首页 > 文献资料
-
基于ARIMA模型的春节因素调整方法研究
目的 研究基于ARIMA模型的春节因素调整方法.方法 构建通用的春节因素变量,将其作为回归变量纳入季节性ARIMA回归模型(regARIMA或TRAMO),采用AIC或BIC对模型的效果进行判断,确定优模型.采用广义小二乘法或大似然法进行参数估计,并根据估计出的回归系数计算春节因素的影响程度.通过实例分析对上述方法进行实证.结果 实例分析表明,引入春节因素变量后的季节调整方法能有效地消除春节因素对时间序列的影响.并能定量分析春节因素的影响程度.结论 构建的春节因素变量具有较好的适用性,基于ARIMA模型的春节因素调整方法能有效地运用于时间序列的季节调整,为分析春节因素的影响提供了一种新的方法.
关键词: 春节因素 季节调整 X-12-ARIMA TRAMO/SEATS -
春节因素对医院业务收入的影响模型及调整方法研究
春节的公历日期是不确定的,其所在月份也不固定,多数在2月,少数在1月.医院的业务活动与春节存在着密切的关系,春节期间通常是医院业务活动的低潮期,业务收入比平常会大幅下降,这就导致春节所在月份的业务收入受到较大影响.很显然,从定性上进行判断,可以认为春节因素对医院业务收入的影响是负向的,即春节因素会使医院业务收入相对减少,但春节因素影响的程度则不能轻易判断.为了准确测量春节因素的影响程度,本文通过构造春节因素模型对此进行了分析研究.
-
春节因素对门诊人次同期对比分析的影响及调整方法
目的探讨春节因素对门诊人次同比分析的影响及其调整的方法.方法分别采用平均法、折算法、合并法对春节因素进行调整.结果未经调整的同比分析结果出现明显的偏差,调整后偏差得以消除.结论在对受春节因素影响的1月、2月统计指标进行同比分析时必须进行调整.
-
基于ARIMA模型的季节调整方法及研究进展
目的 介绍基于ARIMA模型的2种季节调整方法:X-12-ARIMA和TRAMO/SEATS. 方法 通过查阅有关文献,对基于ARIMA模型的季节调整方法的发展历史、基本原理与方法、新研究进展等方面进行综述,对ARIMA模型的影响因素进行分析,并运用其原理与方法对我国的春节因素进行调整,构建适用的调整模型. 结果 基于ARIMA模型的季节调整方法在时间序列分析中具有重要的地位,X-12-ARIMA和TRAMO/SEATS两种方法具有各自的特点与优势,并且这2种方法有相互融合的趋势. 结论 基于ARIMA模型的季节调整方法经过不断完善而趋于成熟,X-12-ARIMA和TRAMO/SEATS将进一步发展和完善,获得广泛应用.
关键词: ARIMA模型 季节调整 X-12-ARIMA TRAMO/SEATS 春节因素