時間序列中移動假日效應(yīng)的識別及處理.pdf

1、研究背景: 實(shí)際的時間序列資料多數(shù)以月份或季度為記錄單位，這種累積型時間序列數(shù)據(jù)實(shí)際是一段區(qū)間(月/季)內(nèi)觀測值水平的綜合反映，容易受到移動假日因素的影響，導(dǎo)致各月份間觀測值不具有可比性，還會歪曲序列的周期性。移動假日效應(yīng)的出現(xiàn)是因?yàn)橐援?dāng)?shù)厝諝v時間(如春節(jié)是中國的農(nóng)歷正月初一)為依據(jù)劃分的節(jié)假日與時間序列資料匯總時的公歷時間劃分不一致引起的，其在公歷日期上的“移動”最直接表現(xiàn)為各年某些月份(如春節(jié)影響到的1、2月份)觀測指標(biāo)的不

2、可比，甚至影響最終季節(jié)調(diào)整的效果；反映在頻域，表現(xiàn)為對周期性的影響。 有學(xué)者提議使用三個回歸因子H1(τ，t)=τ1/τ，H2(τ，t)=τ1/τ，H3(τ，t)=τ1/τ對移動假日效應(yīng)進(jìn)行擬合，但這種方法需要事先給定移動假日效應(yīng)的節(jié)前、節(jié)中、節(jié)后期長度，然后按照模型選擇標(biāo)準(zhǔn)(AICC和標(biāo)準(zhǔn)預(yù)測誤差最小)從多個待選模型中選擇擬合效果最優(yōu)的模型。對于非專業(yè)領(lǐng)域或?qū)χ笜?biāo)的移動假日影響不清楚的新手，采用月度觀測值序列進(jìn)行移動假日效應(yīng)調(diào)

3、整時難免會因效應(yīng)期長度選擇不準(zhǔn)確而不能估計(jì)出合適的模型，造成移動假日效應(yīng)調(diào)整及季節(jié)調(diào)整結(jié)果的歪曲。本研究提出采用觀測值比例因子模型設(shè)置回歸因子，利用移動假日所在月份逐日觀測值的變化探尋效應(yīng)模式和效應(yīng)期。并通過模擬和實(shí)例，比較該方法與天數(shù)比例因子模型的移動假日效應(yīng)調(diào)整效果。 研究目的：探討多種模式下假日的移動性對序列頻譜周期的影響；比較觀測值比例因子模型與天數(shù)比例因子模型移動假日效應(yīng)的調(diào)整效果；系統(tǒng)地闡述移動假日效應(yīng)調(diào)整的整個過程

4、。 研究方法：采用SAS8.2、X-12-ARIMA和X-12-GRAPH三個軟件對模擬和實(shí)際數(shù)據(jù)進(jìn)行移動假日效應(yīng)的調(diào)整。具體而言，模擬含3、12個月周期、均數(shù)為0方差為6的模板序列50條。在此基礎(chǔ)上添加節(jié)前下降—節(jié)中持平—節(jié)后上升式、節(jié)前上升—節(jié)中下降—節(jié)后上升式和節(jié)前上升—節(jié)中持平—節(jié)后下降式三種模式的移動假日效應(yīng)，每種模式下設(shè)置長度為6、13、48天的效應(yīng)期。通過固定春節(jié)在2月5日，分析移動性對序列的頻譜峰值及周期的影響。

5、 模擬序列主要從擬合效果和預(yù)測誤差兩個角度對觀測值比例因子模型和天數(shù)比例因子模型進(jìn)行比較。對均數(shù)為0方差為6以及均數(shù)為400方差為100時，含各種移動假日效應(yīng)的序列分別采用天數(shù)比例因子模型和觀測值比例因子模型進(jìn)行移動假日效應(yīng)調(diào)整，比較兩比例因子模型移動假日效應(yīng)的調(diào)整效果。 實(shí)例分析過程，具體介紹了從移動假日效應(yīng)識別、效應(yīng)期的確定、模型的選擇以及調(diào)整效果的判斷四個移動假日效應(yīng)調(diào)整的主要步驟。采用年—年時序圖法進(jìn)行移動假日效

6、應(yīng)的識別；采用以春節(jié)為中點(diǎn)繪制的逐日觀測值的年—年時序圖、配對t檢驗(yàn)、準(zhǔn)則函數(shù)法和回歸因子檢驗(yàn)等方法確定移動假日效應(yīng)期；通過準(zhǔn)則函數(shù)和預(yù)測誤差兩種方法選擇最終的移動假日效應(yīng)模型；通過對調(diào)整前后序列年觀測值的描述、時序圖、頻域圖以及周期性檢驗(yàn)等方法判斷移動假日效應(yīng)的調(diào)整效果。 結(jié)果與討論: 通過對模擬和實(shí)例數(shù)據(jù)的分析得到以下結(jié)果： (1)春節(jié)的移動性減弱了年度周期峰值，也不同程度地影響了序列各周期峰值的相對大小。同

7、種模式下，隨著春節(jié)效應(yīng)強(qiáng)度的增加，移動性對年度周期的影響增大。此外，檢驗(yàn)出序列中有統(tǒng)計(jì)學(xué)意義的周期增多，誤報了序列中本來沒有意義的周期。 (2)利用逐日觀測值數(shù)據(jù)進(jìn)行移動假日效應(yīng)調(diào)整可以在對序列沒有先驗(yàn)知識的情況下，通過繪制1-4月逐日觀測值的年—年時序圖判斷春節(jié)期間是否出現(xiàn)異常變動范圍的移動，即是否存在移動假日效應(yīng)；通過繪制以春節(jié)為中點(diǎn)的1-4月逐日觀測值的年—年時序圖，不僅可以看出移動假日效應(yīng)的模式而且可以看出移動假日效應(yīng)的

8、影響范圍，初步確定序列的移動假日效應(yīng)期。 (3)兩種移動假日效應(yīng)調(diào)整方法的比較：當(dāng)移動假日效應(yīng)期很短時，天數(shù)比例因子模型和觀測值比例因子模型的回歸因子取值幾乎完全相同，這時可認(rèn)為兩種方法等價；當(dāng)移動假日效應(yīng)期增長，但效應(yīng)強(qiáng)度仍較小時，雖然采用觀測值比例因子模型調(diào)整后均值序列的AICC值小于天數(shù)比例因子模型，但是統(tǒng)計(jì)學(xué)檢驗(yàn)尚不能發(fā)現(xiàn)兩模型的AICC值和提前1-12期預(yù)測誤差有差異；當(dāng)顯著增大序列的移動假日效應(yīng)強(qiáng)度時(移動假日面積在

9、2500以上)，多數(shù)情況下均值序列(除D13外)的觀測值比例因子模型的AICC值和提前1-12期預(yù)測誤差均小于天數(shù)比例因子模型，且50條序列的檢驗(yàn)結(jié)果認(rèn)為兩者是有差異的。 觀測值比例因子模型是利用移動假日效應(yīng)期間每天觀測值的大小信息，考慮了每段效應(yīng)期內(nèi)落入某一月份觀測值的異常變動；而天數(shù)比例因子模型僅考慮了每段效應(yīng)期內(nèi)落入某一月份的天數(shù)比例，沒有考慮到序列的異常變動，也不能確切地描述移動假日效應(yīng)的模式。所以，當(dāng)序列平均水平高、移