干預(yù)分析模型預(yù)測(cè)法四組演示文稿

干預(yù)分析模型預(yù)測(cè)法四組演示文稿當(dāng)前第1頁(yè)\共有56頁(yè)\編于星期四\23點(diǎn)干預(yù)分析模型預(yù)測(cè)法四組當(dāng)前第2頁(yè)\共有56頁(yè)\編于星期四\23點(diǎn)干預(yù)分析模型預(yù)測(cè)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(shí)別與估計(jì)2干預(yù)分析模型的應(yīng)用實(shí)例3當(dāng)前第3頁(yè)\共有56頁(yè)\編于星期四\23點(diǎn)干預(yù)分析模型預(yù)測(cè)法第一節(jié)干預(yù)分析模型概述1、干預(yù)分析模型簡(jiǎn)介干預(yù)：

時(shí)間序列經(jīng)常會(huì)受到特殊事件及態(tài)勢(shì)的影響，稱(chēng)這類(lèi)外部事件為干預(yù)。

研究干預(yù)分析的目的：

測(cè)度干預(yù)效應(yīng)，從定量分析的角度來(lái)評(píng)估政策干預(yù)或突發(fā)事件對(duì)經(jīng)濟(jì)環(huán)境和經(jīng)濟(jì)過(guò)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(duì)“突變性”的時(shí)間序列進(jìn)行模型化處理。當(dāng)前第4頁(yè)\共有56頁(yè)\編于星期四\23點(diǎn)干預(yù)分析模型預(yù)測(cè)法基本形式干預(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當(dāng)前第5頁(yè)\共有56頁(yè)\編于星期四\23點(diǎn)干預(yù)分析模型預(yù)測(cè)法表示在某時(shí)刻發(fā)生,僅對(duì)該時(shí)刻有影響,用單位脈沖函數(shù)表示，形式是：表示T時(shí)刻發(fā)生以后,一直有影響，這時(shí)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)變量干預(yù)變量的形式當(dāng)前第6頁(yè)\共有56頁(yè)\編于星期四\23點(diǎn)干預(yù)分析模型預(yù)測(cè)法干預(yù)事件的形式a.干預(yù)事件的影響突然開(kāi)始，長(zhǎng)期持續(xù)下去b.干預(yù)事件的影響逐漸開(kāi)始，長(zhǎng)期持續(xù)下去c.干預(yù)事件突然開(kāi)始，產(chǎn)生暫時(shí)的影響

d.干預(yù)事件逐漸開(kāi)始，產(chǎn)生暫時(shí)的影響當(dāng)前第7頁(yè)\共有56頁(yè)\編于星期四\23點(diǎn)干預(yù)分析模型預(yù)測(cè)法a.干預(yù)事件的影響突然開(kāi)始，長(zhǎng)期持續(xù)下去設(shè)干預(yù)對(duì)因變量的影響是固定的，從某一時(shí)刻T開(kāi)始，但影響的程度是未知的，即因變量的大小是未知的。ω表示干預(yù)影響強(qiáng)度的未知參數(shù)。Yt不平穩(wěn)時(shí)可以通過(guò)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(gè)時(shí)期才產(chǎn)生影響，如b個(gè)時(shí)期。當(dāng)前第8頁(yè)\共有56頁(yè)\編于星期四\23點(diǎn)干預(yù)分析模型預(yù)測(cè)法b.干預(yù)事件的影響逐漸開(kāi)始，長(zhǎng)期持續(xù)下去

有時(shí)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(shí)間的推移，逐漸地感到這種影響的存在。這種形式的最簡(jiǎn)單情形的模型方程為：一般形式：當(dāng)前第9頁(yè)\共有56頁(yè)\編于星期四\23點(diǎn)干預(yù)分析模型預(yù)測(cè)法c.干預(yù)事件突然開(kāi)始，產(chǎn)生暫時(shí)的影響當(dāng)δ=0時(shí)，干預(yù)的影響只存在一個(gè)時(shí)期，當(dāng)δ=1時(shí)，干預(yù)的影響將長(zhǎng)期存在。當(dāng)前第10頁(yè)\共有56頁(yè)\編于星期四\23點(diǎn)干預(yù)分析模型預(yù)測(cè)法d.干預(yù)事件逐漸開(kāi)始，產(chǎn)生暫時(shí)的影響

干預(yù)的影響逐漸增加，在某個(gè)時(shí)刻到達(dá)高峰，然后又逐漸減弱以至消失。當(dāng)前第11頁(yè)\共有56頁(yè)\編于星期四\23點(diǎn)干預(yù)分析模型預(yù)測(cè)法干預(yù)事件的形式a.干預(yù)事件的影響突然開(kāi)始，長(zhǎng)期持續(xù)下去b.干預(yù)事件的影響逐漸開(kāi)始，長(zhǎng)期持續(xù)下去c.干預(yù)事件突然開(kāi)始，產(chǎn)生暫時(shí)的影響

d.干預(yù)事件逐漸開(kāi)始，產(chǎn)生暫時(shí)的影響

不管經(jīng)濟(jì)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(lái)表示。同時(shí)，也可以用這種組合去模擬多個(gè)干預(yù)事件所產(chǎn)生的影響。當(dāng)前第12頁(yè)\共有56頁(yè)\編于星期四\23點(diǎn)干預(yù)分析模型預(yù)測(cè)法

單變量時(shí)間序列的干預(yù)模型，就是在時(shí)間序列模型中加進(jìn)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(mǎn)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(shí)別與估計(jì)當(dāng)前第13頁(yè)\共有56頁(yè)\編于星期四\23點(diǎn)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(cè)法當(dāng)前第14頁(yè)\共有56頁(yè)\編于星期四\23點(diǎn)2、干預(yù)效應(yīng)的識(shí)別干預(yù)分析模型預(yù)測(cè)法

在對(duì)實(shí)際數(shù)據(jù)進(jìn)行干預(yù)分析的過(guò)程中，一個(gè)主要的困難是，觀察到的序列現(xiàn)實(shí)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(shí)的。｛應(yīng)對(duì)方法（1）根據(jù)序列的具體情況和干預(yù)變量

的性質(zhì)進(jìn)行識(shí)別。（2）已知干預(yù)影響的情形。

當(dāng)前第15頁(yè)\共有56頁(yè)\編于星期四\23點(diǎn)干預(yù)分析模型預(yù)測(cè)法（1）根據(jù)序列的具體情況和干預(yù)變量的性質(zhì)進(jìn)行識(shí)別目的：確定干預(yù)變量的影響是短暫的還是長(zhǎng)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(guò)后，也就

是消除了干預(yù)影響或沒(méi)有干預(yù)影響的凈化數(shù)據(jù)，計(jì)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(shí)別模型中的p和q，然后估計(jì)出，中的參數(shù)。當(dāng)前第16頁(yè)\共有56頁(yè)\編于星期四\23點(diǎn)干預(yù)分析模型預(yù)測(cè)法假定：假定模型形式為：當(dāng)前第17頁(yè)\共有56頁(yè)\編于星期四\23點(diǎn)（2）已知干預(yù)影響的情形

假定在模型識(shí)別之前，對(duì)干預(yù)的影響已很清楚，以至于通過(guò)數(shù)據(jù)分析，能夠確定干預(yù)變量的影響部分并估計(jì)出這部分的參數(shù)，然后計(jì)算出殘差序列：

這個(gè)序列是一個(gè)消除了干預(yù)變量影響的序列，可計(jì)算出它的自相關(guān)與偏自相關(guān)函數(shù)，從而識(shí)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(cè)法當(dāng)前第18頁(yè)\共有56頁(yè)\編于星期四\23點(diǎn)干預(yù)分析模型預(yù)測(cè)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(gè)單變量的時(shí)間序列模型。然后利用此模型進(jìn)行外推預(yù)測(cè)，得到的預(yù)測(cè)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(shí)別與估計(jì)出一個(gè)單變量的時(shí)間序列模型。

將實(shí)際值減去預(yù)測(cè)值，得到受干預(yù)影響的具體結(jié)果，利用這些結(jié)果估計(jì)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。第一第二第三第四當(dāng)前第19頁(yè)\共有56頁(yè)\編于星期四\23點(diǎn)干預(yù)分析模型預(yù)測(cè)法第三節(jié)干預(yù)分析模型的應(yīng)用實(shí)例干預(yù)分析模型預(yù)測(cè)房?jī)r(jià)指數(shù)（一）、問(wèn)題的提出和相關(guān)背景

房地產(chǎn)價(jià)格指數(shù)對(duì)價(jià)格這一個(gè)經(jīng)濟(jì)變量進(jìn)行跟蹤記錄，對(duì)于市場(chǎng)行情的波動(dòng)具有直接、及時(shí)的表現(xiàn)力。價(jià)格指數(shù)是由一個(gè)個(gè)市場(chǎng)調(diào)查的數(shù)據(jù)構(gòu)成的，這些數(shù)據(jù)來(lái)自于不同地點(diǎn)的樓盤(pán)，每時(shí)每刻記錄著市場(chǎng)行情波動(dòng)的軌跡，形成一幅觀測(cè)市場(chǎng)行情萬(wàn)千氣象的云圖。近年來(lái)上海房地產(chǎn)市場(chǎng)保持量?jī)r(jià)齊升的態(tài)勢(shì)，特別是住宅市場(chǎng)，商品住宅價(jià)格漲幅大幅度攀升，引來(lái)了民眾與政府的多方關(guān)注。2003年4月開(kāi)始，住宅價(jià)格漲幅驚人，明顯高于往年同期。有研究人士認(rèn)為，是SARS帶動(dòng)了上海房市的新一輪上漲，使得上海的城市競(jìng)爭(zhēng)力為眾多的海內(nèi)外投資者所認(rèn)可和關(guān)注。這里就選取上海二手房指數(shù)作為研究對(duì)象，以SARS的發(fā)生為干預(yù)事件，運(yùn)用干預(yù)分析模型進(jìn)行分析和預(yù)測(cè)，定量地研究?jī)r(jià)格指數(shù)的運(yùn)行軌跡。當(dāng)前第20頁(yè)\共有56頁(yè)\編于星期四\23點(diǎn)干預(yù)分析模型預(yù)測(cè)法（二）、數(shù)據(jù)和模型的說(shuō)明

這里選取上海二手房指數(shù)發(fā)布以來(lái)的所有時(shí)間序列，按SARS的發(fā)生分為兩個(gè)時(shí)期：第一個(gè)時(shí)期：2001年11月-2003年3月；第二個(gè)時(shí)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(shí)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：當(dāng)前第21頁(yè)\共有56頁(yè)\編于星期四\23點(diǎn)干預(yù)分析模型預(yù)測(cè)法原始數(shù)據(jù)如下

當(dāng)前第22頁(yè)\共有56頁(yè)\編于星期四\23點(diǎn)干預(yù)分析模型預(yù)測(cè)法（三）、干預(yù)分析模型的識(shí)別與參數(shù)估計(jì)

1.根據(jù)2001年11月-2003年3月，即前17個(gè)歷史數(shù)據(jù)，建立時(shí)間

序列模型。散點(diǎn)圖如下：當(dāng)前第23頁(yè)\共有56頁(yè)\編于星期四\23點(diǎn)干預(yù)分析模型預(yù)測(cè)法這里經(jīng)過(guò)觀察與篩選，最終選取二次曲線(xiàn)模型進(jìn)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(shuō)明模型擬合效果很好。當(dāng)前第24頁(yè)\共有56頁(yè)\編于星期四\23點(diǎn)干預(yù)分析模型預(yù)測(cè)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(yùn)用經(jīng)過(guò)檢驗(yàn)的二次曲線(xiàn)模型，進(jìn)行外推預(yù)測(cè)2003年4月-2004年12月的指數(shù)預(yù)測(cè)值，然后用實(shí)際值減去預(yù)測(cè)值，得到的差值就是經(jīng)濟(jì)體制改革所產(chǎn)生的效益值，記為

，具體數(shù)值如下：

當(dāng)前第25頁(yè)\共有56頁(yè)\編于星期四\23點(diǎn)干預(yù)分析模型預(yù)測(cè)法運(yùn)用表中的數(shù)據(jù)可估計(jì)出干預(yù)模型中的參數(shù)的

與

，實(shí)際上是自回歸方程

的參數(shù)：當(dāng)前第26頁(yè)\共有56頁(yè)\編于星期四\23點(diǎn)干預(yù)分析模型預(yù)測(cè)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(yàn)也是高度顯著，說(shuō)明模型擬合效果很好。當(dāng)前第27頁(yè)\共有56頁(yè)\編于星期四\23點(diǎn)干預(yù)分析模型預(yù)測(cè)法3.計(jì)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(shí)際的觀察序列值減去干預(yù)影響值得到，即：

稱(chēng)為消去了干預(yù)影響的凈化序列，具體計(jì)算數(shù)據(jù)如下：當(dāng)前第28頁(yè)\共有56頁(yè)\編于星期四\23點(diǎn)干預(yù)分析模型預(yù)測(cè)法4.對(duì)凈化序列建立擬合模型。

仍選取二次曲線(xiàn)模型進(jìn)行擬合。當(dāng)前第29頁(yè)\共有56頁(yè)\編于星期四\23點(diǎn)干預(yù)分析模型預(yù)測(cè)法結(jié)果如下：

其中，R2=0.999，F(xiàn)=23588.3（P=0.000高度顯著），說(shuō)明模型擬合效果很好。當(dāng)前第30頁(yè)\共有56頁(yè)\編于星期四\23點(diǎn)干預(yù)分析模型預(yù)測(cè)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(cè)模型：其中：當(dāng)前第31頁(yè)\共有56頁(yè)\編于星期四\23點(diǎn)干預(yù)分析模型預(yù)測(cè)法利用干預(yù)分析預(yù)測(cè)模型計(jì)算出預(yù)測(cè)值，并與原始指數(shù)值比較如下：

當(dāng)前第32頁(yè)\共有56頁(yè)\編于星期四\23點(diǎn)干預(yù)分析模型預(yù)測(cè)法

從原始指數(shù)與預(yù)測(cè)指數(shù)的數(shù)據(jù)比較圖來(lái)看，兩個(gè)序列重合度很高，說(shuō)明干預(yù)模型在這里取得了不錯(cuò)的效果。當(dāng)前第33頁(yè)\共有56頁(yè)\編于星期四\23點(diǎn)干預(yù)分析模型預(yù)測(cè)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(kāi)始，長(zhǎng)期持續(xù)；2.事件影響逐漸開(kāi)始，長(zhǎng)期持續(xù)；3.事件突然開(kāi)始，暫時(shí)影響；4.事件逐漸開(kāi)始，暫時(shí)影響干預(yù)分析模型的建模步驟：1.建立時(shí)間序列模型，進(jìn)行外推預(yù)測(cè)得到預(yù)測(cè)值；2.用實(shí)際值減去預(yù)測(cè)值，估計(jì)出干預(yù)影響部分的參數(shù)；3.用排除干預(yù)影響的數(shù)據(jù)，識(shí)別與估計(jì)出一個(gè)模型；4.結(jié)合上述步驟，求出總的干預(yù)分析模型。做題步驟：1.建立時(shí)間序列模型；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)；3.計(jì)算凈化序列；4對(duì)凈化序列建立擬合模型；5.組建干預(yù)分析模型。本章小結(jié)當(dāng)前第34頁(yè)\共有56頁(yè)\編于星期四\23點(diǎn)四組：劉曉龍劉姜琛鄒源王思思謝謝觀賞謝謝觀賞當(dāng)前第35頁(yè)\共有56頁(yè)\編于星期四\23點(diǎn)當(dāng)前第36頁(yè)\共有56頁(yè)\編于星期四\23點(diǎn)當(dāng)前第37頁(yè)\共有56頁(yè)\編于星期四\23點(diǎn)使用規(guī)范說(shuō)明圖表應(yīng)用強(qiáng)調(diào)背景文本和線(xiàn)條陰影標(biāo)題文本填充強(qiáng)調(diào)超鏈接已訪(fǎng)超鏈接標(biāo)準(zhǔn)配色當(dāng)前第38頁(yè)\共有56頁(yè)\編于星期四\23點(diǎn)單擊此處添加標(biāo)題單擊此處添加段落文字內(nèi)容單擊此處添加段落文字內(nèi)容文字內(nèi)容單擊此處添加段落文字內(nèi)容單擊此處添加段落文字內(nèi)容文字內(nèi)容單擊此處添加段落文字內(nèi)容單擊此處添加段落文字內(nèi)容文字內(nèi)容當(dāng)前第39頁(yè)\共有56頁(yè)\編于星期四\23點(diǎn)單擊此處添加標(biāo)題雙擊添加標(biāo)題文字雙擊添加標(biāo)題文字雙擊添加標(biāo)題文字雙擊添加標(biāo)題文字單擊此處添加段落文字內(nèi)容單擊此處添加段落文字內(nèi)容單擊此處添加段落文字內(nèi)容單擊此處添加段落文字內(nèi)容單擊此處添加段落文字內(nèi)容單擊此處添加段落文字內(nèi)容單擊此處添加段落文字內(nèi)容單擊此處添加段落文字內(nèi)容單擊此處添加段落文字內(nèi)容單擊此處添加段落文字內(nèi)容單擊此處添加段落文字內(nèi)容單擊此處添加段落文字內(nèi)容當(dāng)前第40頁(yè)\共有56頁(yè)\編于星期四\23點(diǎn)單擊此處添加標(biāo)題單擊此處添加段落文字內(nèi)容單擊此處添加段落文字內(nèi)容單擊此處添加段落文字內(nèi)容單擊此處添加段落文字內(nèi)容單擊此處添加段落文字內(nèi)容單擊此處添加段落文字內(nèi)容單擊此處添加段落文字內(nèi)容單擊此處添加段落文字內(nèi)容雙擊添加標(biāo)題文字雙擊添加標(biāo)題文字雙擊添加標(biāo)題文字雙擊添加標(biāo)題文字當(dāng)前第41頁(yè)\共有56頁(yè)\編于星期四\23點(diǎn)單擊此處添加標(biāo)題雙擊添加標(biāo)題文字單擊此處添加段落文字內(nèi)容單擊此處添加段落文字內(nèi)容當(dāng)前第42頁(yè)\共有56頁(yè)\編于星期四\23點(diǎn)單擊此處添加標(biāo)題此處添加內(nèi)容此處添加內(nèi)容此處添加內(nèi)容此處添加內(nèi)容雙擊添加標(biāo)題文字當(dāng)前第43頁(yè)\共有56頁(yè)\編于星期四\23點(diǎn)單擊此處添加標(biāo)題此處添加內(nèi)容單擊添加段落文字單擊添加段落文字此處添加內(nèi)容單擊添加段落文字單擊添加段落文字此處添加內(nèi)容單擊添加段落文字單擊添加段落文字單擊添加單擊添加單擊添加當(dāng)前第44頁(yè)\共有56頁(yè)\編于星期四\23點(diǎn)單擊此處添加標(biāo)題單擊此處添加段落文字內(nèi)容單擊此處添加段落文字內(nèi)容單擊此處添加段落文字內(nèi)容單擊此處添加段落文字內(nèi)容單擊此處添加段落文字內(nèi)容單擊此處添加段落文字內(nèi)容單擊此處添加段落文字內(nèi)容單擊此處添加段落文字內(nèi)容單擊此處添加段落文字內(nèi)容當(dāng)前第45頁(yè)\共有56頁(yè)\編于星期四\23點(diǎn)單擊此處添加標(biāo)題雙擊添加標(biāo)題文字此處添加內(nèi)容此處添加內(nèi)容此處添加內(nèi)容內(nèi)容內(nèi)容內(nèi)容內(nèi)容內(nèi)容單擊此處添加段落文字內(nèi)容單擊此處添加段落文字內(nèi)容單擊此處添加段落文字內(nèi)容單擊此處添加段落文字內(nèi)容單擊此處添加段落文字內(nèi)容單擊此處添加段落文字內(nèi)容當(dāng)前第46頁(yè)\共有56頁(yè)\編于星期四\23點(diǎn)單擊添加內(nèi)容文字單擊此處添加標(biāo)題單擊添加內(nèi)容文字當(dāng)前第47頁(yè)\共有56頁(yè)\編于星期四\23點(diǎn)單擊此處添加標(biāo)題此處添加內(nèi)容此處添加內(nèi)容此處添加內(nèi)容此處添加內(nèi)容雙擊添加標(biāo)題文字當(dāng)前第48頁(yè)\共有56頁(yè)\編于星期四\23點(diǎn)單擊此處添加標(biāo)題此處添加標(biāo)題此處添加內(nèi)容此處添加內(nèi)容此處添加內(nèi)容此處添加內(nèi)容此處添加內(nèi)容此處添加內(nèi)容此處添加內(nèi)容此處添加內(nèi)容此處添加內(nèi)容單擊添加段落文字單擊添加段落文字單擊添加段落文字單擊添加段落文字。單擊添加段落文字單擊添加段落文字單擊添加段落文字單擊添加段落文字。當(dāng)前第49頁(yè)\共有5