干預(yù)分析模型預(yù)測法+四組+.ppt

1、,第八章,干預(yù)分析模型預(yù)測法,四組：劉曉龍 劉姜琛 王思思 鄒源,Page 2,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,Page 3,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。,Page 4,干預(yù)分析模型預(yù)測法,干預(yù)變量形式

2、,干預(yù)事件形式,2、干預(yù)分析模型的基本形式,Page 5,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,Page 6,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,Page 7,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

3、，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。,Page 8,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：,Page 9,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(dāng)=0時，干預(yù)的影響只存在一個時期， 當(dāng)=1時，干預(yù)的影響將長期存在。,Page 10,干

4、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。,Page 11,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。,Page 12,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

5、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,Page 13,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,Page 14,2、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。,Page 15,干預(yù)

6、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)。,Page 16,干預(yù)分析模型預(yù)測法,假定：,假定模型形式為：,Page 17,（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

7、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,Page 18,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,Page 19,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)

8、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

9、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。,Page 20,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：,Page 21,干預(yù)分析模型預(yù)測法,原始數(shù)據(jù) 如下,Page 22,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

10、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：,Page 23,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。,Page 24,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：,Page 25,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

11、，實際上是自回歸方程 的參數(shù)：,Page 26,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。,Page 27,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：,Page 28,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。,Page 29,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

12、擬合效果很好。,Page 30,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：,Page 31,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：,Page 32,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

13、，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)影響部分的參數(shù)；3.用排除干預(yù)影響的數(shù)據(jù)，識別與估計出一個模型；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.計算凈化序列；4對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),四組：劉曉龍 劉姜琛 鄒源 王思思,Page 35,Page 36,Page 37,使用規(guī)范說明,Page 38,單擊此處添加標題,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

14、字內(nèi)容,單擊此處添加段落文字內(nèi)容,文字內(nèi)容,Page 39,單擊此處添加標題,雙擊添加標題文字,雙擊添加標題文字,雙擊添加標題文字,雙擊添加標題文字,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,Page 40,單擊此處添加標題,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,

15、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,1,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,雙擊添加標題文字,雙擊添加標題文字,雙擊添加標題文字,2,3,雙擊添加 標題文字,Page 41,單擊此處添加標題,雙擊添加標題文字,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,Page 42,單擊此處添加標題,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,雙擊添加標題文字,Page 43,單擊此處添加標題,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

16、添加,單擊添加,Page 44,單擊此處添加標題,1,3,2,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,Page 45,單擊此處添加標題,雙擊添加 標題文字,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,Page 46,單擊添

17、加內(nèi)容文字,單擊此處添加標題,單擊添加內(nèi)容文字,Page 47,單擊此處添加標題,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,雙擊添加標題文字,Page 48,單擊此處添加標題,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。,Page 49,單擊此處添加標題,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 標題文字,雙擊添加 標

18、題文字,雙擊添加 標題文字,雙擊添加 標題文字,Page 50,單擊此處添加標題,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,Page 51,單擊此處添加標題,單擊此處添加標題,單擊添加標題文字,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,Page 53,單擊此處添加標題,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,Page 54,單擊添加段落文字 單擊添加段落文字,單擊此處添加標題,Page 55,