介绍时间序列分析和预测

1. 声音
   观察依据

   讲述者指出，时间序列数据是从现实事物中采集而来，并借助计算机进行分析，以生成图形和数值结果。

2. 动画
   观察依据

   一个商店图标将类似电子表格的表格输入到标有“时间序列软件”的粉色方框中，该方框输出一张图表。

time series data

从现实实体中采集、供后续分析使用的测量值。

随时间推移以数值形式表示的真实世界观测结果。

1. 图示
   观察依据

   一张电子表格显示A列为“月份”，其条目如Jan2000、Feb2000、Mar2000、Apr2000。

Month

用于标识每次观测发生时间的日历标签。

诸如“月-年”组合之类的日期标签。

1. 图示
   观察依据

   B列标题为“休闲用品”，包含数值134.1、133、136.2、120.4。

Recreational goods

示例数据集中随时间追踪的数值变量。

表格中显示的正值测量结果。

1. 声音
   观察依据

   讲述者将趋势定义为该序列整体的长期变化方向。

2. 动画
   观察依据

   一条蓝色折线在坐标轴上先上升、再下降、最后保持水平。

Trend

时间序列的长期趋势成分。

通过线条方向体现的定性成分。

1. 声音
   观察依据

   讲解者指出，当存在以固定时间间隔重复出现的行为时，便产生了季节性。

2. 动画
   观察依据

   标题为‘季节性’的下方出现一条红色的重复锯齿状图案。

Seasonality

时间序列中周期性重复的短期模式。

通过周期性波形体现的定性成分。

1. 声音
   观察依据

   讲解者指出，当一个序列呈现出非季节性的、起伏变化的模式，且该模式的周期长度可变时，便产生了循环性。

2. 动画
   观察依据

   一条黄色波浪曲线被绘制在坐标轴上，其波峰间距不断变化。

Cycles

时间序列中非季节性的上下振荡成分。

通过不规则波形体现的定性成分。

1. 声音
   观察依据

   讲解者指出，所有数据中都存在随机变异。

2. 动画
   观察依据

   一条锯齿状绿色线条被绘制在标题‘变异’下方。

Variation

时间序列数据中存在的随机波动。

由杂乱线条示意的定性成分。

1. 声音
   观察依据

   讲解者指出，有时由于一次性事件，序列中会出现异常的低谷或跃升。

2. 动画
   观察依据

   一条红线整体保持平稳，随后呈V形急剧下降。

Irregularities

时间序列中的离群值或突发的一次性偏差。

由突然的尖峰或低谷示意的定性成分。

1. 声音
   观察依据

   讲解者解释道，时间序列数据源自现实生活，由计算机进行分析，其输出结果能帮助我们更深入地了解现实状况，并可用于对未来数值做出有依据的预测。

2. 动画
   观察依据

   商店 → 数据表 → ‘时间序列软件’ → 图形流程图。

该视频将时间序列分析呈现为一种工作流程：采集现实世界中的测量数据，借助软件进行处理，获得图形与数值摘要，再利用这些摘要理解当前状况并预测未来数值。

1. 数据必须来源于一个现实世界中所关注的实体。

2. 分析通过计算机软件包完成。

3. 输出包含图形结果和数值结果。

1. 声音
   观察依据

   旁白说道：“时间序列是一组对同一对象在等时间间隔下进行的数值测量。”

2. 图示
   观察依据

   电子表格中列有每月日期及对应数值；随后以文字形式举例说明年度、季度、月度、每周、每日、每小时等时间间隔。

时间序列被定义为对同一对象在等时间间隔下记录的数值测量。视频强调，该时间间隔可以是年度、季度、月度、每周、每日，甚至每小时。

1. 测量结果为数值。

2. 这些测量均针对同一对象。

3. 观测时间点是等间隔的。

1. 声音
   观察依据

   旁白列举实例：月平均气温、公司年度利润、加油站每日汽油价格、家庭每小时用电量、中式外卖店每日营业额、房屋季度销量。

2. 动画
   观察依据

   依次出现温度计、钱堆、加油泵、带电线的房子、外卖盒以及‘待售’标牌图标。

该片段通过具体应用表明，只要对许多不同类型的量（如天气、企业利润、燃油价格、家庭用电量、餐馆营收、房屋销售）进行随时间重复测量，均可形成时间序列。

1. 每个示例都是随时间反复观测得到的一个数量。

1. 时间序列的定义

1. 声音
   观察依据

   解说员指出，时间序列数据具有四种行为特征：趋势、季节性、周期性和无法解释的变异；此外，还可能存在与现实世界事件相关的不规则性或异常值。

2. 动画
   观察依据

   标题‘时间序列的构成成分’出现，下方标注有‘趋势’、‘季节性’、‘周期性’、‘变异’和‘不规则性’。

视频采用分解式视角介绍时间序列行为：趋势、季节性、周期性和无法解释的变异被列为四大主要特征；而不规则性或异常值则作为附加特征被提及，它们与特定现实事件相关联。

1. 适用于一般的时间序列数据。

2. 不规则性被单独处理，区别于四大主要特征。

1. 时间序列的定义

1. 声音
   观察依据

   解说员指出，趋势是序列整体的长期变动方向；经济类序列通常呈上升趋势，但并非总是如此；有些序列则没有明显趋势。

2. 动画
   观察依据

   一条蓝色线条先向上延伸，再向下延伸，最后在坐标轴上呈水平走向。

趋势反映序列的长期变动方向。动画展示了三种可能的视觉形态：上升、下降和平坦，对应解说中提到的‘并非所有序列都上升’以及‘有些序列没有明显趋势’。

1. 关注的是长期方向，而非短期波动。

1. 时间序列行为的构成成分

1. 声音
   观察依据

   旁白指出：当数据在固定时间间隔内呈现重复性变化时，就出现了季节性，这种变化与自然季节或人类活动的季节性有关。

2. 动画
   观察依据

   标题为‘季节性’下方出现红色重复锯齿状图案；同时显示海滩和圣诞树图标。

季节性是指在固定时间间隔内发生的规律性重复行为。视频通过周期性的红色波形图以及海滩场景、装饰圣诞树等季节性符号来强化这一概念。

1. 重复必须发生在固定时间间隔内。

2. 通常与日历季节或周期性的人类活动相关联。

1. 时间序列行为的构成成分

1. 声音
   观察依据

   旁白指出：当一个序列呈现出非季节性的起伏模式时，就出现了循环性；且该循环的长度可变，因此比季节性更难识别。

2. 动画
   观察依据

   黄色波动曲线，其波峰间距不均；同时出现自行车图标。

循环性是非季节性的振荡现象。与季节性不同，其周期长度可以变化，视频明确指出这使得循环性更难被识别。

1. 模式呈起伏状。

2. 不依赖于固定日历时间间隔。

3. 循环长度可能不同。

1. 时间序列行为的构成成分
2. 季节性成分

1. 声音
   观察依据

   解说员指出，所有数据中都存在随机变异；有些时间序列非常规则，随机变异很小，而另一些则几乎完全由随机变异构成。

2. 动画
   观察依据

   ‘变异’下方为锯齿状绿色线条；随后展示真实数据图：黑色为原始数据点，红色为更平滑的拟合曲线。

根据视频所述，随机变异始终存在于数据中；它表现为嘈杂的锯齿状波动，而随附的真实图表则通过对比原始的黑色波动与更平滑的红色趋势类曲线来体现这一点。

1. 适用于所有数据。

2. 不同时间序列之间的变异幅度可能差异极大。

1. 时间序列行为的构成成分

1. 声音
   观察依据

   解说员提到，有时时间序列中会出现异常的低谷或跃升，原因是一次性事件，例如火山灰云扰乱航空运输，或销售税率的预期调整。

2. 动画
   观察依据

   带尖锐V形凹陷的红线；配图：火山与飞机。

不规则性是指时间序列中异常的一次性低谷或跃升；视频将其归因于特定外部事件，而非内在的规律性结构，并以火山灰云为例说明其现实成因。

1. 通常为孤立事件。

2. 可能表现为突然的尖峰或骤降。

3. 通常可追溯至现实世界中的事件。

1. 时间序列行为的构成成分

1. 声音
   观察依据

   讲解员指出，许多计算机软件包使操作变得简便，并提及一部配套视频将使用 iNZight 软件，强调需将数学特征与实际应用相联系，同时指向其他视频及 AtMyPace 时间序列应用程序。

2. 图示
   观察依据

   知识卡片文字包括：‘时间序列分析：使用 iNZight’、‘时间序列分析：评估模型’、‘撰写时间序列报告’以及‘www.statsLC.com 通过应用学习’。

该片段最后将时间序列分析界定为兼具计算性与解释性：软件负责操作层面，而关键任务在于将数学特征重新联结至现实情境；同时推广了若干相关资源，涵盖 iNZight 的使用、模型评估及报告撰写。

1. 计算机软件包简化了操作过程。

2. 解读应将数学内容与实际应用相联系。

1. 时间序列分析的目的。

1. 声音
   观察依据

   讲解员明确定义时间序列：在时间上等距间隔采集的数据。

时间序列是一组针对同一对象、在时间上等距间隔所采集的数值型测量数据。

1. 测量结果为数值型。

2. 它们属于同一实体。

3. 观测时间间隔相等。

在本视频中，这类数据被称为时间序列。

1. 声音
   观察依据

   旁白说道：‘所有数据中都存在随机变异。’

1. 该陈述较为宽泛，且在片段中未作进一步限定。

所有数据中都存在随机变异。

1. 在本入门语境中，这些数据被视为时间序列。

这是旁白所作的全称断言。

1. 声音
   观察依据

   旁白指出，周期的长度可以不同，这使得周期比季节性更难识别。

由于周期长度可变，周期比季节性更难识别。

1. 季节性在固定时间间隔内重复出现。

2. 周期性是不具季节性的上下波动模式。

对周期性与季节性的比较性陈述。

1. 声音
   观察依据

   旁白指出，分析结果能让我们更深入地了解现实状况，并可用于对未来数值做出有依据的预测。

1. 本片段未指定任何具体的预测方法。

时间序列分析的结果可用于对未来数值做出有依据的预测。

1. 已收集现实世界中的数据。

2. 数据已通过计算机进行分析。

针对所述分析流程的普遍适用性陈述。

1. 动画
   观察依据

   画面顺序依次为：商店、数据表格、‘时间序列软件’、图形输出、放大镜与水晶球意象。

2. 声音
   观察依据

   旁白描述了数据收集、计算机分析、图形与数值输出、理解现实状况以及预测。

1. 公式

   $$$$
   解释

   一个现实生活中的数据来源（以一家商店为例）提供了观测值。

   步骤依据

   这些内容在动画中直接呈现，并在旁白中明确说明。

   视频直接表达
2. 公式

   $$$$
   解释

   这些观测值构成一张表格形式的数据集，显示为“月份”和“休闲商品”两列。

   步骤依据

   可见的电子表格图形，配合旁白对所收集数据的描述。

   视频直接表达
3. 公式

   $$$$
   解释

   该数据集由时间序列软件进行处理。

   步骤依据

   一台标有“时间序列软件”的粉色机器接收这张表格。

   视频直接表达
4. 公式

   $$$$
   解释

   该软件生成图形化与数值化的输出结果。

   步骤依据

   旁白明确指出这一点；一幅图表从机器中浮现出来。

   视频直接表达
5. 公式

   $$$$
   解释

   通过对输出结果的解读，人们得以了解现实状况，并支持后续预测。

   步骤依据

   放大镜与水晶球的视觉元素伴随旁白所作的结论一同出现。

   视频直接表达

该片段将时间序列分析呈现为一条流程：从现实世界的测量出发，经由软件实现汇总，最终走向解读与预测。

1. 动画
   观察依据

   多个小型动画分别在坐标轴上绘制趋势、季节性、周期性、变异性以及不规则性。

2. 声音
   观察依据

   旁白按顺序逐一定义每个组成部分。

1. 公式

   $$$$
   解释

   趋势以长期运行的直线方向表示：上升、下降或持平。

   步骤依据

   与关于整体长期方向的旁白描述相匹配。

   视频直接表达
2. 公式

   $$$$
   解释

   季节性以重复出现的红色波形表示，其形状固定。

   步骤依据

   与关于在固定时间间隔内重复出现的行为的旁白描述相匹配。

   视频直接表达
3. 公式

   $$$$
   解释

   周期性以黄色波形表示，其波峰之间的间距不均等。

   步骤依据

   与关于周期性是非季节性的、且长度可变的旁白描述相匹配。

   视频直接表达
4. 公式

   $$$$
   解释

   变异性以锯齿状绿色线条表示。

   步骤依据

   与关于所有数据中随机变异的旁白描述相匹配。

   视频直接表达
5. 公式

   $$$$
   解释

   不规则性以一条原本平直的红色线条上突然出现的V形下凹来表示。

   步骤依据

   对应关于偶发事件导致的异常低谷或跃升的解说。

   视频直接表达

动画将五种行为分开呈现，便于观众直观区分长期趋势、规则重复、不规则振荡、噪声以及离群事件。

1. 图示
   观察依据

   电子表格显示“月份”和“休闲用品”两列，各行依次为：一月2000＝134.1，二月2000＝133，三月2000＝136.2，四月2000＝120.4，五月2000＝126.2，六月2000＝119.8，七月2000＝122.5，八月2000＝122.3，九月2000＝131.2，十月2000＝138.7，十一月2000＝158.4，十二月2000＝232.2，次年一月2001＝143.1，二月2001＝142.4，三月2001＝152.6，四月2001＝139.9。

1. 每次仅可见完整表格的一部分；在所采样的画面帧中，四月2001之后的后续行无法完全看清。

展示时间序列数据在表格形式下的样貌。

1. A列为“月份”。

2. B列为“休闲用品”。

3. 各行列出月份-年份标签及其对应的数值。

展示等时间间隔观测值的一个示例。

1. 公式

   $$\text{Jan 2000} \rightarrow 134.1,\ \text{Feb 2000} \rightarrow 133,\ \text{Mar 2000} \rightarrow 136.2,\ \text{Apr 2000} \rightarrow 120.4$$
   解释

   最先可见的几行将每个月份与一个数值观测结果配对。

   步骤依据

   直接从电子表格图示中读取。

   视频直接表达
2. 公式

   $$\text{Dec 2000} \rightarrow 232.2$$
   解释

   某一个数值明显大于邻近月份，直观上表明存在强烈的季节性或事件驱动特征。

   步骤依据

   表格中可见此现象，且与后文关于季节性和不规则性的讨论一致。

   视频直接表达

该表格是时间序列的一个具体实例：对同一变量进行的逐月重复测量。

月份标签是顺序排列且等距的，且每一行都包含针对同一对象的一个数值型测量结果。

1. 声音
   观察依据

   讲解员列举了六个时间序列的例子。

2. 动画
   观察依据

   依次出现温度计、钱币、加油泵、房屋/输电线路、外卖盒和‘待售’标牌的对应图标。

识别可作为时间序列来研究的各类数量。

1. 月平均气温

2. 公司年度利润

3. 加油站每日汽油价格

4. 家庭每小时用电量

5. 一家中式外卖店的每日营业额

6. 季度房屋销售量

将抽象定义与熟悉的应用场景联系起来。

1. 公式

   $$\text{temperature},\ \text{profit},\ \text{petrol price},\ \text{electricity consumption},\ \text{takings},\ \text{house sales}$$
   解释

   每一项都是随时间重复观测的可测数量。

   步骤依据

   由讲述者直接陈述，并配以图标。

   视频直接表达

这六个案例被作为时间序列数据的有效示例呈现。

每个示例均涉及对同一实体在固定时间间隔（如每月、每年、每日、每小时或每季度）进行的测量。

1. 声音
   观察依据

   讲述者以火山灰云扰乱航空旅行为例，说明一次性事件可能导致时间序列中出现异常的低谷或跃升。

2. 动画
   观察依据

   火山喷出烟雾，附近显示有飞机；一条红色线条出现急剧下降。

说明一次性外部事件如何在时间序列中产生离群值。

1. 一个序列可能出现异常的低谷或跃升。

2. 火山灰云可能扰乱航空旅行。

说明异常现象可能具有可识别的真实世界成因。

1. 公式

   $$\text{one-off \text{事件}} \Rightarrow \text{sharp dip or jump in series}$$
   解释

   旁白将不寻常的外部事件与数据中突然出现的偏差联系起来。

   步骤依据

   在音频中明确指出，并通过火山/飞机动画加以强化。

   视频直接表达

火山灰云这一示例展示了由特定真实世界干扰所导致的异常现象。

视觉上的下凹对应旁白所述的突发性异常，而非规律性模式。

1. 动画
   观察依据

   开场标题“理解时间序列分析”出现，随后显示一幅图表/日历图像，接着呈现彩色文字：趋势、季节性、变异性、周期性、不规则性。

1. 标题文字

2. 折线图

3. 标注有21九月的日历

4. 各组成部分的文字

1. 标题最先出现。

2. 图表与日历位于其下方。

3. 各项组成成分以不同颜色引入。

1. 该片段始终呈现于浅黄色背景之上。

2. 重点在于入门介绍，而非计算过程。

开篇将本课定位为时间序列分析的概览，并预告后续将讨论的主要行为成分。

1. 动画
   观察依据

   商店图标 → 电子表格 → 粉色‘时间序列软件’框 → 图表输出；随后叠加放大镜与水晶球图层。

1. 商店建筑

2. 数据表

3. 软件机器

4. 输出图表

5. 放大镜

6. 水晶球

1. 数据从店铺流向表格。

2. 表格流入软件。

3. 软件输出一张图表。

4. 图表被检视，并与预测意象相关联。

1. 该序列从左至右，具有因果关系。

2. 整个流程基于同一示例数据集。

本动画编码了时间序列分析的实际工作流：收集、处理、可视化、解读与预测。

1. 动画
   观察依据

   文字依次闪现时间粒度的示例：'1995'、'Jan-Mar 2008'、'March 2009'、'June 2009'、'Week 6'、'Mon 24'、'Wed 26'、'8:00'、'11:00'。

1. 年份标签

2. 季度标签

3. 月份标签

4. 周标签

5. 日标签

6. 钟表时间

1. 显示的时间单位从年到小时逐步变细。

1. 所有项目均为时间分辨率的文字示例。

该蒙太奇图像直观地支持这一定义：时间序列可在多种等间隔频率下记录。

1. 动画
   观察依据

   分别绘制的趋势（蓝色）、季节性（红色）、周期性（黄色）、变异（绿色）和不规则性（带尖锐下降的红色）坐标轴图示。

1. 坐标轴

2. 蓝色趋势线

3. 红色季节性波形

4. 黄色周期性波形

5. 绿色带噪声的折线

6. 红色不规则凹陷

7. 海滩图标

8. 圣诞树图标

9. 自行车图标

10. 火山与飞机图标

1. 每个成分均在独立坐标轴上呈现，且使用不同的颜色和形状。

2. 季节性体现为规则重复；周期性体现为不规则重复；变异性体现为锯齿状；不规则性体现为单次突发性凹陷。

1. 坐标轴保持简洁的黑色L形，不带数字刻度。

2. 颜色编码有助于区分不同概念。

视觉设计通过形状、周期性和平滑性来区分结构模式类型，而非依赖公式。

1. 图示
   观察依据

   出现两张图：'HPOccRate 的时间序列图'和'PubMaleOrd 的时间序列图'，每张图均包含一条黑色原始序列和一条更平滑的红色曲线。

1. 视频片段中未解释坐标轴单位及数据的确切含义。

1. HPOccRate 图

2. PubMaleOrd 图

3. 黑色锯齿状序列

4. 红色平滑曲线

5. 年份横轴范围约为1990–2010

1. 抽象的绿色'变异'示意图被真实数据集所取代。

2. 黑色原始波动与红色平滑曲线形成对比。

1. 两张图采用相同的视觉惯例：黑色表示观测序列，红色表示更平滑的趋势型概括。

这些图表展示了随机变异与长期结构如何在实际数据中并存。

1. 动画
   观察依据

   软件框重新出现，随后依次显示标题卡片：《时间序列分析：使用 iNZight》《时间序列分析：评估模型》《撰写时间序列报告》、YouTube 频道页面、AtMyPace 应用图标以及 www.statsLC.com。

1. 时间序列软件框

2. iNZight 标题卡片

3. 评估模型标题卡片

4. 撰写报告标题卡片

5. YouTube 频道页面

6. AtMyPace 应用图标

7. statsLC 网站卡片

1. 关注点从概念转向工具及后续课程。

2. 多个资源画面快速连续呈现。

1. 片尾保持相同的教育品牌风格和浅色背景，仅网站卡片除外。

片尾将本视频片段置于更宏大的课程体系中，并强调以应用为导向的学习方式。

1. 声音
   观察依据

   旁白指出，经济序列通常呈上升趋势，但并非总是如此；有些序列则完全看不出明显趋势。

2. 动画
   观察依据

   蓝色趋势线分别显示上升、下降和平坦三种状态。

人们可能误以为趋势——尤其是经济数据中的趋势——总是意味着增长。

视频明确展示了上升、下降和平坦三种趋势，并指出有些序列没有可辨识的趋势。

1. 声音
   观察依据

   季节性被描述为在固定时间间隔内重复出现的规律性行为；周期性则被描述为非季节性的起伏模式，其长度可能各不相同。

2. 动画
   观察依据

   季节性使用严格重复的红色波形；周期性则使用间距不均的黄色波形。

观众可能将任何波动模式都混同为季节性。

季节性要求时间间隔严格固定，而周期性是非季节性的，其长度可能各不相同。

1. 声音
   观察依据

   奇怪的下探或跃升归因于一次性事件，例如火山灰云或预期中的销售税调整。

2. 动画
   观察依据

   图中展示的是单个尖锐的 V 形下探，而非重复出现的模式。

一次突然的大幅下探或跃升可能被误认为是该序列模式中的正常组成部分。

视频将此类事件视为与特定现实世界事件相关的不规则性或异常值。

1. 声音
   观察依据

   讲解者强调，将序列的数学特征与实际生活应用联系起来至关重要。

有人可能以为时间序列分析仅仅是运行软件并读取图表。

该片段着重指出，数学特征必须重新关联到真实生活的情境中。

1. 声音
   观察依据

   时间序列的定义紧接着给出了若干实例，例如气温、利润、汽油价格、用电量、营业额以及房屋销量。

这些实例通过展示随时间反复测量的不同数量，使一般性定义得以具体化。

1. 声音
   观察依据

   在列举完四个组成部分及不规则性之后，讲解者首先开始解释趋势。

趋势是整体分解框架中引入的组成部分之一。

1. 声音
   观察依据

   季节性被列为主要方面之一，随后给出详细定义。

季节性是概述中所命名的时间序列行为集合中的另一成员。

1. 声音
   观察依据

   周期性被列为主要方面之一，随后与季节性加以区分。

周期性被列为时间序列主要行为特征之一。

1. 声音
   观察依据

   未解释变异在概述中被提及，之后被描述为存在于所有数据中的随机变异。

随机变异是在初步分解中识别出的核心组成部分之一。

1. 声音
   观察依据

   异常值或离群点与前述四个方面一同被提及，随后通过示例加以说明。

异常值被视为与现实世界事件相关的一个附加特征。

1. 声音
   观察依据

   季节性是固定时间间隔的重复现象；周期性则是长度可变、非季节性的起伏模式。

2. 动画
   观察依据

   红色规则波形对比黄色不规则波形。

视频通过时间间隔的规律性与可识别性来区分这两种振荡行为。

1. 声音
   观察依据

   前期旁白介绍计算机分析与预测；后期旁白指出许多软件包使具体操作变得简便，并强调将数学方法与实际应用相联系。

关于软件的讨论，将先前提出的‘分析由计算机完成，并用于解释与预测’这一观点转化为可操作的描述。

1. 声音
   观察依据

   旁白明确给出定义。

1. 时间序列的定义

1. 声音
   观察依据

   旁白讲解数据采集、计算机分析、输出结果、理解前提条件以及预测过程。

1. 时间序列分析的目的。

1. 声音
   观察依据

   旁白依次指出趋势、季节性、周期性、无法解释的变异以及不规则波动。

1. 时间序列行为的构成成分
2. 趋势成分
3. 季节性成分
4. 循环性成分
5. 随机变异成分
6. 不规则性与离群值

1. 声音
   观察依据

   定义中对比了固定时间间隔的规律性模式与非季节性的、长度变化的模式。

1. 季节性成分
2. 循环性成分

1. 声音
   观察依据

   旁白描述由一次性事件引发的异常下跌或突增现象。

1. 不规则性与离群值

1. 声音
   观察依据

   给出了日常实例列表。

1. 时间序列数据的实例

1. 声音
   观察依据

   讲解员讨论了计算机软件包 iNZight，以及如何将数学知识与实际应用联系起来。

1. 软件支持与应用性解读