干预分析模型预测法ppt.ppt

1、，第8章，干涉分析模型预测方法，第2页，干涉分析模型预测方法，干涉分析模型概述，本章概述，1，识别和估计单变量干涉分析模型，2，干涉分析模型的应用示例，第3页，第3页，干涉分析模型预测方法，第一章干预分析的目的研究：测量干预的效果，从定量分析的角度评价政策干预或突发事件对经济环境和经济过程的具体影响。作用：干扰分析模型在干扰变量中反映干预因素，可以对突变时间序列进行建模。第4页，干预分析模型预测法，干预变量形式，干预事件形式，2，干预分析模型的基本形式，第5页，干预分析模型预测法，仅影响特定时间点，以单位脉冲函数表示的形式：1，在t时间发生后始终影响此时，可以用阶段函数表示。形式：持续干预变量

2、，临时干预变量，2，干预变量的形式，第6页，干预分析模型预测法，干预事件的形式，a .干预事件的影响突然开始，长时间，b .指示干预的影响强度的未知参数。Yt不稳定时，可以通过差异分为固定序列。其中b是向后运算符。干预必须落后多个期间(如b期间)才能产生影响。Page 8，仲裁分析模型预测法，b .干预事件的影响逐渐开始，长期持续，有时干预事件突然发生，没有立即产生完全的影响，随着时间的推移，逐渐感受到了这种影响的存在。此形式最简单方案的模型方程如下：一般表格：Page 9，仲裁分析模型预测方法，c .干预事件突然开始，产生暂时性效果。=0时，干预的影响仅存在一个期间；=1时，干预的影响将持续

3、很长时间。第10页，仲裁分析模型预测法，d .介入事件逐渐开始，临时效果发生，干涉的影响逐渐增加，达到某一点的最高点，然后逐渐减弱消失。Page 11，干预分析模型预测法，干预事件的形式，a .干预事件的影响突然开始，长期，b .干预事件的影响慢慢开始，长期，c .干预事件突然开始，产生暂时性的效果，d .干预事件逐渐开始同时，还可以使用此组合模拟多个干预事件的影响。第12页、干扰分析模型预测方法、单变量时间序列的干预模型是将各种干预变量添加到时间序列模型中的影响。例如，以ARIMA模型为例，1，1变量干预模型的构建，2节单变量干预分析模型的识别和估计，以及第13，1页变量序列的干预模型如下：

4、干扰分析模型预测方法、第14，2页、干预效果识别、干预分析模型预测方法、对实际数据进行干预分析的过程中，主要困难在于观察到的序列现实值是受干预变量影响的数据，不能保证由自相关函数和部分自相关函数反映的ARIMA模型是真实的。应对方法，(1)根据序列的特定情况和干预变量的特性进行识别。(2)已知干预的影响。，Page 15，仲裁分析模型预测方法，(1)根据序列的特定情况和干预变量的特征确定：确定干预变量的影响是暂时性的还是长期的。原则：这是利用干预变量影响之前或之后，即消除干预影响或消除干扰影响的净化数据，在相关函数和部分自相关函数中计算。在ARIMA模型中，首先标识模型的p和q，然后估计的参数

5、。Page 16，仲裁分析模型预测方法，假设：Page 17，(2)已知干预影响假定在识别模型之前干预的影响很明显，通过数据分析确定干扰变量的影响部分，估计该部分的参数，然后计算残差序列。此序列是消除干涉变量影响的序列，计算自相关函数和部分自相关函数，以识别ARIMA模型的阶数。表示ARIMA模型的阶数。仲裁分析模型预测方法，第18页，仲裁分析模型预测方法，第3页，仲裁分析模型的建模阶段：使用干预影响发生前的数字生成单变量时间序列模型。然后，将通过外推此模型获得的预测值用作不受操纵影响的数值。使用受排除干预影响的所有数据识别和估计单个变量的时间序列模型。从实际值中减去预测值，以获得受干预影响的

6、特定结果。使用这些结果估计受干预影响的部分的参数。结合前一阶段寻找整体干预分析模型。第一、二、三、四、页19，仲裁分析模型预测法，第三节仲裁分析模型的应用实例，仲裁分析模型预测房价指数(1)，问题建议和相关背景房地产价格指数通过跟踪价格这一经济变量，对市场行情波动具有直接及时的表达力。物价指数由一种市场调查资料组成，每时每刻记录市场行情波动的轨迹，形成了观测市场行情的多种气象的云图。最近上海房地产市场保持着数量价格上升的态势特别是住宅市场上商品住宅价格上涨幅度大幅上升引起了公众和政府的多方面关注从2003年4月开始，房价涨幅明显高于往年同期。研究表明，由于SARS引领了上海住宅市场的新上升，很

7、多国内外投资者认可并关注了上海的城市竞争力。并选择上海间接住宅指数作为研究对象，对SARS的发生、仲裁分析模型进行了分析和预测，对价格指数运行轨迹进行了定量研究。第20页，仲裁分析模型预测法，(2)，数据和模型的说明此处选择了上海间接住宅指数公布以来的所有时间序列，根据SARS的发生分为两个期间，第一期：2001年11月-2003年3月；第二个期间：2003年4月至2004年12月。SARS的发生不是因为它有完全的效果，而是因为随着时间的推移，逐渐感觉到它的效果存在。干预影响选择以下模式：其中，Page 21、干涉分析模型预测方法、原始数据为、Page 22、干涉分析模型预测方法、(3)、干涉

8、分析模型标识和参数估计1。2001年11月-根据2003年3月(即前17个历史数据)创建时间系列模型。散布图包括：第23页，选择观测和过滤的干涉分析模型预测方法，二次曲线模型进行拟合，结果如下：其中，R2=0.985、F=455.78(P=0.000的重要高度)，表明模型拟合效果良好。Page 24，仲裁分析模型预测方法，2 .分离干预影响的特定数据，评估干预模型的参数。使用经测试的二次曲线模型，外推2003年4月-2004年12月的指数预测值，从实际值中减去预测值，得出的差异是经济系统改革的收益值。也就是说，记录为以下值：Page 25，仲裁分析模型预测方法，使用表中的数据估计干涉模型、参数

9、和实际自回归方程的参数：Page 26，干涉分析模型预测方法，其中R2=0.984，F=1112.704(P=0.000，第27页，仲裁分析模型预测法，3 .计算净化序列净化序列是消除干预影响的序列，其价值是从实际观察序列值中减去干预影响。即，消除干预影响的净化序列，具体计算数据如下：第28页，仲裁分析模型预测法，第4页。为净化序列创建拟合模型。继续选择二次曲线模型以进行拟合。Page 29、干涉分析模型预测方法，结果如下：其中R2=0.999，F=23588.3(P=0.000的重要高度)表明模型拟合效果良好。第30页，干涉分析模型预测方法，5 .构建碰撞分析模型和替换模型相结合的管接头模型，以及所需的碰撞分析预测模型：其中：第31页，使用碰撞分析模型预测方法，使用碰撞分析预测模型计算预测值，并与原始指数值进行比较：第32页，碰撞分析模型预测方法，原始指数和预测指数数据比较图中的两个系列匹配度较高，表明碰撞模型在此取得了良好效果。第33页，干预分析模型预测法，干预变量的形式：持续性，暂时干预事件的四种形式：1。事件影响突然开始，长期持续；事件的影响逐渐开始，持续了很长时间。事件突然开始，暂时产生影响。4.事件逐步启动，暂时影响，并干预分析模型的建模阶段：1。建立时间序列模型，执行外推预测以取得预