季节调整模型在安徽省空气污染指数研究中的应用

2017-11-07 11:14:57卢维学徐慧芳
现代商贸工业 2017年33期

卢维学 徐慧芳

摘要:选取安徽省部分城市(淮北市与黄山市)2011年1月1日至2014年11月30日空气污染指数(AQI)本数据,并对时间序列数据进行ADF单位根检验,利用季节调整模型对参数进行设置以及模型的估计和检验,结果显示:空气污染指数在淮北市呈现夏高秋低的季节特征,在黄山市呈现夏低冬高的季节特征。

关键词:空气污染指数;季节调整;ADF单位根检验;Census X12季节调整法

中图分类号:TB文献标识码:Adoi:10.19311/j.cnki.16723198.2017.33.086

0引言

季节调整模型是时间序列中重要的模型构建方法之一,通过季节调整模型在时间序列中的研究及应用,可以发现和解释时间序列中的变化规律,并对时间序列未来的数据进行预测。空气污染指数是反映空气质量的重要指标。空气污染指数的高低直接影响居民的生活环境和身体健康。由于空气污染指数是按日记录的数据,属于典型的时间序列,并且存在季节变动的规律,因此可以运用季节调整模型进行研究分析。

在20世纪的上半叶伊始,就有从时间序列中分解季节因素、调整季节变动的先例。1919年,美国经济学家率先提出研究时间序列中的季节调整问题。此后,有关季节调整研究的热潮兴起,各种类型的调整方法不断出现和改进,同时各种方法也得到了广泛的应用。

一般认为,时间序列是受多方面因素影响,共同作用的结果。这些影响因素主要划分为长期趋势(T)、季节因素(S)、周期变化(C)、不规则变动(I)四个部分。相应的乘法模型为:

Y=T×S×C×I(1)

这四个部分的影响组合在一起就构成了时间序列的观测值。……

登录APP查看全文