时间序列分析法概述 所谓时间序列（ time series ），就是 具有均匀时间间隔的各种社会、自然现象的数量指标依时间次序排列起来的统计数据。时间序列分析法是通过对历史数据变化的分析，来评价事物的现状和估计事物的未来变化。这种方法在科学决策、 R&D 和市场开拓活动中的许多场合有广泛的应用，如市场行情分析、产品销售预测等。 时间序列预测法是一种定量分析方法，它是在时间序列变量分析的基础上，运用一定的数学方法建立预测模型，使时间趋势向外延伸，从而预测未来市场的发展变化趋势，确定变量预测值。 时间序列预测法也叫历史延伸法或外推法。 时间序列预测法的基本特点是： 假定事物的过去趋势会延伸到未来； 预测所依据的数据具有不规则性； 撇开了市场发展之间的因果关系。 从回归分析法的角度看，时间序列分析法实际上是一种特殊的回归分析法，因为此时不再考虑事物之间的因果关系或其他相关关系，而仅考虑研究对象与时间之间的相关关系，即将时间作为自变量来看待。 为了保证时间序列分析的准确性，时间序列数据的编制应该遵循以下一些原则：时间序列中的各项数据所代表的时期长短（或间隔时间）应该一致且连续。时间序列中的各项数据所代表的质的内容应该前后一致。统计指标数据的计量单位应该一致。 时间序列数据随时间推移而变动包括四种类型：倾向变动 / 趋势变动（ trend variation ）即在整个预测内研究对象呈现出渐增或渐减的总倾向。周期变动（ cyclical variation ）即以某一时间间隔为周期的周期性变动，如危机和复苏的交替。季节变动（ seasonal variation ）。即以一年为周期的周期变动，如服装行业销售额的季节性波动。不规则变动 / 随机变动（ irregular/random variation ）是指除以上三种变动之外的变动。 按时间指标可以分为三种 : 绝对时间序列、相对时间序列、平均时间序列 表 5-1时间序列倾向变动预测法倾向线的拟合多项式曲线直线二次曲线三次曲线指数曲线一次指数曲线二次指数曲线修正指数曲线生长曲线Logistic曲线Gompertz曲线倾向线的逐步修正移动平均法一次移动平均二次移动平均指数平滑法一次指数平滑二次指数平滑三次指数平滑时间序列倾向变动预测的方法体系概述 倾向线的拟合方法，实质上是一种时间序列回归分析法，它是通过数学模型的建立和求解来进行分析的。 倾向线的逐步修正方法则是与倾向线拟合方法性质完全不同的另一种方法...
