社会统计学：时间序列分析

【案例】

Levi’s 成功的秘密——准确预测市场

美国的Levi’s 公司是闻名世界的牛仔裤生产厂商，这主要得益于他们精细的市场调查和精准的市场预测。 Levi’s 公司设有专门负责市场调查和分析的预测机构，调查时应用统计学、行为学、心理学、市场学等知识和手段，分析研究不同国家的经济情况、环境、市场竞争和时尚趋势等，并据此制订公司的服装生产和销售计划。

例如，1974 年公司对德国市场的调查表明，大多数顾客认为服装合身是首选条件。为此，Levi’s 公司随即派人在该国各大学和工厂进行服装合身测验，并结合德国的经济情况、市场竞争等因素对市场需求进行了预测，因而扩大了销售。 这使得Levi’s 公司的产品在市场上长期占有较大的份额。(www.xing528.com)

那么，如何根据已有的一系列数据对市场进行预测呢？ 本章将提供一种预测市场的方法——时间序列分析方法。

在工作和生活中，经常需要对某些事务做出预测。 比如下个季度的销售额、明年的产量等。 研究时间序列的主要目的就是进行预测。 这种预测是基于已有的时间序列数据，并根据这些已有的数据来近似模拟这些时间序列数据之间的变化模式，并假定这一变化模式会继续推进下去，进而推导出下一个时期或未来若干个时期的相关预测值。 经济变量往往是在不同的时间点记录的相关经济数据。 比如，每日的金融资产价格；每周的货币供给量，或者企业产出；每月的消费者价格指数；每季度GDP 数据、上市公司的盈利数据；每年的政府税收与政府预算；以及每10 年的人口普查资料；等等。 所有这些数据都是按照一定的时间间隔进行统计的经济数据。 这样的数据称为时间序列数据。 一个时间序列是对一个变量在不同时间取值的观测结果。

对时间序列数据的分析已成为社会科学领域广泛应用的研究方法之一。 在得到一个连续的时间序列数据之后，应该如何分析、处理相关的时间序列数据是需要首先考虑的问题。