1. 时间序列构成要素及平稳序列、非平稳序列的含义
答：（1）时间序列是指将同一统计指标的数值按其发生的时间先后顺序排列而成的数列。时间序列分析的主要目的是根据已有的历史数据对未来进行预测。时间序列的构成因素包括以下几个方面：
① 趋势（T），又称长期趋势，它是时间序列在长时期内呈现出来的某种持续向上或持续下降的变动。时间序列中的趋势可以是线性的，也可以是非线性的。
② 季节性（S），又称季节变动，它是时间序列在一年内重复出现的周期性波动。季节性中的“季节”一词是广义的，它不仅仅是指一年中的四季，其实是指任何一种周期性的变化，诸如气候条件、生产条件、节假日或人们的风俗习惯等各种因素作用的结果。
③ 周期性（C），又称循环波动，它是时间序列中呈现出来的围绕长期趋势的一种波浪形或振荡式变动。周期性通常是由商业和经济活动引起的，它不同于趋势变动，不是朝着单一方向的持续运动，而是涨落相间的交替波动；它也不同于季节变动，季节变动有比较固定的规律，且变动周期大多为一年，循环波动则无固定规律，变动周期多在一年以上，且周期长短不一。
④ 随机性（I），又称不规则波动，它是时间序列中除去趋势、周期性和季节性之后的偶然性波动，即某些偶然性因素对时间序列产生影响，致使时间序列呈现出某种随机波动。
（2）平稳序列
平稳序列是基本上不存在趋势的序列。这类序列中的观察值基本上在某个固定的水平上波动，虽然在不同的时间段波动的程度不同，但并不存在某种规律，其波动可以看成是随机的。
（3）非平稳序列
非平稳序列是包含趋势、季节性或周期性的序列，它可能只含有其中的一种成分，也可能是几种成分的组合。其又可以分为有趋势的序列、有趋势和季节性的序列、几种成分混合而成的复合型序列。
2. 时期指标时间序列和时点指标时间序列的区别是什么？说明二者在序时平均数的计算上的不同。
答：时期指标时间序列是由一系列时期指标按时间顺序排列而成，反映社会经济现象在一段时期发展变化的结果的时间序列，通常以年度、季度或者月度等时间段为单位。时点指标时间序列是由一系列时点指标按时间顺序排列而成，反映社会经济现象在某一时刻（瞬间）的情况的时间序列。
（1）时期指标时间序列与时点指标时间序列的区别
① 时期指标时间序列具有可加性，不同时期的总量指标可以相加；而时点指标时间序列是不可加的，这是因为把不同时点的总量指标相加后，无法解释所得数值的时间状态。
② 时期指标时间序列指标值的大小与所属时间的长短有直接关系（正相关）；而时点指标时间序列指标数值的大小与时点间隔的长短一般没有直接关系。在时点数列中，相邻两个指标所属时间的差距为时点间隔。存在长期趋势时例外。
③ 时期指标时间序列指标值采用连续统计的方式获得；时点指标时间序列指标值采用间断统计的方式获得。
（2）二者在序时平均数计算上的不同
① 时期指标的序时平均数
时期指标的序时平均数通常采用简单算术平均数计算，公式为：
$\begin{aligned} y=\frac{y_1+y_2+···+y_n} {n}=\frac{\sum_{i=1}^{n}y_i}{n} \end{aligned}$
② 时点指标的序时平均数
a．间隔相等的时点数列序时平均数采用“首末折半法”计算，公式 为：
$\begin{aligned}\bar y=\frac{\dfrac{y_1+y_2}{2}+···+\dfrac{y_{n-1}+y_n}{2}}{n-1}=\frac{\dfrac{y_1}{2}+y_2+···+y_{n-1}+\dfrac{y_n}{2}}{n-1} \end{aligned}$
b．间隔不等的时点数列序时平均数计算公式：
$\begin{aligned} \bar y=\frac{\dfrac{y_1+y_2}{2}f_1+···+\dfrac{y_{n-1}+y_n}{2}f_{n-1}}{f_1+···+f_{n-1}}=\frac{\sum_{i=1}^{n-1}\bar {y_i}{f_i}}{\sum_{i=1}^{n-1}f_i} \end{aligned}$
c．当现象发生变动时登记一次的时点数列序时平均数计算公式：
$\begin{aligned} \bar y=\frac{y_1f_1+···+y_nf_{n}}{f_1+···+f_{n}}=\frac{\sum_{i=1}^{n}{y_i}{f_i}}{\sum_{i=1}^{n}f_i} \end{aligned}$
3. 动态数列采用的分析指标主要有哪些，为什么要注意速度指标和水平指标的结合运用？
答：动态数列又称时间数列，它是指某社会经济现象在不同时间上的一系列统计指标按时间先后顺序加以排列后形成的数列。动态数列采用的分析指标主要有现象发展的水平指标和现象发展的速度指标。对动态序列的分析，要注意速度指标和水平指标的结合运用的原因如下：现象发展水平分析是现象发展速度分析的基础，速度分析是水平分析的深入和继续；速度指标是水平指标派生计算的，把它们结合起来运用，就能够对现象发展变化规律做出更加深刻的分析。
举例：水平指标比如综合消费水平，增长量则为报告期消费水平减去基期消费水平，速度指标比如发展速度为报告期消费水平除以基期消费水平，增长速度为增长量除以基期消费水平
4. 简述分解法预测的基本步骤
答：分解法预测的基本步骤：
（1）确定并分离季节成分。计算季节指数，以确定时间序列中的季节成分。然后将季节成分从时间序列中分离出去，即用每一个时间序列观测值除以相应的季节指数，以消除季节因素的影响。
（2）建立预测模型并进行预测。对消除季节成分的时间序列建立适当的预测模型，并根据这一模型进行预测。
（3）计算出最后的预测值。用预测值乘以相应的季节指数，得到最终的预测值。
简述时间序列预测的步骤。
答：在对时间序列进行预测时，通常包括以下几个步骤： （1）确定时间序列所包含的成分，也就是确定时间序列的类型。确定趋势成分和季节成分是否存在，可以从绘制时间序列的线图入手。 （2）找出适合此类时间序列的预测方法，如简单平均法、移动平均法、指数平滑法、自回归模型（ARMA）等。 （3）对可能的预测方法进行评估，以确定最佳预测方案。评估的方法就是找出预测值与实际值的差距即预测误差，最优的预测方法也就是预测误差达到最小的方法。 （4）利用最佳预测方案对未来各期的时间序列数值进行预测。
简述复合型时间序列的预测步骤 答：复合型时间序列是指含有趋势性、季节性、周期性和随机成分的序列。对这类序列预测方法通常是将时间序列的各个因素依次分解出来，然后再进行预测，分解法预测通常按下面的步骤进行： （1）测定并分离长期趋势。利用移动平均法、时间回归法等方法来测定出时间序列的长期趋势，并将其从时间序列中分离出去。 （2）确定并分离季节成分。计算季节指数，以确定时间序列中的季节成分。然后将季节成分从剔除长期趋势后的时间序列中分离出去，即用每一个剔除长期趋势后的时间序列数值除以相应的季节指数，以消除季节性； （3）剩余法测定循环变动。再用移动平均法消除（2）中所得的时间序列中的不规则变动，即得到原时间序列中的周期性成分。 （4）建立预测模型并进行预测。对原时间序列建立适当的预测模型，并根据这一模型进行预测，计算出最后的预测值。
5. 利用增长率分析时间序列时应注意哪些问题？
答：在应用增长率分析实际问题时，应注意以下几点：
（1）当时间序列中的观察值出现0或负数时，不宜计算增长率。这是因为对这样的序列计算增长率，要么不符合数学公理，要么无法解释其实际意义。在这种情况下，适宜直接用绝对数进行分析。
（2）在有些情况下，不能单纯就增长率论增长率，要注意增长率与绝对水平的结合分析。增长率是一个相对值，它与对比的基期值的大小有很大关系。大的增长率背后，其隐含的绝对值可能很小，小的增长率背后，其隐含的绝对值可能很大。这就是说，由于对比的基点不同，可能会造成增长率数值上的较大差异。在这种情况下，则需要将增长率与绝对水平结合起来进行分析，通常要计算增长1%的绝对值来克服增长率分析的局限性。
6. 简述季节指数的计算步骤。
答：以移动平均趋势剔除法为例，计算季节指数的基本步骤为：
（1）计算移动平均值（如果是季度数据采用4项移动平均，月份数据则采用12项移动平均），并将其结果进行“中心化”处理，也就是将移动平均的结果再进行一次2项的移动平均，即得出“中心化移动平均值”（CMA）。
（2）计算移动平均的比值，也称为季节比率，即将序列的各观察值除以相应的中心化移动平均值，然后再计算出各比值的季度（或月份）平均值。
（3）季节指数调整。由于各季节指数的平均数应等于1或100%，若根据第2步计算的季节比率的平均值不等于1时，则需要进行调整。具体方法是：将第（2）步计算的每个季节比率的平均值除以时间序列的总平均值，即得到调整后的季节指数。