时间序列分析Ⅰ—平稳性及纯随机性检验 （一）基本概念 一、什么是时间序列
为了研究某一事件的规律，依据时间发生的顺序将事件在多个时刻的数值记录下来，就构成了一个时间序列
对时间序列进行观察、研究，找寻它变化发展的规律，预测它将来的发展趋势就是时间序列分析
例如，国家或地区的年度财政收入，股票市场的每日波动，气象变化，工厂按小时观测的产量等等
注：随温度、高度等变化而变化的离散序列，也可以看作时间序列
二、时间序列的特点 （1）顺序性； （2）随机性； （3）前后时刻（不一定相邻）的依存性； （4）整体呈趋势性和周期性
三、时间序列的分类 按研究对象的数目：一元时间序列、多元时间序列； 按序列统计特性：平稳时间序列、非平稳时间序列； 按分布规律：高斯时间序列、非高斯时间序列
四、研究方法 1
平稳时间序列分析； 2
非平稳时间序列分析（确定性分析、随机性分析）
五、其它 任何时间序列经过合理的函数变换后都可以被认为是由下列三部分叠加而成： （1）趋势项部分； （2）周期项部分； （3）随机项部分（随机信号、随机噪声） 图 1
四种趋势：线性、二次、指数增长、S型 例如，手机销售的月记录按年增长（趋势项）；按季节周期波动（周期项）；随机信号和随机噪声
时间序列分析的主要任务就是：上面三部分分解出来，是研究平稳随机过程的变化规律，建立特定的 ARIMA 模型（要求大体平稳、可能含有周期但不能有规则性的线性指数等类型趋势项）
六、方法性工具 1
差分运算 （1）k 步差分 间隔 k 期的观察值之差：Δk=x t-x t-k （2）p 阶差分 Δx t=x t-x t-1 称为一阶差分； 1110( 1)ppppiitttpt p iixxxC x 称为 p 阶差分； SAS 函数实现：diffn(x ) 2
