因为时间序列是某个指标数值长期变化的数值表现,所以时间序列数值变化背后必然蕴含着数值变换的规律性,这些规律性就是时间序列分析的切入点。一般情况下,时间序列的数值变化规律有以下四种:长期变动趋势、季节变动规律、周期变动规律和不规则变动。不同的数值变化规律是由不同影响因素决定的。这些影响因素有长期起作用的因素,也有短期因素;有可以预知和控制的因素,也有未知和不可控制的因素;这些因素相互作用和影响,从而使时间序列的变化趋势呈现不同的特点。根据影响因素对时间序列数值变化趋势的不同影响情况,可以分为四种影响因素:长期趋势影响因素、季节变动影响因素、循环变动影响因素和不规则变动影响因素。
长期趋势
长期趋势指的是统计指标在相当长的一段时间内,受到长期趋势影响因素的影响,表现出持续上升或持续下降的趋势,通常用字母T表示。例如,随着国家经济的发展,人均收入将逐渐提升;随着科学技术的发生,劳动生产率也不断提高。
季节变动
季节变动是指由于季节的转变使得指标数值发生周期性变动。由此可见,指标数值的季节变动是以年为周期的,一般以月、季、周为时间单位,不能以年作单位,通常用S表示。引起季节变动的因素有自然因素,也有人为因素。例如,蔬菜食品价格,棉衣销售量都会随着季节气温的变化而周期变化;每年的长假(五一、十一、春节)都会引起出行人数的大量增加。
循环变动
循环变动与季节变动的周期不同,循环变动通常以若干年为周期,在曲线图上表现为波浪式的周期变动。这种周期变动的特征变现为增加和减少交替出现。最典型的周期案例就是市场经济的商业周期。
不规则变动
不规则变动是由某些随机因素导致的数值变化,这些因素的作用是不可预知和没有规律性的,因此对数值的变化影响变形为不规则变动。
以上四种变动就是时间序列数值变化的分解结果。有时这些变动会同时出现在一个时间序列里面,有时也可能只出现一种或几种,这是由引起各种变动的影响因素决定的。正是由于变动组合的不确定性,时间序列的数值变化才那么千变万化。四种变动与指标数值最终变动的关系可能是叠加关系,也可能是乘积关系。
叠加模型:如果四种变动之间是相互独立的关系,那么叠加模型可以表示为:

乘积模型:如果四种变动之间存在相互影响关系,那么应该使用乘积模型:

反映在具体的时间序列图上,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。








暂无数据