平稳时间序列的意义 ■时间序列数据结构的特殊性 ■可列多个随机变量,而每个变量只有一个样 本观察值 平稳性的重大意义 ■极大地减少了随机变量的个数,并增加了待 估变量的样本容量 ■极大地简化了时序分析的难度,同时也提高 了对特征统计量的估计精度
平稳时间序列的意义 ◼ 时间序列数据结构的特殊性 ◼ 可列多个随机变量，而每个变量只有一个样 本观察值 ◼ 平稳性的重大意义 ◼ 极大地减少了随机变量的个数，并增加了待 估变量的样本容量 ◼ 极大地简化了时序分析的难度，同时也提高 了对特征统计量的估计精度
平稳性的检验(图检验方法) ■时序图检验 ■根据平稳时间序列均值、方差为常数的性质 平稳序列的时序图应该显示出该序列始终在 个常数值附近随机波动,而且波动的范围 有界、无明显趋势及周期特征 自相关图检验 ■平稳序列通常具有短期相关性。该性质用自 相关系数来描述就是随着延迟期数的增加, 平稳序列的自相关系数会很快地衰减向零
平稳性的检验（图检验方法） ◼ 时序图检验 ◼ 根据平稳时间序列均值、方差为常数的性质， 平稳序列的时序图应该显示出该序列始终在 一个常数值附近随机波动，而且波动的范围 有界、无明显趋势及周期特征 ◼ 自相关图检验 ◼ 平稳序列通常具有短期相关性。该性质用自 相关系数来描述就是随着延迟期数的增加， 平稳序列的自相关系数会很快地衰减向零
例题 例2,1 检验1964年—1999年中国纱年产量序列的平稳性 例22 检验1962年1月—1975年12月平均每头奶牛月 奶量序列的平稳性 例23 检验1949年——1998年北京市每年最高气温序列的 平稳性
例题 ◼ 例2.1 ◼ 检验1964年——1999年中国纱年产量序列的平稳性 ◼ 例2.2 ◼ 检验1962年1月——1975年12月平均每头奶牛月产 奶量序列的平稳性 ◼ 例2.3 ◼ 检验1949年——1998年北京市每年最高气温序列的 平稳性
例21时序图 sha 600 500 400 300 200 100 0 TTTTt 196019651970197519801985199019952000
例2.1时序图
例21自相关图 Autocorrelat ions Lag Covar iance Correlation -1 9 8 765432101234567891 021741.103 1.00000 !**冰冰冰冰*冰************ 119869.670 0.91392 218336.945 0.84342 !***冰米冰*冰******凇* 316679.644 0.76719 !***冰米**冰******* 415119.82 0.69545 ****米********* 513234.768 0.60874 米米米米*米**** 611822.365 0.54378 ***冰******* 710355.42 0.47631 ***米来***** 88597.17 0.39543 **米米**** 96977.22 0.32092 米米米米率 10 5262.589 0.24206 ***米 3185.458 0.14652 *米 12 1257.065 0.05782 13 717.129 -.03298 2356.762 .10840 15-3657.864 16825 *米* 16=4675.021 21503 17-5645.938 -.25969 **米**! 6662.959 30647 19 7523.279 ,34604 ****米* 20-8300.856 -.38180 21-9068.912 41713 ******** 9409.375 -.43279 **米*米*米** ks two standard
例2.1自相关图