从时间序列的组成成分来看主要有，什么是时间序列请收集几个生活中的观察值

时间序列是指将某种情况某一个统计指标在不一样时间上的各个数值，及时间先后顺序排列而形成的序列。 构成要素：情况所属时间，反映情况发展水平的指标数值。

要素一：时间t；

要素二：指标数值

时间序列是指将某种情况某一个统计指标在不一样时间上的各个数值，及时间先后顺序排列而形成的序列。

一句话：在不一样时间点上除了解释变量之外的其他原因也具有这个时间上的连续性，带来他们对被解释变量的影响的连续性，故此，时常存在序列有关性。

大多数情况下致使时间序列有关性的三种因素:

1.经济变量固有的惯性。例如建立一个消费模型时，消费习惯被当作随即干扰项，这时候前一期的消费习惯肯定会影响当期的消费习惯。

2.模型设定偏误：例如遗漏重要变量。

3.数据的编造：内插和简单平均等。

（1）时间序列中各指标所属时间长短应前后完全一样。

针对时期序列，因为指标数值的大小会因时间的长短而出现变化，因为这个原因要求时期序列中各指标所包含的阶段前后一定要完全一样，促进对比分析。

针对时点序列，因为各指标数值反映的是情况在某一时点上所达到的水平，因为这个原因不涉及指标所属时间长短的问题，但为了进行对比，各指标值时间间隔应该做到尽可能完全一样。

需要大家特别注意的是，指标所属的阶段长短与各指标值当中时间间隔的大小是两个不一样的问题。针对时期序列，其间隔应该做到尽量相等；针对时点序列，相邻时点的间隔尽可能相等，这样才可以方便对比。

（2）时间序列中各指标所反映情况经济内容应完全一样。

指标的经济内容是由其理论内涵所决定的，随着社会经济条件的变化，同一名称的指标，其经济内容也会出现变化。假设不注意这些问题，有可能致使错误结论的出现。

（3）时间序列中各指标所反映的整体范围应完全一样

时间序列主要有以下编译原则：

1.先决条件：保证指标在同一时间序列中的可比性。

2.时间长短应具有可比性。

3.整个范围肯定是一样的大小。

4.指标的主要内容和计算方式应统一。

扩展资料：

1.时间序列的特点

（1）非平稳性（nonstationarity，也译作不平稳性，非稳定性）：即时间序列变量没办法呈现出一个长时间趋势并后趋于一个常数或是一个线性函数。

（2）波动幅度随时间变化（Time－varying Volatility）：即一个时间序列变量的方差随时间的变化而变化这两个特点让有效分析的时候间序列变量十分困难。

（3）平稳型时间数列（Stationary Time Series）：指一个时间数列其统计特性将不随时间之变化而改变者。

2.时间序列数据的变化具有规律性和不规则性

（1）趋势：变量随时间或自变量变化，表现出相对缓慢和长时间的持续上升趋势，下降并保持一样性质，但变化的幅度可能不相等。

（2）周期性：外部影响导致的外部交叉替换影响致使峰谷原因。

（3）随机性：个体随机变化，整体情况统计。

（4）综合性：实质上变化是哪些变化的叠加或组合。在预测中，我们尝试过滤掉不规则的变化，突出趋势和周期性变化。

现代时间序列分析起源自于英国统计学家 G.u.Yule 在 1927 年提出的 AR（Auto Regressive，自回归）模型。

该模型与英国统计学家 G.T.Walker 在 1931 年提出了 MA（Moving Average，移动平均）模型和 ARMA 模型，构成了时间序列分析的基础，至今仍被非常多应用。

这三个模型主要应用于单变量、同方差场合的平稳序列

一、时期序列的特点：

1、指标数值是可加性的。

2、这当中每个指标数值的大小和它所反映反映出的阶段长短具备直接关系。

3、每个指标的数值多数是经过持续性的登记汇总得到的。

二、时点序列的特点：

1、平稳性是时间序列的重要特点。假设时间序列的统计特性不随时间变化，则称其为静止的。换句话说，它具有恒定的均值和方差，协方差与时间无关。

2、这当中每个指标数值的大小和它所反映反映出的阶段长短不具备直接关系。时间序列只是一系列排序的数据点。在时间序列中，时间一般是自变量，目标一般是对未来进行预测。

3、每个指标的数值多数是经过一次性的登记汇总得到的。

1，时期序列是指由同一情况若干不一样时期的阶段指标及时间顺序排列所形成时间序列； 时点序列是指同一情况在不一样时点上的时候点指标及时间顺序排列所形成时间序列。

2，时期就是一个时间段的概念 ，1月1日到3月1日 当中的日子 就是一个时期 时点就是一个时间点的概念，1月1日就是一个时点 3，时期数列再不一样时期的数值可以相加，气数值的大小与时间长短有直接的关系是连续获取的。

时点再不一样时期的数值可以不相加，气数值的大小与时间长短没有直接的关系是间段获取的。

4，时点序列和时期序列都是绝对数时间序列，都可以以反映被研究情况在各时期的总水平或规模及其发展变化过程。

但是时期序列中的观测值反映情况在一段时期内发展过程的总量，不一样时期的观测值可以相加，相加结果表达情况在更长不短的一个时期内的活动总量； 而时点序列中的观测值反映情况在某一瞬间上所达到的水平，不一样时期的观测值不可以相加，相加结果没有实质上意义。

时间序列预测是指利用取得的数据及时间顺序排成序列，分析其变化方向和程度，以此对未来若干时期可能达到的水平进行推算预测。时间序列预测的基本思想，就是将时间序列作为一个随机变量的一个样本，用可能性统计的方式，以此尽量减少偶然原因的影响。

这当中，时间序列即是把客观过程一个变量或一组变量X（t）将行量度，在时刻：

t1t2…tn上得到以时间t为自变量、离散化的有序集合。

X（t1），X（t2），…，X（tn）自变量t可以具有不一样的物理意义，比如长度、温度或其他物理量等。时间序列的波动是不少原因共同作用的结果。各自不同的原因作用的效果有长时间趋势、季节变化、循环变化和随机变化4类。若以T、S、C、I分别表示长时间趋势、季节变化、循环变化和随机变化的数值，既然如此那，对时间序列yt的分析经常会用到的模型有两类：yt=T×S×C×I　yt=T+S+C+I

局限性：在预测方差小原则的前提下，预测时间越长预测值的方差越大，因为这个原因时间序列数据只合适做短时间预测。