最新《时间序列分析》教案Word格式文档下载.docx
《最新《时间序列分析》教案Word格式文档下载.docx》由会员分享,可在线阅读,更多相关《最新《时间序列分析》教案Word格式文档下载.docx(26页珍藏版)》请在冰豆网上搜索。
任课教师
许启发、李志强、白日荣等
习题课:
所选教材
《时间序列分析》中国统计出版社
机动:
本课程教学
目的与要求
课程性质:
统计学专业的专业课程。
本课程以计量经济学、微积分、线性代数、概率论和数理统计课程为基础。
教学目的:
使学生掌握时间序列分析的基本原理、方法、模型,重点培养学生运用相关软件进行实证分析的能力,为以后的理论应用研究打下坚实基础。
基本要求:
本课程要求学生掌握时间序列分析的基本概念和模型,掌握用时间序列模型进行基本实证分析的方法。
重点与难点
教学重点:
平稳及非平稳时间序列分析的基本理论;
应用EVIEWS软件包进行时间序列模型建模。
教学难点:
平稳及非平稳时间序列的数理特征。
参考书目
王振龙:
《时间序列分析》,中国统计出版社
张世英、许启发等:
《金融时间序列分析》,清华大学出版社
王耀东、张德远、张海雄:
《经济时间序列分析》,上海财经大学出版社
Box,Jenkins,Reinsel著,顾岚译:
《时间序列分析---预测与控制》,机械工业出版社
James.D.Ha-milton著,刘明志译,中国社会科学出版社
易丹辉:
《数据分析与Eviews应用》,中国统计出版社
时间序列分析教案-1
本次授课内容
第一章绪论
(一)
本次课的
教学目的
通过本次课学习,使学生掌握时间序列的概念、特征、分类;
掌握四类离群值的特点;
掌握确定时间序列分析常见模型。
重点:
确定时间序列分析模型。
难点:
Gompertz模型和Logistic模型的建立。
教学方法
教学手段
讲授;
多媒体教学;
实验演示
课堂教学
时间分配
教学内容
时间分配(分)
新课开场白
10
时间序列的概念、特征、分类
时间序列的建立(采样、离群值、缺失值)
25
时间序列分解
5
移动平均模型及指数平滑模型
20
Gompertz模型和Logistic模型的建立
课堂教学设计
介绍本课程的性质,使学生对课程全貌有所了解。
利用多媒体和实验演示对课程的内容进行展示。
有多个案例在课上或课后完成。
思考题及作业题
课外补充题
备注
参考书:
[1]王振龙:
《时间序列分析》,中国统计出版社;
[2]Box,Jenkins,Reinsel著,顾岚译:
《时间序列分析---预测与控制》,机械工业出版社;
[3]易丹辉主编:
教学后记
时间序列分析教案-2
第一章绪论
(二)
通过本次课学习,使学生掌握随机时间序列的概念;
掌握时间序列的概率分布和数值特征概念;
掌握两类平稳性的的特点;
了解几类常见的时间序列。
时间序列的概率分布和数值特征,平稳时间序列
多媒体教学
随机过程
时间序列的概率分布和数值特征
35
平稳时间序列
平稳时间序列自协方差函数和自相关函数
15
几类特殊的随机过程
本次课是本章的重点和难点,每一个概念采用精讲的形式讲透。
启发利用学过的知识理解新的知识内容。
对相似内容采用对比的形式加以区分。
课外补充
时间序列分析教案-3
第二章单变量时间序列模型介绍
通过本次课学习,使学生掌握单变量时间序列的类型;
掌握各种单变量时间序列模型的特点;
学会用EVIEWS软件模拟三类平稳序列模型。
三类单变量平稳时间序列模型。
用EVIEWS软件模拟三类平稳序列模型
课堂实验演示
解决上一章留的思考题
单变量时间序列模型的合理性
AR模型
MA模型
ARMA模型
模拟实验
板书解决上章节的思考题;
回顾计量经济学内容,讲解单变量时间序列模型的合理性;
与普通一元回归模型对比讲解AR模型;
通过讲述与AR模型的关系讲授MA模型和ARMA模型。
课堂实验演示讲解三类模型的模拟方法。
P422.5;
2.6;
2.7
[2]Box,Jenkins,Reinsel酸耙耄骸妒奔湫蛄蟹治?
--预测与控制》,机械工业出版社;
时间序列分析教案-4
第三章ARMA模型的特性
(一)
通过本次课学习,使学生掌握后移算子的概念和运算;
掌握线性差分方程齐次解及其性质;
掌握格林函数的概念、性质和计算。
三类模型格林函数的特性。
差分方程齐次解和格林函数的算法
实验演示
复习上章有关内容引入本章主题内容
后移算子
线性差分方程
格林函数
30
通过复习上章的有关内容引入本章的主题内容;
通过观察三类模型说明其与差分方程的关系;
多媒体展示后移算子的概念和性质,请同学尝试将原模型表示成算子形式;
根据模型讲解线性差分方程的解的构成,讲解齐次方程解的算法和解的特性;
讲解格林函数的概念,强调不同参数下模型格林函数的不同特性并用软件操作演示。
P873.1;
3.2;
补充题
时间序列分析教案-5
第三章ARMA模型的特性
(二)
通过本次课学习,使学生掌握平稳序列模型平稳性条件;
掌握逆函数的概念和算法;
可逆性条件。
重点、难点:
AR(n)模型的平稳性条件。
多媒体教学
讲解上一章作业
格林数和AR(n)模型的平稳性
逆转形式和逆函数
逆函数的求法
MA(m)模型的可逆性条件
用三十分钟的时间讲解前三次课所布置的作业内容;
利用多媒体讲解格林函数与AR模型的平稳性关系;
习题推演平稳域的解法;
利用多媒体讲解逆转形式和逆函数,提示其与格林函数的关系;
习题讲解逆函数的解法及MA模型的可逆性条件。
P873.5;
3.6;
3.7
时间序列分析教案-6
第三章ARMA模型的特性(三)
自相关函数的定义
AR(n)模型的自相关函数
MA(m)模型的自相关函数
偏自相关函数定义
AR(n)模型的偏自相关函数
MA(m)模型的偏自相关函数
利用多媒体讲解自相关函数的定义,讲解AR模型及MA模型自相关函数的算法,强调各自的特点;
利用多媒体讲解偏自相关函数的定义,讲解AR模型及MA模型偏自相关函数的算法,强调各自的特点;
ARMA模型的自相关和偏自相关函数的特点;
最后请学生将三类模型的自相关和偏自相关函数的特点总结成表。
P873.10;
3.11;
时间序列分析教案-7
第四章平稳时间序列模型的建立
(一)
通过本次课学习,使学生掌握平稳序列模型建模的模型识别以及残差方差定阶和自相关函数(ACF)和偏自相关函数(PACF)定阶方法
模型的识别依据、自相关函数(ACF)和偏自相关函数(PACF)定阶
自相关函数(ACF)和偏自相关函数(PACF)拖尾和截尾的判别
模型的识别依据
自相关函数(ACF)和偏自相关函数(PACF)拖尾和截尾的判别
一个实例
残差方差定阶
自相关函数(ACF)和偏自相关函数(PACF)定阶
利用多媒体讲解偏自相关函数的定义,讲解AR模型及MA模型偏自相睾乃惴ǎ康鞲髯缘奶氐悖籄RMA模型的自相关和偏自相关函数的特点;
时间序列分析教案-8
时间序列分析教案-9
第四章平稳时间序列模型的建立(三)
通过本次课学习,使学生掌握平稳序列模型建模参数估计的最小二乘估计方法、了解极大似然估计方法,掌握模型的检验方法。
最小二乘估计法、模型的检验
L—B检验。
软件实际操作演示
最小二乘估计
极大似然估计
软件操作演示
估计参数检验
残差列检验
利用多媒体讲解最小二乘估计法,极大似然估计法,软件实际操作两种估计方法的EVIEWS实现,重点讲解最小二乘方法的输出界面的解读;
利用多媒体讲解ARMA建模模型检验的估计参数检验和残差列检验,软件实际操作两种方法的EVIEWS实现。
P1272.3;
补充案例题
时间序列分析教案-10
第五章平稳时间序列预测
(一)
通过本次课学习,使学生掌握平稳时间序列预测的特点,掌握线性最小误差方差预测的原理,重点掌握条件期望预测。
条件期望预测;
条件期望预测。
平稳时间序列预测概述
线性最小误差方差预测
条件期望预测概述
传递形式条件期望预测
逆转形式条件期望预测
差分方程形式条件期望预测
利用多媒体讲解平稳时间序列预测概述、线性最小误差方差预测、传递形式条件期望预测、逆转形式条件期望预测、差分方程形式条件期望预测。
课堂要求梳理理论、精讲例题。
P1482.3;
时间序列分析教案-11
第五章平稳时间序列预测
(二)
通过本次课学习,使学生掌握适时修正预测与指数平滑预测两种预测方法。
适时修正预测的思想与指数平滑预测中参数选择。
适时修正预测的必要性
适时修正预测操作方法
案例1
指数平滑预测方法与过程
指数平滑预测与ARMA模型之间关系
案例2
介绍适时修正预测的必要性及其操作方法,通过案例分析和Eviews软件操作掌握适时修正预测过程;
介绍指数平滑预测方法与过程,比较其与ARMA模型之间关系,通过案例分析和Eviews软件操作掌握指数平滑预测过程。
补充案例
时间序列分析教案-12
第六章非平稳时间序列分析
(一)
通过本次课学习,使学生掌握非平稳时间序列分析方法之一:
差分运算与ARIMA模型建立。
非平稳的检验;
在ARMA模型的基础上,利用差分运算将ARIMA模型与ARMA模型的衔接问题。
非平稳时间序列的表现
非平稳时间序列的检验
差分运算表示及其功能
ARIMA模型表示及其对ARMA模型的包容性
ARIMA模型建模过程
一个案例
首先介绍非平稳时间序列的表现形式及其判定依据;
其次介绍差分运算及其功能;
第三介绍在ARMA模型的基础上,如何利用差分运算建立ARIMA模型;
最后重点介绍ARIMA模型建模过程。
通过案例教学、结合Eviews软件操作,重点介绍ARIMA模型建立及其预测。
P1226.3;
6.4
时间序列分析教案-13
第六章非平稳时间序列分析
(二)
通过本次课学习,使学生掌握非平稳时间序列分析方法之二:
确定性趋势与组合模型建立。
组合模型的建模过程。
确定性趋势的判定
组合模型建模思想
组合模型建模过程
结合确定性时间序列分析部分,介绍组合模型建模思想,重点介绍组合模型建模过程及其与ARMA模型之间关系。
通过两个案例、结合Eviews软件操作,熟悉和掌握组合模型建模过程,比较确定性时间序列分析和随机性时间序列分析之间关系。
P1236.7;
时间序列分析教案-14
第七章季节性时间序列分析方法
(一)
通过本次课学习,使学生掌握季节性时间序列处理方法:
X-11季节调整程序和季节性时间序列建模中的季节性时间序列建模。
季节性时间序列模型和普通时间序列模型之间的联系与区别。
季节性时间序列及其特征
随机季节模型
乘积季节模型
乘积季节模型与ARIMA模型之间关系
季节性时间序列模型建模过程
利用多媒体季节性时间序列的主要特征、乘积季节模型及其与ARIMA模型之间联系与区别、乘积季节模型的建模过程。
通过案例教学、结合Eviews软件操作,重点介绍乘积季节模型的建立过程。
P1567.1;
7.2
时间序列分析教案-15
第七章季节性时间序列分析方法
(二)
X-11季节调整程序和季节性时间序列建模中的X-11季节调整程序。
移动平均方法。
季节调整的必要性
季节调整的理论依据
季节调整的历史与发展
季节调整的基本概念和基本模型
X-11季节调整程序
45
介绍季节调整的作用与意义、理论依据,季节调整的历史与发展,季节调整的基本概念和基本模型,重点介绍X-11季节调整程序。
通过案例教学、结合Eviews软件操作,重点介绍利用X-11季节调整程序对季节性时间序列的长期趋势、周期波动、季节变动进行分解,并对各因子进行预测。
P1567.5;