè)值或多個(gè)值的線性組合。AR(1)代表每個(gè)值對(duì)前值的依賴程序。對(duì)于非周期的時(shí)間序列，P值的決定可取決于PACF。若Lag滯后項(xiàng)開始急劇減小，則通常令p=Lag。否則是拖尾的，其p=0。如：圖22-12，P=0。2023/2/426第二十六頁(yè)，共四十一頁(yè)，2022年，8月28日q值的確定：

滑動(dòng)平均MA(q)，每一項(xiàng)是由當(dāng)前干擾以及前或一個(gè)或前多個(gè)干擾的均值決定的。

MA(q)=ARIMA(0,0,q)對(duì)于非周期的時(shí)間序列，q值的決定可取決于ACF。若在Lag滯后項(xiàng)開始急劇減小，則通常令q=Lag。否則是拖尾的，其q=0。如：圖22-12，由于在滯后1處顯示了一個(gè)負(fù)的低谷，其后幾個(gè)值與其相差較大。故q=1。2023/2/427第二十七頁(yè)，共四十一頁(yè)，2022年，8月28日2、估計(jì)給出模型后ARIMA(0,1,1)，計(jì)算模型的參數(shù)，并獲得擬合值或預(yù)測(cè)值(FIT_1)、殘差(ERR_1)、其可信限（LCL_1，UCL_1）及標(biāo)準(zhǔn)誤（SEP_1）。

結(jié)果表22-7，模型中MA1=0.78105，表示序列中的每個(gè)值等于當(dāng)前的隨機(jī)干擾減去前一個(gè)隨機(jī)干擾的0.78倍。2023/2/428第二十八頁(yè)，共四十一頁(yè)，2022年，8月28日3診斷可從兩個(gè)方面考慮：（1）殘差的ACF和PACF不應(yīng)與0有顯著的差異。ACF、PACF高階相關(guān)相關(guān)可能偶爾會(huì)超過(guò)95%的可信區(qū)間，但如一或二階很大，那么模型就是錯(cuò)誤的。2023/2/429第二十九頁(yè)，共四十一頁(yè)，2022年，8月28日（2）殘差應(yīng)是隨機(jī)的，即是白噪聲(whitenoise)。可用Box-LjungQ統(tǒng)計(jì)量。應(yīng)在大約有1/4的滯后項(xiàng)中考察Q值（但滯后項(xiàng)不能多于50）。Q統(tǒng)計(jì)量應(yīng)沒(méi)有統(tǒng)計(jì)學(xué)意義。（3）考察AIC和SBC

考慮多個(gè)模型，如AIC與SBC均小，說(shuō)明這個(gè)模型較好。AIC適用于自回歸模型，SBC適用于更通用的模型。2023/2/430第三十頁(yè)，共四十一頁(yè)，2022年，8月28日（4）控制圖的建立可在同一個(gè)序列圖中，作出其實(shí)測(cè)值、95%的可信限上、下界及預(yù)測(cè)值。圖22-14。2023/2/431第三十一頁(yè)，共四十一頁(yè)，2022年，8月28日季節(jié)性ARIMA模型(seasonalARIMA)。2023/2/432第三十二頁(yè)，共四十一頁(yè)，2022年，8月28日ARIMA(0,1,1)12代表12為周期。1季節(jié)性后移算子B（backfit）代表時(shí)間序列后移一時(shí)間點(diǎn)考察。B2代表往后移動(dòng)兩個(gè)單位。對(duì)于周期為12的觀察值，則為B12季節(jié)性ARIMA(0,0,1)12Zt=(1-θB12)etARIMA(0,1,1)12(1-B12)Zt=(1-θB12)et2023/2/433第三十三頁(yè)，共四十一頁(yè)，2022年，8月28日2識(shí)別季節(jié)模型的一些問(wèn)題

(1)序列的長(zhǎng)度要較長(zhǎng)。如至少應(yīng)有7或8個(gè)季節(jié)周期的數(shù)據(jù)。

(2)季節(jié)性與非季節(jié)性的混合若ACF或PACF或兩者在季節(jié)周期的整數(shù)倍時(shí)點(diǎn)處都顯示了特別值,說(shuō)明存在季節(jié)過(guò)程。

2023/2/434第三十四頁(yè)，共四十一頁(yè)，2022年，8月28日（1）ACF圖和PACF圖2023/2/435第三十五頁(yè)，共四十一頁(yè)，2022年，8月28日1次差分后的序列圖2023/2/436第三十六頁(yè)，共四十一頁(yè)，2022年，8月28日（2）季節(jié)模型的識(shí)別1次差分存在問(wèn)題（1）仍存在季節(jié)性問(wèn)題，仍有上升的趨勢(shì)，可考慮用季節(jié)性差分。（2）方差非齊，可考慮用對(duì)數(shù)變換。2023/2/437第三十七頁(yè)，共四十一頁(yè)，2022年，8月28日季節(jié)性差分中D=1。

季節(jié)性差分可平滑急劇的季節(jié)波動(dòng)。左圖為一次性季節(jié)差分后的序列圖。2023/2/438第三十八頁(yè)，共四十一頁(yè)