(2)计算每段的和值：=14.64、=16.41、(3)代入公式计算参数值(n=3):得：b=0.8011,a=-1.4912;k=6.0943根据修正指数曲线预测2001年估计值y=------=5.8917=17.32;(1)把原时间数列分成三部分：92～94;95～97;98～20;第30页，共46页，星期日，2025年，2月5日(2）选点法：（五项平均）:式中第31页，共46页，星期日，2025年，2月5日（三项平均）:式中第32页，共46页，星期日，2025年，2月5日(3）最小平方法：第33页，共46页，星期日，2025年，2月5日第1页，共46页，星期日，2025年，2月5日一、基本思路传统统计学者上世纪初根据逆向思维方法创建的时间序列分析的新方法。ａ）把时间序列按影响因素不同分为四类；ｂ）分析并预测每一因素随时间变化的结果；ｃ）把各因素的预测值按一定模型组合；ｄ）根据模型预测。二、时间序列分解和预测模型ａ）加法模型：ｂ）乘法模型：4.1时间序列分解法第2页，共46页，星期日，2025年，2月5日3）循环变动（Cyclical）:由于政治或经济因素；以数年为周期；涨落相间的周期变动4）不规则变动(Irregular)：由于偶然因素引起的无规律变动。1）长期趋势（Trend）:受决定性因素的影响；在较长时间内；持续上升或下降。2）季节因子（Seasonal）:由于自然条件或社会因素造成；一年内稳定的周期波动。人口、技术、消费者偏好a.）概念不同;b.）影响因素不同;c.）周期变动的规律不同。第3页，共46页，星期日，2025年，2月5日ｂ）求移动平均比：三、古典时间序列的分解步骤ａ）计算移动平均数；ｃ)消除移动平均比中不规则变动因子；ｄ)配合趋势方程，计算每期的趋势值；ｅ)根据加法或乘法模型进行预测：分离季节因子N=?实现初步分解第4页，共46页，星期日，2025年，2月5日年＼季实际销售额趋势循环因子（移动平均）年＼季实际销售额趋势循环因子（移动平均）年＼季实际销售额趋势循环因子（移动平均）1996.130172000.1384933472004.143603909230432370134132436039823209427733264234443317240294280928204358535014422341111997.1327428382001.1407835532005.1469041952316328402390735992469442373211428943282837253334243604302429074408937914457744361998.1332729892002.1433938512006.1496544932349330712414838732502645033243931873291638723347045334349032774408438484452545901999.1368533192003.1424238102007.1525846262366133032399738012518945623237832963288137893359643459333744036381843881例第5页，共46页，星期日，2025年，2月5日概念当预测对象无季节变化依时间呈现某种上升或下降趋势，且能找到一个合适的函数来反映这种趋势，就可用趋势外推法进行预测。一、趋势外推法的概念和假设条件4.2趋势外推法概述1.影响经济现象的因素不变；2.预测对象的变化呈渐进趋势。目的1.分析事物原有趋势变化规律；2.预测趋势值并计算预测误差；3.剔除长期趋势影响，为继续分析创造条件。假设第6页，共46页，星期日，2025年，2月5日??????0?1??1?=1-1?0