第24章 时间序列模型及其分析方法

时间序列模型是一种按照时间顺序排列的数据序列，并且这些数据随时间变化且相互关联。时间序列分析是数据分析的一个重要领域。根据研究对象的多少，时间序列可以分为一元时间序列和多元时间序列。根据时间的连续性，时间序列可以分为离散时间序列和连续时间序列。根据序列的统计特性，可以分为平稳时间序列和非平稳时间序列。宽平稳时间序列是指序列的概率分布与时间无关，并且具有一、二阶矩的特性。根据时间序列的分布规律，可以分为高斯型时间序列和非高斯型时间序列。 确定性时间序列分析技术主要用于研究时间序列的变化趋势。时间序列往往包含以下几类变化形式的叠加或耦合：长期趋势变动、季节变动、循环变动和不规则变动。长期趋势变动反映了客观事物的主要变化趋势；季节变动指在一年之内周期性重复出现的变动；循环变动指周期为一年以上的非季节因素引起的涨落起伏；不规则变动包括突然变动和随机变动。常见的确定性时间序列模型包括加法模型、乘法模型和混合模型。其中，加法模型是t=tT+tS+tC+tR的形式，乘法模型是t=tT×tS×tC×tR的形式，混合模型是t=tR+tS的形式。 综上所述，时间序列模型是一种按时间顺序排列的数据序列分析方法。根据时间序列的研究对象、时间的连续性、序列的统计特性和分布规律，时间序列可以有不同的分类。确定性时间序列分析方法用于研究时间序列的变化趋势，常见的模型包括加法模型、乘法模型和混合模型。