第十一讲 时间序列数据
时间序列数据
- 对同一对象在不同时间连续观察所得到的数据。
- 时间序列分析大致可以分为三大部分，描述过去，分析规律和预测未来
- 指将某种现象的指标数值按照时间顺序排列而成的数值序列
- 出生
- GDP
- 温度
组成要素【时期时间序列+时点时间序列】
- 时间要素：年 季度 月 周 日
- 数值要素
- 时间序列可加，时期序列中的观测值反映的现象在一段时期内发展过程的总量，不同时期的观测值可以相加，相加结果表明现象在更长一段时间内的活动总量；【灰色预测】
- 时点序列不可加 而时点序列中的观测值反映现象在某一瞬间上所达到的水平，不同时期的观测值不能相加，相加结果没有实际意义。
长期变动趋势：相当长的一段时间，受长期趋势影响 持续上升/下降 用字母T表示
季节变动规律: 广义，一般以月、季、周为时间单位【百度指数】 ‘异常’（明显高于其他）
不规则变动（随机扰动项）: 含白噪音
周期变动： 市场经济的商业周期 或者整个国家的经济周期,增加减少交替出现，但不具备严格规格的周期性连续变动
四种指标分解：
(1)数据具有周期性才能使用时间序列分解，例如数据是月份数据，季度数据，如果是年份数据则不行
(2)在具体的时间序列图，如果随着时间的推移、序列的季节波动变得越来越大，则反映各种变动之间的关系发生变化，建议使用乘积模型；反之如果时间序列图的波动保持恒定，则可以直接使用叠加模型，当然，如果不存在季节伯兄，则两种分解都可以。
累积/叠加
案例：
Spss处理时间序列中的缺失值：
软件中：转换 替换缺失值
- 序列平均值：用整个序列的平均值
得到的效果
