月平均气温数据的多元时间序列因子分析

发布时间：2020-07-01 00:22

【摘要】：本文是多元时间序列因子分析在气象学上的一个应用.文章首先对华南地区8个城市的月平均气温数据以及季节差分数据进行描述性分析,结果发现:这8个城市的月平均气温序列以及季节差分序列都可能存在共同因子.因此,我们可以对这8个城市的月平均气温数据以及季节差分数据分别拟合多元时间序列的因子模型.根据数据的描述性分析,文章应用了Pan和Yao(2008)的近似因子模型来拟合月平均气温数据,应用了Lam和Yao(2012)的近似因子模型来拟合季节差分数据.结果表明:华南地区8个城市的月平均气温序列具有5个共同因子,其中有2个周期因子.这与华东地区7个城市的月平均气温序列很相似,它们具有4个共同因子,其中有2个周期因子,且这两个周期因子的解释与8个城市的相似.另外,8个城市的季节差分序列具有2个共同因子,其中1个强因子,1个弱因子.
【学位授予单位】：东北师范大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：P423
【图文】：

东北师范大学硕士学位论文第2章 数据的描述性分析据说明华南地区的气象观测站获得如下 8 个城市的 1970 年 1 月至 1998 年的月平均气温数据, 数据包含了 8 个月平均气温序列.图 2-1: 8 个城市的地理位置

图2-3:月平均气温序列的样本ACF图

【参考文献】

相关期刊论文 前7条

1 江海峰;汪忠志;;非线性趋势KPSS检验、模型误设与检验流程构建[J];统计与信息论坛;2015年12期

2 宋辞;裴韬;;基于特征的时间序列聚类方法研究进展[J];地理科学进展;2012年10期

3 周少甫;左秀霞;;时间趋势平稳性检验的带宽选择及其影响[J];统计研究;2012年04期

4 孙承杰;刘丰;林磊;刘秉权;;基于时间序列聚类和ARMA模型的检索量预测[J];华南理工大学学报(自然科学版);2011年04期

5 冯蕾;聂巧平;;结构突变对KPSS检验水平与检验功效的影响——基于有限样本情形的模拟及实证研究[J];统计研究;2009年09期

6 孙旭;;时间序列全局特征聚类分析方法及其应用[J];统计教育;2009年03期

7 管河山;姜青山;;时间序列挖掘中一种新的相似性度量[J];计算机工程与应用;2007年26期

相关博士学位论文 前1条

1 黄超;基于特征分析的金融时间序列挖掘若干关键问题研究[D];复旦大学;2005年

相关硕士学位论文 前2条

1 李亚旭;近似因子模型的惩罚极大似然估计[D];浙江工商大学;2017年

2 陈升;多元长记忆时间序列近似因子模型分析[D];浙江财经大学;2017年

本文编号：2736027