时间序列检验

时间序列检验（共11篇）

时间序列检验 篇1

对时间序列{Xt}进行ARM A (p, q) 建模, 是假设序列{Xt}为平稳序列的前提下进行的, 因此对序列{Xt}进行平稳性检验和预处理是ARMA (p, q) 建模的先决条件。对时间序列平稳性检验的方法有很多, 单位根检验是比较准确的一种方法。在数理统计中没有对一个时间序列进行单位根检验就直接判断其平稳性的做法是不科学的, 况且, 利用单位根检验中的ADF检验还可以判断一个非平稳序列的趋势类型等其他信息, 在Pandit-Wu建模方法基础上, 利用这些信息, 归纳出ARMA (p, q) 建模的一种方法。下面以广西外经贸2005~2009年10月的出口数据为例分析之。使用的统计软件为EViews 5.0.

一、ADF检验简述[1]

ADF检验是统计检验中普遍应用的一种检验方法, 在对时间序列的平稳性检验时, 运用ADF检验更为准确和重要。ADF检验是通过下面三个模型完成的:

其中t为时间变量, βt为趋势项, α为常数项, εt为残差项。原假设都是H0:δ=0。检验时从模型3开始, 然后模型2, 模型1。若检验拒绝H0:δ=0, 即原序列不存在单位根, 为平稳序列, 即可停止检验。否则就要继续检验, 直到检验完模型1为止。通过ADF检验中的模型3还可以判断非平稳序列的趋势是随机性趋势还是确定性趋势。这样, 就可以对原序列进行相对应的处理方式, 使原序列平稳化。

二、ADF检验模型中滞后差分项m与ARMA (p, q) 模型中阶数p的关系

设{Xt}为一时间序列, 对{Xt}进行ADF检验, 有

若δ显著为0则可知道序列{Xt}为平稳序列, 设其生成模型为ARMA (p, q) , 则有

对比 (1) 、 (2) 式, 可证明

所以, {Xt}的生成模型ARM A (p, q) 也可以写成ARM A (m+1, q)

又由差分方程的理论可证明[2], q=p-1=m

因此, 对序列{Xt}可尝试拟合ARM A (m+1, m) 模型, 最后根据Pandit_Wu建模方法找到序列{Xt}的最优模型。

三、Pandit-Wu建模方法的改进

Pandit-Wu建模方法[3]认为:任一平稳序列总可以用一个ARM A (m, m-1) 模型来表示, 而AR (m) , M A (n) 以及ARM A (m, n) (n不等于m-1) 都是ARMA (m, m-1) 模型的特例。其建模思想是:逐渐增加模型的阶数, 拟合较高阶ARMA (m, m-1) 模型, 直到再增加模型的阶数而剩余平方和不再显著减小为止。通过上述的讨论, 在Pandit-Wu建模方法的基础上, 我们把ARMA (p, q) 建模步骤用流程图表示为: (如图1)

在上述建模思想下, 我们发现:对序列进行ADF检验, 由检验结果可判定该序列的趋势类型和平稳性, 从而选择合适的方法对原序列预处理, 使之平稳化。然后根据滞后差分项m与阶数p的关系, 可初步判断平稳化后的序列的ARMA (p, q) 模型, 再利用Pandit-Wu建模方法拟合最佳的ARMA (p, q) 模型。

四、广西外经贸数据时间序列的建模与预测

(一) 建模分析

为初步观察数据的平稳性, 作广西累计出口月金额数据序列图 (图2) 和相关函数图 (图3) 。由此可以判断:广西累计出口月金额数据序列有明显长期趋势, 因是月度数据, 很有可能存在季节趋势。可计算其季节指数, 若存在季节趋势可先剔除季节趋势, 再通过ADF检验其平稳性, 并确定长期趋势是确定性趋势还是随机性趋势, 从而选择适当方法剔除长期趋势即可得到一平稳序列的初步拟合的ARMA (m, m-1) 模型。

(二) 对原序列{Xt}进行季节趋势检验

剔除季节趋势的方法有季节差分、计算季节指数再消除季节因素等方法, 因为该原始序列的容量较少 (n=58) , 如果用季节差分消除季节因素, 势必会缺失相当多的数据。所以通过计算季节指数消除季节因素的方法剔除季节变动。用移动平均法, 得广西累计出口月金额数据的季节指数为:

根据季节指数发现, 原序列的季节趋势并不显著, 但在年头和年尾稍有变化。可剔除季节趋势, 设剔除原序列中的季节因素后的序列为{Zt}。

(三) 对序列{Zt}进行ADF检验

经尝试, 有如下结果:

模型3:

上述模型显示:括号中的数值为各参数的t统计量的值, 从模型结果中可断定序列{Zt}不存在单位根, 存在趋势项, 因此是具有确定性趋势的时间序列, 要通过除去趋势项的方法来消除确定性趋势]4]。经对Xt和时间T进行回归分析, 可建立回归方程:

由此回归方程可把序列{Zt}消除其确定性趋势, 得到的新序列设为{Yt}

(四) 对序列{Yt}进行ADF检验

经尝试, 有如下结果:

从上述结果中可断定序列{Yt}是平稳的, 且其自相关图和偏相关图 (图5) 也说明了序列{Yt}是平稳的。由m+1=p, 可初步估计序列{Yt}为ARM A (8, 7) 模型。

(五) 利用Pandit-Wu建模方法对序列{Yt}拟合ARMA (8, 7) 、ARMA (10, 9) 、ARMA (6, 5) 、ARMA (4, 3) 、ARMA (2, 1) 等模型进行对比选择

拟合相关结果如下表:

综合上表的各项因素, ARMA (8, 7) 是一个最佳的模型, 又因ARMA (8, 7) 模型中的参数φ3, φ4, φ6, θ4, θ2, θ4, θ5, θ7不显著, 可以删去 (记为ARMA (8, 7) -φ346θ42457模型) , 拟合结果见上表最后一列。结果表明删去这几项参数后的模型总体拟合效果比较理想, 因此我们最终选择ARMA (8, 7) -φ346θ42457模型来拟合平稳序列{Yt}, 模型形式如下:

(六) 模型的诊断检验。即检验模型的残差序列的纯随机性

(1) 对ARMA (8, 7) -φ346θ42457模型的残差序列进行相关性检验。由模型ARMA (8, 7) -φ346θ42457的自相关图和偏相关图 (图6) 表明模型的残差项都在置信区间内, 基本上剔除了自相关和偏相关。同时由ARMA (8, 7) -φ346θ42457模型的残差项的QLB统计量的p值都显著大于0.05 (图6) 即证明该残差项是不存在自相关性的[2]。因此用ARMA (8, 7) -φ346θ42457模型为广西外经贸出口数据建模是合适的。

(2) 对ARMA (8, 7) -φ346θ42457模型的残差项进行异方差性检验。结果见下表, 滞后项为1、6、12阶时的相伴概率P都大于显著性水平0.05, 因此接受原假设H, 认为残差项不存在异方差性。

由此可认为ARMA (8, 7) -φ346θ42457模型的残差序列为纯随机性序列。即拟合ARMA (8, 7) -φ346θ42457模型是合适的。

(七) 预测

用ARMA (8, 7) -φ346θ42457模型预测2009年第四季度最后两个月的广西出口金额。如下表:

五、建模总结

用ADF检验来判定序列的趋势类型和平稳性, 可选择合适的方法使原序列平稳化。然后根据滞后差分项m与阶数p的关系, 可初步判断平稳化后的序列的ARMA (p, q) 模型, 再利用Pandit-Wu建模方法拟合最佳的ARM A (p, q) 模型。

从2009年11月份的预测值与实际值来看, 预测准确性不是很好。但考察2009年11月的实际值, 我们发现该值远离序列的均值三倍标准差之外, 是一个离群点。因此我们认为预测值还是能很好反映序列的变化趋势的。目前对离群点的研究主要集中在离群点的定义和挖掘方法方面, 对离群点挖掘的后期分析和处理似乎还是很少, 如果能够结合实际的背景意义, 对发现的离群点进行详细的分析处理, 将会带来更大的实际应用价值]5]。

摘要：通过证明ADF检验模型中滞后差分项m与ARMA (p, q) 模型中阶数p的关系, 在Pandit-Wu建模方法基础上, 归纳出ARMA (p, q) 建模的一种方法。并以广西外经贸20052009年10月的出口数据为例。

关键词：时间序列,平稳性,ADF检验,ARMA (p, q) 模型

参考文献

[1][4]李子奈, 潘文卿计量经济学 (第二版) [M]北京:高等教育出版社2005:329, 336

[2][3]王振龙, 胡永宏应用时间序列分析[M]北京:科学出版社2007:40, 104

[5]徐翔, 刘建伟, 罗雄麟离群点挖掘研究[J]计算机应用研究2009, 1:34-39

时间序列检验 篇2

班 姓名学号得分 作业内容及要求：观看《谁在背我飞行》后，你产生哪些哲学启示？（1、题目自拟；

2、文学院以散文或诗歌的形式，政管和历史文化学院以论文形式，计算机学院以pot形式，外国语学院以英语论文的形式；

3、上交电子版，由班长负责以班级为单位打包上交。）

the Analysis of Huang’s Event

时间序列检验 篇3

是国内代表性画廊之一。

以推动中国当代艺术发展为己任，曾策划、

推出许多重要当代艺术展览活动，以及众多优秀

青年艺术家，在海内外享有极高的声誉。

曾成功推出徐冰“文化动物”展；

赵半狄“月光号”展等一系列实验艺术展；

“新锐的目光——生于70年代青年艺术家绘画展”等，

在中国当代艺坛产生广泛影响，成为中国当代艺术

的活动中心。世纪翰墨画廊也是国内最早采取艺术家代理机制的画廊，按国际惯例操作，成功的推出了夏俊娜、

季大纯、闫博等著名青年油画家，

被业界誉为“青年艺术家的梦工厂”。

近日，世纪翰墨画廊搬出现已热闹非凡的798艺术区，林松正谋划为世纪翰墨画廊选择新址。比起多年前的798，如今798艺术区的强大号召力自不用说，但为欣赏艺术而来的人却越来越少了，“热闹”成了对798最为贴切的形容词，昂贵的租金也在不断地增加艺术成本，挑战艺术经营者的承受极限。面对这种现状，林松看到了转变的必要性和时机：“艺术区本是因为画廊存在而赋予其意义，但如今的现状却是本末倒置，与其被动受限，不如主动寻找新的起点，建立新的艺术区，因为有艺术而存在的区域才能称之为艺术区。”

正如为画廊择新址一样，林松做艺术的眼光也同样是更为长远而稳健的。对于画廊未来的走向，林松则更倾向于发掘一些更具潜力的年轻艺术家：“我觉得画廊最主要的职能就是对艺术家的发掘、包装、营销，是一个经纪人的角色。那么也正是因为画廊是连接艺术家的创作和市场，还有社会认同上的重要的桥梁，所以我觉得这个是检验一个画廊是否专业、是否成功的一个标准，所以一个好的画廊、专业的画廊都是采取专业的经济代理制度，各方长期协议，为艺术家量身订做，就是它的营销推广，这个是画廊最本质的工作。我觉得在中国这个市场，是刚刚开始，充分发展的话，可能从06年之后，当然我们是比较早的，因为我们90年代末就开始做这个事情，也算是一个开创实验者，那个时候采取这种代理机制可能比较少，现在是非常普遍，在国外，画廊历史有200多年，这是一个惯例，就是一个通常的游戏规则。艺术家通过这种方式来能够步入艺术市场和得到社会的认可，这是一个真正开始的开端。”

作为经营画廊的领军人物，林松在艺术家的选择上自然是有自己的独到之处：“我偏向的艺术介于传统和实验性的中间，范畴还是当代艺术的范畴，当然我个人的喜好还是侧重于说比较讲究中国审美这种情绪，然后有很好的艺术的表达发言能力，鲜明的个性风格，一种独创性的风格。当然画家不能给他完全盖棺定论，只要有发展前景，我们说是一个好苗子，我们就是尽量给他营造好的创作空间和条件。我比较强调有一种中国式的审美，但是不是一个元素也不是标签，我是很杜绝符号化的。我们的艺术家，无论是夏俊娜，彭斯，包括闫博，都可以看到审美的一些情绪和格调在里面，所以这个可能是我自己的一个偏好。艺术品本身的品质和格调要够，还有它的创造性要够。我们一直是想去寻找这样的艺术家，所以这个也是一直没有变，也是我们未来的发展方向，就是我们怎么样去营造具有中国审美情绪或者中国审美这种精神的当代艺术。”

在与艺术家的合作关系上，林松看重的是与艺术家之间价值观和艺术追求的相互认可，只有和艺术家建立相互信任的良好关系，才能进行长期的合作，使艺术家的艺术价值和商业价值都得以实现，实现共赢：“我觉得画廊与艺术家是唇亡齿寒的关系。因为画廊要发现艺术家，然后进行投入，认定你自己的判定是准确的，努力把它推动起来。为什么有人觉得你们发掘人比较准，成功率比较高，因为我们是精挑细选，经打细算，我们也认为自己有一定的水平和能力，当然一起来分享这种胜利的果实和成功是一个很好的循环。所以从这个点来讲，我们跟艺术家除了一个简单的生意和契约关系以外，更重要的是艺术理想上的沟通，互相支持。实际上艺术家在拿自己的画笔创造艺术作品，我们拿艺术家的画也是创作另外一个艺术作品。所以我觉得双方的投入都是很大，时间、精力、钱可能还是少部分。艺术家处于成长的阶段，是经不起失败的。从更高的角度讲，这个是艺术家的艺术理想，他的坚持、他的精神，还有他艺术风格上的独特性，打动我或者是感动我，我们一起去打拼，就是这样一个成长过程，所以是一个亦师亦友关系。我觉得是一个艺术理念上的高度统一，还有对艺术理想的坚持。当然也是一个互利的合作，契约精神的遵循。还有就是说你对画廊的这种经营的理念，包括商业信誉和商业价值观的认同，这个是最重要的。然后才是一些技术层面，比如你画廊的实力，还有就是说你的经营策略方面，所以我觉得经营画廊很不容易，要有艺术判断力，要懂艺术，还要有很好的商业经营手法，商业和艺术都要懂，还要有很好的素养。”

随着中国艺术市场的日渐成熟，画廊间的竞争也越来越激烈。不同的画廊各有各的经验和优势，发挥自己所长。国外的画廊也同样看到了中国艺术市场的潜力，纷纷将分画廊设在中国，林松对此表示：“首先，因为我们在国内画廊里面算是经营比较久的，所以在业界有一个比较良好的口碑，这是一个很好的基础；第二，我们有一些经验和资源，能够跟艺术家的创作有一个很快的衔接和对接，这也是一个捷径；第三，我们确实还是立足于本土市场比较多，我们能够帮助客人选择高品质的作品。当然，我们也有自己的短处，比如说你的实力不够强，海外营销渠道比较少一些，这个是我们国内需要学习和提高的。毕竟我觉得中国市场越来越不是一个区域市场，是一个国际市场的一部分，是一个重要的组成部分，所以一定要把艺术家在中国推动得成功，也要在世界上推动成功，所以这个有很多的工作也有很多的挑战。当然也有很大的竞争，这个就是每个画廊根据自己的优缺点发挥，扬长避短。更国际化的画廊可能更强调观念、装置这些，我觉得这个也是我们一个可以参考、可以补充的方面，我们的一个优势，就是在本土审美口味上的发掘和推广。”

现在的中国艺术市场，并不乏后起之秀批量性的涌现，但如今的年轻艺术家或年轻的艺术更新的似乎有些过快了，中国艺术家在拍卖市场上屡创天价奇观，商业价值翻得很快，但是艺术价值似乎就没有跟上，林松对于这种短期的泡沫现象态度十分淡然：“我觉得市场还是公平的，艺术发展的规律也会自我修整，所以市场也会自我修正，可能会有下跌这种可能性，或者有些作品不值这个钱，太过分可能就会回到一个合理的价钱。我觉得市场是相对调控，可能一两年之内就会看到。所以我觉得在我的心目中艺术价值标准跟市场价值标准应该是高度统一的。比如说毕加索、比如说蒙克，该卖的贵还是贵，因为是人类史上一个经典的作品，又是非常稀缺的，就是这么一张画，是没有办法衡量它的。只要这个社会在成长，就会变得更贵。商业跟文化艺术价值没有什么矛盾，但是在短期之内确实有一些泡沫，因为短期行为里面有商业的力量左右它，所以肯定会有一些比较合理的泡沫和真正的泡沫。所以我觉得还是要回到美术史，回到艺术价值本身，来判定它，而不是一个金钱的记录，用简单的价格来衡量它的价值的高和低。这肯定是一种波动变化的，这也算有一定合理性的这种变化，但是不能太透支未来，终究时间和历史会修正这个东西。所以不论是商业价值的修正还是说艺术价值本身的修正，都会拨乱反正。从中国角度讲，跟以前比是一个巨大的进步，本土市场启动了，也能够买很贵的作品，但是国内市场刚刚启动，这个时间还没到。你把它上涨过快或者太过分的话，对人有一种杀伤力，产生不信任感。成熟也是需要时间的。”

时间序列检验 篇4

IPO浪潮和周期性波动一直受到国内外研究者的关注。在中国, IPO市场浪潮确实存在, 可被划分为三次高峰和三次低谷。同时, 我国IPO市场的“政策性”十分显著。由于市场不够完善, IPO数量、融资量等变量易受到政策和经济事件的影响而发生大幅度波动。然而, 准确把握IPO市场的波动特性, 是制定合理政策, 稳定市场的先决条件。这使得探究IPO时间序列的波动特性变得尤为重要。

自从Ibboston和Jaffe (1975) 首次提出了IPO市场的周期性以来, IPO市场的周期性现象长期以来一直是学术界关注的焦点。对于IPO周期性波动产生的解释可分成两方面:从经典理论而言是公司需要资金进一步发展, 因此会根据市场环境和所能获取的信息进行择时, 由于对市场环境的判断相同, 或者由于学习效应, 出现了热销现象 (胡志强、王一竹, 2013) ;而从行为金融角度则是非理性投资者的出现, 使得公司受到投资者情绪等因素的影响, 在同一阶段大量进行IPO (邵新建等, 2010) 。

针对IPO时间序列的结构转变点, 最早由G.C.C how (1960) 提出, 他认为只要由分段回归而构造的F统计量超过了给定的临界值, 就认为发生了结构变化。在随后的几十年里, 结构转变的经济计量问题一直受到广泛的关注, 并取得了一些进展, 如已知和未知时点结构转变的检验和结构转变点估计与区间估计。

Perron (1989) 针对突变点已知的结构突变提出了三种模型:截距突变的“崩溃”模型A、斜率突变的“增长率”模型B、截距与斜率都有突变的模型C。Perron (1989) 等人对结构突变点未知的情况, 仍延续结构突变点已知的单位根检验的思路, 首先对数据进行退化趋势, 然后对所有可能的结构变化点重复上述外生结构突变点的检验步骤。

对于模型结构转变的稳定性检验, 除了C how检验, 方法还有很多:如C U SU M检验、C U SU M平方检验等。A ndrew s (1993) 对C how检验作进一步描述和研究, 修正C how检验分布临界值, 并给出了基于C how检验对未知转变点的检验方法;而B row n、D urbin和vans (1975) 提出的C U SU M检验和C U SU M平方检验, 可以识别时间序列波动路径中的内生结构转变点, 其中C U SU M检验方法主要是对均值参数稳定性进行检验, C U SU M平方检验则是检验方差稳定性。B londell et al. (2002) 使用了累计和途径C U SU M算法。这种算法可以简便、准确地探察到序列转换的变点, 并可适用于存在高度自相关性的金融时间序列, 不足之处在于, 他们只是做到了存在性的验证, 没有更进一步的划分。

Inclan和T iao (1994) 运用迭代累积平方和算法-IC SS算法构造检验结构突变的统计量。B ai (1994, 1997) 推导了结构转变点估计的渐近分布并给出如何估计它的置信区间。随后, B ai、Lum sdaine和Stock (1998) 将一元变量推广到具有同时刻结构转变的多元变量。

栾惠德 (2007) 系统总结了带有结构突变的单位根检验的研究进展, 并对该问题最新的发展动向加以概括。王成勇 (2008) 总结了结构突变模型在估计和检验研究上的最新进展, 并提出了可行的进一步研究的思路。

引入时间序列的结构突变性的影响, 对于研究经济变量的波动特性的至关重要。若在建模时没有考虑数据存在的结构突变, 将会导致预测失败。因此, 国内外学者在结构突变的理论不断发展基础上, 对其应用进行了拓展。M alik&H assan (2004) 、R apach&Strauss (2008) 等指出, 通过IC SS算法检测出的结构突变时点往往与一些重要经济冲击事件相关, 这些政策事件可能是波动出现结构突变的诱导因素。杨成 (2009) 通过修正IC SS算法检验, 可以发现我国证券市场波动存在明显的结构变化。将结构突变因素加入波动率模型进行比较后, 可以发现含结构突变的波动率模型能更准确地刻画波动率特征。姚宏伟, 蒲成毅 (2014) 基于1996年12月至2013年7月间的日度时间数据, 并加入异常值对方差的结构突变检测影响, 运用修正的IC SS算法发现沪深股市收益率的波动分别出现了5次结构突变, 并且给出了与突变时点对应的一些重大经济事件。

此外, 很多学者利用C how断点检验方法检验时间序列波动路径和时间序列模型的结构转变点。例如:刘金全, 金春雨和郑挺国 (2006) 运用C how检验、C U SU M检验和C U SU M平方检验方法研究我国通货膨胀率的动态变化路径, 发现我国通货膨胀率序列具有明显的结构转变特征。吴平勇, 李佳和唐勇华 (2007) 选取1994至2006年第二季度的季度数据构建货币需求函数, 并利用C how检验验证了1998年为货币需求函数的结构转变点。

在上述文献中, 国内外学者从不同的角度用不同的方法, 对IPO周期现象做出了自己的研究。然而, 这些对于IPO周期性波动的研究大多集中于IPO周期的划分和成因。中国IPO市场最突出特点是发展速度快, 平均初始回报率高。中国IPO研究文献集中在收益率、滞后期、定价效率以及IPO周期等方面, 而研究IPO发行周期划分和时间序列结构转折点的则不多。对于中国IPO数量的周期性波动的研究, 应益荣、刘士杰 (2004) 采用相关分析, 实证检验了IPO热销的存在性问题, 指出中国股市的热销现象并不显著, 原因在于我国新股发行市场仍存在行政性过度干预、典型的卖方市场和监管制度不完善等制约性的因素制约, 但在中国上市制度由审批制向核准制转型之后, IPO热销现象逐渐形成 (董晓林、高君, 2008) 。

那么, IPO的波动性具有什么特征, 是否主要受到政策和经济因素影响?以该问题为核心, 本文结合结构突变的内生和外生检验方法, 采用修正的IC SS算法, 一方面探究IPO时间波动路径的结构突变特性, 确定发生突变的时间点;另一方面找出突变点对应的政策经济事件, 进而提出相应的政策建议。

本文的创新之处体现在以下几点: (1) 本文在研究IPO时间序列的波动路径时, 加入对于结构性转变特征的研究。并且在研究结构性转变之前, 剔除异常值对于结构转变检验的影响。 (2) 本文选取IPO数量和IPO融资量作为变量, 不仅考虑到了首次公开发行公司数量的周期变化, 同时考虑了单个公司的融资量的大小的变化。 (3) 本文同时运用外生性和内生性结构性突变检验方法。先用修正的IC SS算法计算出可能存在的结构突变点, 再利用C how断点检验方法逐一确认。

本文主要内容安排如下:第一章引言, 主要介绍研究背景和意义所在, 给出文章的总体思路。第二章文献综述, 介绍国内外IPO周期波动的研究理论, 以及结构突变检验的方法演进。第三章计量方法介绍。第四章实证分析。最后, 第五章研究结果及讨论, 总结研究结果, 并分析存在的不足和改进的方向。

二、结构突变检验方法

结构突变检验方法可分为内生性检验和外生性检验两大类。在结构突变点已知的情况下, 针对时间序列的生成过程, 可以进行结构突变的单位根检验, 结构突变的协整检验。针对时间序列模型的稳定性, 可以运用C H O W检验、C U SU M检验和C U SU M平方检验等检验方法确定在已知点是否出现结构突变。

考虑到本文选取的数据时间跨度较大, 数据较多, 且数据结构变化不够明显, 使用内生性检验效率较低。因此, 我们首先考虑外生性结构突变检验模型。根据M alik&H assan (2004) , R apach&Strauss (2008) 等指出的, 通过IC SS算法检测出的结构突变时点往往与一些重要经济冲击事件相关, 这些政策事件可能是波动出现结构突变的诱导因素。因此, 首先选取修正的IC SS算法计算IPO时间序列波动路径中的结构转变点。考虑到异常值的存在会影响IC SS算法的输出结果, 因此, 在计算之前, 我们首先提出数据波动路径中的异常值。

由于每一种检验方法有其局限性, 结合多种方法有利于提高结果的准确性。因此, 本文在修正的IC SS算法给出可能的结构突变点的基础上, 引入内生检验方法-C how断点检验。C how检验用于检验模型的稳定性, 若存在断点, 则模型不够稳定。此时, 断点前后拟合模型得到的残差平方和小于全样本拟合模型得到的残差平方和。因此, 我们需要先建立回归模型。考虑到IPO时间序列的自相关性, 我们选择自相关模型进行回归, 然后针对已知的断点进行C how检验。

(一) 修正的ICSS算法

目前, Sanso、A rago&C arrion (2004) 提出的修正IC SS算法下的结构突变检测方法在研究中应用最为广泛。该方法是在Inclan&T iao (1994) 的基础之上修正而来。Inclan&T iao (1994) 提出的检验统计量IT为:

其中, 表示能够最大化IT统计量的检测时点;et表示t时刻下资产的百分数收益率。假设et服从一个的独立同分布过程N~ (0, σ20) , 检验的原假设为et的无条件方差在k=1, 2, …, T时刻下为一常数;备则假设为et在某一时刻无条件方差发生结构突变。IT统计量可表示为其渐进分布服从一个布朗桥 (B row nian B ridge) , 且w (r) 为一个标准的布朗运动。有限样本下IT统计量的临界值可通过M onte C arlo模拟方法给出。A ndreou&G hysels (2002) 及Sanso、A rago&C arrion (2004) 指出, 当et服从一个非独立过程时IT统计量将被大幅高估, 从而倾向于过度拒绝原假设。Sanso、A rago&C arrion (2004) 进一步修正了这一假定, 允许et在原假设下服从一个G A R C H过程, 调整后的IT统计量 (简称A IT统计量) 为:

1-1-1 (m+1) -1是B atlett K ernel的窗。调整后的A IT统计量渐进分布supr|w· (r) |同样是一个的布朗桥, 有限样本的临界值也通过M onte C arlo模拟方法给出。

(二) Chow断点检验

在现实生活中, 有时会由于某些重大的政策和制度变化或偶发事件, 导致经济运行机制或行为改变。对于计量经济学研究工作来说, 这种情况表现为模型的参数发生改变。如果在样本资料所涉及的期间内发生过这样的情况, 那么就有必要检验模型参数的稳定性。C how检验考虑样本是否包括了不同质的组, 即检验不同组间的参数是否相同。

C how转折点检验基于这样一种思路:如果确实存在结构变化, 那么分别对结构变化发生前和发生后的子样本数据做回归时得到的残差平方和要小于利用全部样本数据估计模型得到的残差平方和。C how转折点检验方法存在一个问题, 若某个子样本包括的观察值太少, 那么可能无法用其估计子模型。此时可以考虑采用C how预测检验。

三、实证检验

本章将利用第2章介绍的模型, 选取变量, 进行实证分析。这里, 本文结合内生性结构突变检验—修正的IC SS算法, 以及外生性结构突变检验C how断点检验确定IPO数量和IPO融资量波动路径中的结构突变点, 检验步骤如下:

第一, 由于异常值的存在会影响IC SS算法的精确度, 因此, 本文首先剔除数据中的异常值, 异常值的计算由EV IEW S 6.0软件中的箱型图给出。

第二, 剔除异常值之后, 本文运用修正的IC SS算法计算出IPO数量和融资量波动路径中的突变点。修正的IC SS算法由G A U SS9.0实现。

第三, 在修正的IC SS算法给出的结构突变点的基础上, 运用外生性检验方法, 即C how断点检验进行逐一验证。

第四, 进行C how断点检验之前, 本文首先需要建立IPO数量和IPO融资量的自回归模型, 然后在回归模型的基础上进行C how检验。如果C how断点检验给出的结论与修正的IC SS算法一致, 则确定该点为波动路径中的结构突变点。C how检验有EV IEW S6.0实现。

(一) 数据来源和变量选择

本文选择沪深两市首次公开发行A股作为研究样本, 所采用的数据来源于国泰安数据库和同花顺i Find金融数据库。为了确保模型效果的可靠并反映出IPO市场的特征, 最终的研究样本确定为1994年1月至2012年10月间共计2370只首次发行A股。

G uo, B rooks and Sham i (2010) 在探测中国A股市场IPO热销冷发周期时将衡量IPO活动的指标分为四类:IPO数量、抑价、市场风险和市场条件。而邵新建、巫和懋、覃家琦和王道平 (2010) 在其对IPO周期的研究中认为使用IPO数量为指标会忽略融资规模差异, 故使用IPO融资量代替IPO数量为变量。因此本文选取IPO数量 (N t) 和IPO融资量 (V t) 作为变量, 结合两个变量的时间序列数据特性研究IPO周期和及其波动的结构突变特性。

(二) 结构突变检验

1. 初步确定结构突变点—修正的ICSS算法。

本文运用修正的IC SS算法, 分别对剔除异常点后的IPO数量、IPO融资量序列进行结构突变检验。修正的IC SS算法由G auss9.0软件实现。输出结果如下:

本文通过结构突变检验发现, IPO数量出现了4次结构突变现象, 将样本序列划分为5个不同的机制 (R egim e) 。分别为1997年7月、2004年5月、2009年9月以及2011年6月。IPO融资量总共出现了3次结构突变, 分别为2006年6月、2009年11月以及2011年10月。

2. 结构突变点检验—Chow检验。

为了对IC SS算法给出的时间突变点进行C how检验, 首先建立IPO数量N t的自回归模型, 根据N t的自相关图以及A IC和SC准则, 确定滞后阶数为3;其模型拟合结果如表4.7。由表2可以看出, N t的3阶滞后自回归模型的拟合程度较好, 调整过后的拟合优度为0.635。同时, 变量的系数显著地不为零。

在上述N t的自回归模型基础上, 逐一对IC SS算法给出的结构突变点进行C how检验。对第42个样本数据, 即1997年7月前后的子样本数据做回归时得到的残差平方和, 显著地小于利用全部样本数据估计模型得到的残差平方。F统计量的伴随概率为0.0261, 小于置信水平0.05。因此, 拒绝1997年7月不是结构突变点的原假设。在时点1997年7月, 修正的IC SS算法以及C how检验的结论一致, 因此确定此点确实为一个结构突变点。

同理, 对第124、188、209个样本的C how检验。根据后两个时间点将总样本分为两个子样本后, 时间点后面的子样本所包含的样本量太小, 不足以估计子模型。因此, 这里我们选用C how预测检验验证这两个时间点是否为结构突变点。

检验结果表明, IPO数量的时间序列一共存在2次结构突变, 分别是1997年7月和2009年9月。同样地, 建立IPO融资量的自回归模型, 选取4作为滞后阶数。模型拟合结果如表3。

由表3可以看出, 模型的拟合程度较好, 调整后的拟合优度为0.687。变量的系数除了A R (2) 外, 均显著地不为零。在V t滞后4阶的自回归模型的基础上, 我们对IC SS给出的结构突变点进行C how检验。首先对第149样本 (即2006年6月) 作为结构突变点做C how检验, 其前后的子样本数据做回归时得到的残差平方和, 显著地小于利用全部样本数据估计模型得到的残差平方。F统计量的伴随概率为0.000, 小于置信水平0.05。因此, 拒绝2006年6月不是结构突变点的原假设。在时点2006年6月, IC SS算法以及C how检验的结论一致, 因此确定此点确实为一个结构突变点。同理, 运用C how检验, 对第184个样本 (2009年11月) 、第206个样本 (2011年10月) 是否为结构突变点进行检验。根据这两个时间点将总样本分为两个子样本后, 时间点后面的子样本所包含的样本量太小, 不足以估计子模型。因此, 选用C how预测检验验证这两个时间点是否为结构突变点, C how检验结果拒绝2009年11月不为结构突变点, 而接受2011年10月不为结构突变点的原假设。综上IPO融资量时间序列存在两个结构突变点, 分别是2006年6月和2009年11月。

(三) 突变点对应的政策或经济事件

确定了IPO数量和IPO融资量时间序列的结构突变点后, 我们考虑这些突变点是否由政策和经济事件引发。因此, 我们在下表中列出了这些结构突变时点附近选取的一些重要经济冲击事件。

IPO数量的结构突变点为1997年7月和2009年9月。1997年7月2日, 泰铢实行浮动汇率制, 东南亚金融危机拉开序幕, 与此同时, 受到金融危机的影响, IPO从热销期转为冷销期。从1996年7月开始一直到1997年7月, 每月平均IPO数量为22个。然而1997年7月之后, 一直持续到2000年, 每月平均IPO数量仅有大约8个。另一个结构突变发生在2009年9月。从2009年开始, 我国的银行体系开始大规模开闸放水, 市场上充沛的流动性可以从“天量信贷”的数字中看到, 到了9月, 我国信贷水平已从一季度的4.58万亿涨到三季度的8.67万亿。

IPO融资量的结构突变点为2006年6月和2009年11月。2006年6月, 暂停了11个月的IPO重启。这一结构突变点不能归为政策或经济事件的冲击造成。另一个突变点是2009年11月。这一突变点可能由油价金价的飙升触发。2009年11月10日零时起, 根据国家发改委要求, 内地上调汽柴油零售价, 涨幅均为480元/吨。而黄金继突破每盎司1000美元后, 国际金价又站上了1100美元/盎司的高位。另外, 10月底, 中国创业板大幕正式开启, 这也是造成11月发生结构突变的一个重要原因。

四、研究结果与讨论

本文选取1994年1月至2012年10月的IPO数量和IPO融资量的月度数据, 运用修正的IC SS算法初步给出可能的结构突变点, 接着根据C how检验, 确定IC SS算法给出的点是否为结构突变点。根据上述检验过程, 得到以下结论:首先, 我国IPO数量以及IPO融资量的时间序列路径确实存在结构转变性质, 而且在历史时期均表现出两次明显的结构转变。这说明在某些经济或者政策因素的冲击下, IPO时间序列系统内某些经济参数产生了明显的变化, 从而发生了结构转变。

其次, 对于我国IPO数量的波动路径, 修正的IC SS算法给出了4个结构突变点, 进行C how断点检验发现, IPO数量的波动路径确实存在的结构突变有两次, 分别发生在1997年7月和2009年9月。同样的, 对于我国IPO融资量的波动路径, IPO融资量确实存在的结构突变有2次, 发生在2006年6月和2009年11月。

时间序列检验 篇5

序列试验评估方法在人工增雨作业效果检验中的应用

人工增雨是人工影响天气工作中很重要的一项业务,充分利用空中云水资源,适时开展人工增雨作业,是抗旱工作的.一种有效手段.作业效果如何,能产生多大效益,是抗旱指挥决策中重要的一环,也是气象经济学研究的一个重要课题.本文应用序列试验评估方法,运用周边各台站的降水资料,估算作业点自然降水量,再与作业点实际降水量进行比较,对雷阵雨过程人工增雨的效果进行评估.

作 者：张继良 吴超平作者单位：湖南省平江县气象局刊 名：城市建设与商业网点英文刊名：CHENGSHI JIANSHE YU SHANGYE WANGDIAN年，卷(期)：2009“”(26)分类号：关键词：序列试验评估 人工增雨 效果检验

时间序列检验 篇6

关键词：凝结时间;胶砂强度

一、影响水泥凝结时间检验的重要因素

（一）计量仪器。在GB/T1346-2011国家标准化中具有相关规定， 使用的量筒或是滴定管的精度必须在±0.5 mL范围之内。在专业检验所内，如果必须配置的量水器具有的精度未能达到标准，即会导致在计量水泥的使用量及增水使用量时不能够精确计量，从而形成在水泥凝结时间所测定的水泥浆并不是标准水泥稠度的净浆，一定会对水泥的凝结时间产生影响，经过实际试验数据显示，通常会在每一次添加的水为1.0mL容积时，即会导致最初凝结时间在3～10分钟范围之内发生变化。

（二）实验环境条件。由于水泥是一种水硬型的胶凝材质，一定需要有充足的水份使用在其作为水化、凝结之后再硬化的过程，在进行保养维护时段必须注重对潮湿状态的保持，方能对其先期强度的进展有益，为在相异试验室的温度及湿度实验环境下保障水泥的检验结果具备可对比性。此是由于对水泥产生水化、凝结之后再硬化具有较大影响的是温度及湿度的环境，通常而言，所具有愈高的温度，水泥就会愈快形成水化及凝结之后再硬化，并且在相异的温度环境之下也具有着差异性水化形成物的性质及样态;倘若有着较低湿度就会影响到水化水泥的效果，就会形成水泥的砂浆或是净浆的干燥收缩并出现裂痕，导致破坏表层，处于相异的温度、湿度环境下，将会产生较大的对水泥检验结果的影响，

（三）操作人员对凝结时间产生的影响。一定要使用标准的稠度净浆来用在测定凝结时间上;由于合格以否的标准稠度净浆对于检验凝结时间的结果会产生直接性的影响;例如在对标准稠度作为测定时，未有进行校对零点或是在实际操作的整流程中未能依据1.5min内的标准来达成，都会出现对检验的最终结果产生影响的因素，因为实际操作较长的时间，会让水份产生蒸发，即会形成较短时间的凝结过程。

在对标准稠度作为测定时，由于在标准试杆的沉入之时水泥标准稠度净浆会对其形成必然的阻力。经过实际试验相异的含水量的水泥净浆的穿透性，来对水泥标准稠度净浆中所需要的增加水量数值作为确定。因此，试杆与浆体表层接触程度的高与低都会对测定的最终结果产生影响，倘若试杆与浆体表层具有较多接触之时，因为具有粘性的浆体，会形成下降的试杆会遭受到相应的阻力，即会形成偏高的最终测定结果，在试杆较多的高于浆体表层之时，此时所遭受到较小的阻力，又同时会导致测定的最终结果出现偏低的现象，由此在进行测定之时，应让试杆与浆体表层形成恰好接触，将螺丝拧紧在1s～2s的范围之后，再迅速的松开，即会形成试杆进入水泥净浆是呈垂直性自由地下沉状况，在对停止下沉的试杆进行观察或为将试杆释放至30s之时指针的相关读数在6±1mm范围之时，为达到标准稠度，此时的净浆方可用在测定凝结时间方面。

二、对水泥强度检验形成主要影响的因素

（一）对水泥强度检验中ISO标准砂产生的影响。主要用于水泥强度检验中的材质为ISO标准砂，直接对水泥强度检测结果产生影响的是标准砂的质量的优与劣。优质的真标准砂与劣质的假ISO标准砂相较，假ISO标准砂具有着分布的砂颗粒呈现不均匀的状态，含有较多的杂质砂，通常呈现出各龄期水泥胶砂都有偏低强度的现象。

（二）对水泥强度检验形成影响的水泥胶砂搅拌机。GB/

T17671-1999《水泥胶砂强度检验方法（ISO法）》中具有明确的规定：行星式水泥胶砂搅拌机的叶扇片和锅底部、锅壁之间应为3mm±1mm的范围距离内。倘若出现较宽间隙就会形成不能够均匀搅拌胶砂，形成水泥偏低的水泥强度;较窄间隙容易出现挤碎ISO标准砂的现象，形成偏高的水泥胶砂强度。同时在搅拌时间方面必须做到严格控制，以达到以4min为准的搅拌标准程式，倘若达不到4min就会形成不能够均匀搅拌胶砂，会显著降低其强度。

（三）对水泥强度检验形成影响的振实台。JC/T682-2005《水泥胶砂试体成型振实台》具有明确的规定：振实台频率60次/60s±2s，振幅15.0mm±0.3mm。振动的振实台频率高，就会让水泥胶砂出现偏高的强度，反之就会出现偏低的强度。增大振动幅度，形成偏高的强度，降低振动幅度，即会出现排出气体的困难，形成偏低的强度。因此必须定期性的对振实台进行校验。

（四）对水泥强度检验形成影响的恒温恒湿养护箱。恒温恒湿养护箱：温度控制20℃±1℃，湿度≥90%。试体养护池水温应严格控制在 20°C士1°C范围内，倘若具有偏高的温度，就会形成偏高的水泥胶砂强度，反之，形成偏低的水泥胶砂强度。温度对于水泥的影响先期强度较未期强度更大。在养护箱内必须定期性对养护架作为水平校准， 保障放置水泥试模之时能够呈现出水平型的状态，否则，较易出现两端试体的不一致性的密度，对水泥胶砂的强度产生影响。

时间序列检验 篇7

水泥性能检测是对水泥产品质量的综合鉴定方法。水泥检验人员不但要具备专业的水泥检验理论知识, 还要熟悉各标号水泥的性能与强度属性等基本常识。目前, 国内很多建筑施工单位、混凝土生产企业普遍缺乏专业的水泥试验技术人员与检测设备, 在水泥检测中, 经常遇到水泥凝结时间、强度方面的问题。因此, 本文主要阐述在水泥检验中, 影响水泥凝结时间、强度的主要因素。

2 影响水泥凝结时间检验的主要因素

2.1 水泥温度对水泥凝结时间检验的影响

现在很多水泥生产企业普遍存在出厂水泥温度高的现象, 夏天尤为明显, 水泥温度高达70℃左右。GB/T1346-2011《水泥标准稠度用水量、凝结时间、安定性检验方法》中规定:水泥试样与试验室环境温度20℃±2℃一致时, 方可用于试验。一些水泥使用单位在水泥运输罐车进厂取样后, 没有按照国家标准执行, 而是直接使用温度较高的水泥做凝结时间检验, 导致测定结果不准确。水泥温度对水泥凝结时间检验的影响见表1。

由表1可知, 水泥温度高时, 进行凝结时间检验, 其标准稠度大, 凝结时间短, 胶砂流动度偏低。

2.2 操作手法对水泥凝结时间检验的影响

一些水泥试验人员由于缺乏专业的培训, 对国家标准GB/T1346-2011《水泥标准稠度用水量、凝结时间、安定性检验方法》中凝结时间测定操作不熟悉, 水泥净浆装入锥模后, 未将锥模内部填满, 致使锥模中存在空隙, 严重影响凝结时间的测定。

2.3 恒温恒湿养护箱对水泥凝结时间检验的影响

恒温恒湿养护箱:温度控制20℃±1℃, 湿度≥90%。温度过高, 凝结时间短;温度过低, 凝结时间长。另外, 很多养护箱中带有风扇, 水泥凝结时间测定时, 水泥试模放置时应远离养护箱中的风扇。否则, 由于风扇对着试模表面吹, 导致水泥净浆表面水分蒸发过快, 测出的水泥凝结时间偏短。

3 影响水泥强度检验的主要因素

3.1 ISO标准砂对水泥强度检验的影响

ISO标准砂是水泥强度检验中的主要材料, 标准砂的真假直接影响水泥强度检测。假ISO标准砂与真标准砂相比, 砂颗粒分布不均匀, 砂中含杂质较多, 一般水泥胶砂各龄期强度均偏低。

3.2 水泥胶砂搅拌机对水泥强度检验的影响

GB/T17671-1999《水泥胶砂强度检验方法 (ISO法) 》中规定:水泥胶砂行星式搅拌机的叶片与锅底、锅壁间的距离为3mm±1mm。间隙过宽会导致胶砂搅拌不均匀, 造成水泥强度偏低;间隙过窄易将ISO标准砂挤碎, 造成水泥胶砂强度偏高。同时严格控制搅拌时间, 以标准搅拌程序4min为准, 不足4min会导致胶砂搅拌不均匀, 强度明显下降。

3.3 振实台对水泥强度检验的影响

JC/T682-2005《水泥胶砂试体成型振实台》规定:振实台频率60次/60s±2s, 振幅15.0mm±0.3mm。振实台振动频率高, 水泥胶砂强度偏高, 反之强度偏低。振幅增大, 强度偏高, 振幅减小, 气体不易排出, 强度偏低。因此振实台必须经常校验。另外, 很多单位使用振动台代替振实台成型, 两者对水泥胶砂强度的影响有一定区别, 振实台与振动台对水泥强度检验的影响见表2。

由表2可知, 振动台成型的水泥胶砂各龄期强度均比振实台高, 28d抗压强度高1.5MPa左右。

3.4 恒温恒湿养护箱对水泥强度检验的影响

恒温恒湿养护箱:温度控制20℃±1℃, 湿度≥90%。温度过高, 水泥胶砂强度偏高, 反之, 强度偏低。温度对水泥早期强度的影响比后期强度影响更大。养护箱中的养护架应经常进行水平校准, 保证水泥试模放置时呈水平状态, 否则, 容易导致试体两端密度不一样, 影响水泥胶砂强度。

3.5 压力试压机对水泥强度检验的影响

目前, 一些单位仍使用人工手动控制压力机加荷速度, 加荷速度难以控制在 (2400±200) N/s范围内。压力机加荷速度过快过慢都会严重影响水泥胶砂强度检验。加荷速度过慢, 水泥胶砂强度偏低;过快, 水泥胶砂强度偏高。

3.6 水泥抗压夹具对水泥强度检验的影响

当抗压夹具传压柱衬套间混入异物时摩擦力变大, 抗压夹具球座长时间未加润滑剂, 球座不能自由调节会使水泥抗压强度检验结果偏高。上下压板稍微受损不平时, 会使水泥抗压强度检验偏低, 因此水泥抗压夹具必须经常校验, 出现磨损时, 应及时更换。

3.7 操作手法对水泥强度检验的影响。

(1) 水泥待检样过0.9mm方孔筛, 并将过筛样品混合均匀。胶砂试体振实成型时, 保证加样均匀, 否则三条试体振实后密度不一样, 强度结果偏差大。

(2) 水泥胶砂试体振实后表面刮平时, 金属直尺沿试模长度方向以横向锯割动作慢慢向另一端移动。锯割的刀数不宜过多, 一般在10~12刀左右。刀数过多, 会使试体中的水分过多地由内部向外表层渗透, 造成试体表面泌水脱皮, 影响表层密度, 从而影响水泥胶砂强度。

(3) 试体经过恒温恒湿养护箱养护后, 用塑料锤或橡皮榔头或专门的脱模器脱模。脱模时, 手法不宜过重, 否则会造成试体受伤, 从而导致水泥胶砂试体抗折强度偏低。

(4) 试体放入养护池养护, 养护池水温宜控制在20℃±1℃, 水温过高, 水泥胶砂试体强度高, 反之, 偏低。试体竖直或水平放置, 水平放置时刮平面朝上。试体放在不易腐烂的篦子上, 彼此间保持一定间距, 使水与试体的六个面接触, 养护期间试体之间间隔或试体上表面水深不得小于5mm。每个养护池只能养护同类型的试体, 不允许在养护期间全部换水。每天两次记录水池温度变化情况。

4 结语

山西省年平均气温序列均一性检验 篇8

近年来, 全球气候总体变化的趋势越来越明显化, 社会各界都在关注着气候变化带来的影响, 并以此为依托进行课题研究, 进行气候变化和气候预测研究的目的是得出一系列能准确地反映当前气候实际变化情况的均一性数据。气候资料序列的均一性检验方法, 能够反映大气环境的真实变化情况, 是研究气候变化的基础。但是, 随着长时间的气候观测, 气候资料序列的均一性也受外界环境的影响, 如气象观测站位置的转移、气象观测仪器的更换、观测次数的不同以及观测时系统造成的误差等因素, 都有可能使得气候观测资料的真实性造成一定影响;同样地, 气象观测站周围环境的变化也会对气候资料序列的非均一性造成影响。与此同时, 气候资料序列的非均一性也直接对气候状况研究结果的准确性和前瞻性造成一定的影响。如何对气候资料序列的非均一性进行检验和矫正, 提高气候观测结果的准确性, 已逐渐成为近代学者研究气候变化的基础。文中采用气象台站历史观测记录的信息与标准正态检验 (Standard Normal Homogeneity Test) 方法对山西省109个地面气象观测站的年平均气温序列进行了均一性检验。

1 资料与分析方法

1.1 资料

本文对山西省109个地面气象观测站从建站到2009年的年平均气温序列进行了均一性检验, 图1给出了具体站点分布。

气象站的历史观测、记录资料是分析和研究因非正常气候因素所造成的的气候资料序列的非均一性, 这是研究资料序列非均一性的十分重要的背景信息, 同时也是科研人员对气候资料序列进行检验和矫正的重要参考标准。文中所采用的气象站的历史观测、记录资料主要包含气象站的名称标记、各区站号标记、气象站级别标记、气象站所属机构标记、气象站位置标记、气象站周围障碍物标记、观测要素增 (减) 标记、观测使用仪器标标记、观测时制标记、定时观测时间标记、夜间值守情况标记等详细内容。

1.2 分析方法

参考2005年吴利红等开发的地面气候资料序列均一性检验与订正系统, 首先将待检验序列通过单站检验模块进行均一性检验, 进行初步筛选, 选择基本符合均一性条件的气候资料序列, 将其当作气象参考站检验的备用序列;其次, 根据气象参考站选择中所拟定的要求, 将符合这些要求的备用序列通过一定的方法转换成参考序列;最后, 使用气象参考站的均一性检验方法对所转换的参考序列进行检验。

1.2.1 单站检验

检验方法有F检验、U检验、T检验、偏值界限值法检验, 通过单站检验, 初步筛选出年平均气温资料序列比较均一的台站, 作为参考站的备选序列。

1.2.2 建立参考站网

候选观测站应选择与测站环境相近似、距离不宜太远、高差适中、序列并行时间较长的观测站, 并计算出待检观测站和其它各个候选观测站的相关系数, 并对相关系数T进行检验。目前, 我省具体采用的气象参考站指标为:与待检测序列观测站的距离≤200km、海拔高度差≤100m、相关系数的数值较高, 并且通过T检验的观测站全部入选作为第一批候选观测站;同时, 显示出候选观测站的测站环境、初次的序列均一性检验结果等相关参数。

采用单站资料检验法来检测均一性站、因历史沿革变化的未迁站 (经过调查分析后, 观测站与周围环境变化不是很大的测站) 以及资料序列中在某个阶段未间断的测站, 经过筛选后作为第二批候选观测站;然后, 将具有明显的非均一性特征的观测站全部筛选掉。最后, 根据元数据, 通过主观经验来判断观测站与待检序列观测站的周围环境、当地气候状况等是否类似;从而选取相关系数数值较高、并且观测站与待检序列观测站在时间序列年代并行时间较长的测站作为气象参考站。

1.2.3 正态检验与转换

对参考站的时间序列进行正态检验 (偏度、峰度检验法) , 对明显非正态的序列进行剔除。

1.2.4 构建参考序列

建立待参考站与参考站的差值序列和比值序列。

差值序列:待检序列的逐年值与对应年的多个参考站序列的算术平均值之差, 形成全省各个待监测站的差值序列, 适用于参考站方法中的距平累加法和连续T检验法。

比值序列:待检序列的逐年值与对应年的多个参考站序列的相关系数平方的加权平均之比, 并进行标准化处理, 形成各个待检测站的比值序列, 适用于参考站方法中的SNHT检验法。

1.2.5 标准正态均一性检验 (SNHT)

利用参考站检验模块中的SNHT法 (标准正态均一性检验) 对全省测站的参考序列进行检验, SNHT统计量如下:

检验时将z序列分成v及n-v两段, 其中, 分别构成z1与z2序列, z1、z2分别为z1、z2序列的算术平均值。根据v的不断取值, 利用程序循环计算T0值, 并挑出最大的T0值, 当T0值大于n年序列的临界值时, v对应得那个的间断年份为不均一的年份。表1给出了不同序列长度、不同置信水平的临界值。

如:我们选择国家一般气象站临猗 (53958) 为例来说明。

首先, 通过计算待检序列临猗站与其距离、海拔高度符合要求的所有站点的相关系数, 从中选取出相关性较好的七个站点53954、53959、53963、53964、57052、57060、57061作为参考站点。计算出的相关系数分别为:0.601718, 0.427757, 0.709637, 0.368574, 0.713173, 0.708675, 0.689545。其次, 根据SNHT检验法所用的参考序列的建立方法, 得出比值序列如图2所示。

3 检验结果分析

通过SNHT检验, 并且通过使用山西省逐年积累的各个月观测站地面气象变化的原始记录资料, 专门翻阅了产生序列非均一性的每一个测站、每一个间断年的当年以及其前、后一年中各个月中所使用仪器的记录栏、备注栏、测站台的高度、地理及周边环境等相关资料, 来进行分析、判断造成这一序列非均一性的原因。经检验存在非均一性的站点及其年平均气温间断情况如表2:

由表中结果可以看出, 全省109个站中, 地面气象观测资料序列非均一性的站点有29个, 占全部的26.6%, 其中, 因迁站导致的有14个, 占非均一站点的48.2%, 因观测仪器变更 (升级为自动站) 而导致的有5个, 占非均一站点的17.2%, 原因不明的站点有10个, 占非均一站点的34.5%。从中可以看出, 观测环境的改变对年平均气温资料序列的均一性影响较大, 而观测仪器变更的影响较小, 可能由于由人工站变为自动站经过两年的平行观测, 使得自动站和人工站的观测数据有较好的拟合。

从非均一站点分布图 (图4) 可以看出, 年平均气温存在不均一性的站点主要分布在忻州地区、临汾地区、运城地区以及山西中部, 忻州地区和临汾地区多是由于70年代末、80年代初站址迁移引起的, 运城地区年平均气温资料序列非均一性临猗、运城、屯留等站不均一的原因不明, 可能是受地形的影响, 造成站点年平均气温资料序列差异较大。出现的年代早晚不一且大多原因不明。

从山西省地形图 (图5) 可以看出, 年平均气温资料序列存在不均一性的站点, 多分布在盆地中, 这有可能是盆地受山脉走向影响, 本身气候差异较大的缘故, 以临猗为例 (图6) , 临猗位于运城市的中部, 四周无高大山脉。用作参考站点的有53959 (运城) 、53963 (侯马) 、53954 (稷山) 、53964 (新绛) 、57052 (永济) 、57060 (夏县) 、57061 (平陆) , 稷山位于吕梁山脉南端, 运城地处中条山脉北面, 而平陆则处于中条山脉南面, 受山脉走向的影响, 可能气温本身也存在着较大的差异, 造成年平均气温不均一性分析受到影响。因此, 在选取参考站点时, 不应只考虑拔海和地形相似, 还应该考虑气候的相近。临猗、运城、屯留等站不均一的原因不明, 可能是受地形的影响, 造成站点年平均气温资料序列差异较大。

4 结论与讨论

1) 通过对山西省109个测站年平均气温的均一性检验, 可以看出大部分地区年平均气温资料质量较好 (占全部被测站点的73.4%) , 能够较真实的反应该地区气候的变化, 有29个地区年平均气温资料序列存在非均一性, 大部分是由于迁站或更换仪器引起, 还有一部分原因不明;

2) 在选择参考站时, 不仅要考虑地理环境相似, 还应该综合分析, 选择气候条件较为一致的站点, 使分析结果更为真实可靠;

3) 在元数据的收集过程中, 有许多记录残缺或不完整, 给资料的分析检验带来不便, 气象台站历史沿革档案是分析、研究非气候因素所产生的气候资料序列非均一性的重要背景信息, 是研究人员检验订正气候资料序列的重要参考依据。所以认真做好台站历史沿革资料记载非常重要。

摘要：采用标准正态检验 (SNHT) 方法对山西省109个地面气象观测站从建站到2009年的年平均气温序列进行了均一性检验, 并结合台站历史沿革资料进一步分析存在非均一性特征的原因。结果表明:年平均气温序列非均一性主要是由于台站迁移、仪器变更、观测时次变化等原因引起。

关键词：均一性,年平均气温,标准正态检验

参考文献

[1]吴利红, 毛裕定, 胡德云, 马仙妹, 钱惠文.地面气候资料序列均一性检验与订正系统.浙江气象, 2005, 26 (4) :40-44.

[2]严小冬, 龚雪芹, 石艳.贵阳站气温均一性检验与订正.贵州气象, 2009, 33 (3) :6-8

[3]国世友, 周振伟, 侯兆滨.黑龙江省年降水量和年平均气温序列均一性检验.黑龙江气象, 2008, 25 (3) :6-8.

[4]高理, 史茜, 高凤娇.山东省观测资料的均一性检验.山东气象, 2010, 30 (1) :1-4,

[5]游泳, 余海蓉, 苑跃, 王晓兰.四川省平均气温序列的均一性检验及其分析.2009, 29 (2) :45-48.

时间序列检验 篇9

1 试验材料及仪器

试验材料:中国联合水泥集团有限公司生产合格的基准水泥, 编号:QJ019;恒温20℃蒸馏水。

试验仪器:GB/T1346—2011标准中要求并经检验合格的试验用试模、维卡仪、代用法试锥、搅拌机和自动控制温湿度养护箱。

2 结果及讨论

2.1 试验结果

比对试验分别采用两种标准成型操作手法成型试模样。为了考察不同水量下, 不同成型操作对凝结时间的影响, 在标准稠度用水量前后均匀选取各用水量值。比对试验成型试样统一放于同一标准养护箱内养护, 检验采用同一台维卡仪及代用法试锥, 由同一名检验员按照GB/T1346—2011进行检验。试验结果见表1。

由表1可以看出, 无论采用何种成型操作, 试验结果数据偏差小, 重复性好, 结果可信度高。

2.2 用水量与沉入度的关系

根据表1试验数据得出用水量与沉入度的关系, 见图1。

为了便于绘图观察分析试杆法及试锥法试验用水量与沉入度的关系, 图1试锥法数据采用维卡仪量程减去试验沉入深度数据绘图。

图1采用两种成型操作, 并分别采用试杆法及试锥法试验用水量。结果发现两种方法, 在达到标准稠度之前, 用水量与沉入度均呈现较好的线性关系。由图1可以看出, 在129mL用水量时, 按照两种标准成型, 并分别采用试杆法及试锥法试验, 均达到标准稠度试杆法 (6±1) mm和试锥法 (30±1) mm要求, 说明本次试验精确度较高。超过标准稠度用水量, 再加入过量水, 由于受到试验容器的限制, 试杆法则出现沉入底部, 试锥法则会下降缓慢。另外, 分析图1中曲线重合性, 发现采用2011版标准成型操作, 试杆及试锥下降阻力稍大。在日常检验中, 按照此标准成型操作达到标准稠度沉入度, 试验用水量将增加0.5～1mL。

2.3 用水量与凝结时间的关系

本次比对试验, 试验凝结时间结果最大偏差10min, 试验数据精确度满足实验室内部偏差要求 (初凝时间≤15min, 终凝时间≤30min) 。根据表1凝结时间数据绘制用水量与凝结时间关系图, 见图2。

由图2可以看出, 两种成型操作时的凝结时间与用水量均呈一定的线性关系。在每个用水量点, 初凝与终凝时间差近似, 说明此次试验精度较高, 误差小。其中120mL用水量点, 2011版标准手法成型试样凝结时间线性关系较差, 分析应该与该点用水量成型水泥试样较为黏稠, 流动性差, 试样成型不均有关。

对图2所绘曲线进行线性拟合。经计算, 本次试验用基准水泥, 采用2011版标准成型操作试验用水量每增加1mL, 初凝时间约延后2.86min, 终凝时间约延后2.70min;采用2001版标准成型操作试验用水量每增加1mL, 初凝时间约延后2.56min, 终凝时间约延后3.17min。

由图2还可以看出, 2011版标准成型操作相比2001版标准, 无论初凝或终凝均有所提前。

2.4 成型操作与成型试样质量的关系

不同成型操作手法成型试样的质量见表2。

g

由表2可以看出, 按照不同标准成型操作手法, 采用同样的试模成型试样, 2011版标准成型试样质量均偏小。说明采用2011版标准成型试样, 密实度稍差, 孔隙率较高。

3 结论

1) GB/T1346—2011相比2001版标准, 成型操作有了较大的改变, 其结果对凝结时间产生了一定的影响。另外, GB/T1346—2011中成型操作“拍打”不易进行, 成型试模样质量相对偏小, 密实度稍差, 孔隙率较高, 试模样较容易出现麻面, 造成了凝结时间检测结果较易产生偏差, 而且影响了凝结时间检测时的结果判断, 给检测造成了一定的困难。

时间序列检验 篇10

关键词：经济增长,单位根,单整,协整,收敛性

一、导论

改革开放三十多年来, 中国取得举世瞩目的成就, 与先前推行的“让一部分人先富起来的政策”密不可分。根据2010年第一季度的统计数据, 东部沿海地区GDP总额占全国GDP的60%强, 这是一个令人深思的数字, 它表明现今中国将近有六成的财富集中在狭长的沿海地带, 而面积广袤、资源丰富的内陆地区, 则不同程度的落后于沿海发达地区。这种区域经济的差距是中国经济发展不平衡的最直观体现。这种经济发展的不平衡会产生一系列的消极影响:首先, 贫富差距进一步扩大, 影响稳定的大局, 西部地区、中部地区、东部地区形成中国经济的三个阶梯;其次, 无法充分调动全社会的生产要素, 资源不能得到有效利用, 其中一个表现是, 发达地区的土地资源日益紧张, 而欠发达地区的土地却大量闲置;再次, 影响经济的长远发展。东部地区的基础设施、教育、法规、人才、投资环境和人文环境等都接近发达国家水平, 但西部部分地区仍处在贫困线以下, 而中国经济的潜力蕴藏在资源丰富的西部地区和中部地区, 所以区域经济的不平衡性影响了经济的长远发展;最后, 大量高级人才和普通劳动力涌入东部沿海城市, 造成一系列社会影响, 包括劳动力流出地的“留守儿童”教育问题, 也间接推动了东部发达地区房价的高涨。可喜的是, 国家已经意识到区域发展不平衡的危害性, 并针对这一问题提出了一系列相应的政策措施, 比如, 西部大开发和中部崛起战略。而随着这些战略的不断落实, 地区之间以及各地区内部经济增长的差距究竟有没有缩小呢?

本文正是针对上述问题, 试图运用所学的时间序列分析方法, 通过对三大地区之间以及各地区内部各省市之间的经济增长状况进行单位根、单整和协整检验, 然后利用检验结果, 根据Bernard&Durlarf (1995, 1996) 对于共同趋势和收敛的定义, 来考察中国三大地区之间以及区域内部经济增长的收敛性。

二、检验原理与数据说明

(一) 检验原理

本文采用的检验方法是:首先对每个时间序列进行单位根和单整检验, 如果要考察的时间序列是不平稳的, 并且是同阶单整的, 则进一步对其进行协整检验, 然后根据下述原理来判断其收敛性。

判断收敛性的原理:根据Bernard&Durlarf (1995) 给出的定义, 研究国家间经济增长收敛性的关键在于确定这些国家人均产出序列的协整关系, 当人均产出序列协整关系的个数r等于p-1 (p为人均产出序列的个数, 即为要考察的国家个数) 时, 各国间的经济增长有收敛趋势。当人均产出序列的协整关系个数r小于p-1时, 各国家间的经济增长不存在收敛趋势, 只有p-r个共同趋势。

(二) 指标选取与数据说明

正如大多数文献中所用到的那样, 本文用人均GDP来近似代表人均产出, 作为经济增长的衡量指标。

本文的数据来源于CCER中国经济金融数据库。为了更真实的看出经济增长的情况, 同时也为了提高时间序列分析的检验力, 本文把样本时期选为1953—2008年。原始数据均为省际数据。对于地区人均GDP序列, 本文是采取将地区内各省份人均GDP家总求和然后取算数平均值的方法得到。

一般而言, 按经济意义对中国进行区域划分的标准为:

东部沿海地区包括:北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东、广西、海南、重庆;中部内陆地区包括山西、内蒙古、吉林、黑龙江、安徽, 江西、河南、湖北、湖南;西部边远地区:四川、贵州、云南、西藏、陕西、甘肃、青海、宁夏、新疆。由于数据缺失, 本文删去了云南。另外, 有些省市在某些年度没有数据记录, 这里取1代替。

另外, 为了避免数据的剧烈波动, 在以下的检验过程中, 均对相应数据进行对数化处理。

三、三大区域之间经济增长的收敛性

首先, 如果对以区域为单位, 每个区域画一个以时间为横轴, 以GDP增速为纵轴的GDP趋势图, 从直观上看三大区域之间的人均GDP序列的大体趋势, 很容易得出, 三个人均GDP序列均具有明显的时间趋势, 由此可推测上述三个序列均是不平稳序列。更进一步, 可以看出这三个序列具有大致相同的增长和变化趋势, 故可推测三者具有协整关系。下面将对这些直观上的推测进行严格的计量经济学检验。

为严格说明其不平稳性, 对上述三个序列进行单位根检验, 检验结果为:东部GDP序列的ADF统计值为-0.910506, 大于1%显著性水平下的统计量的值-4.137279;中部GDP序列的ADF统计值为-1.035228, 大于1%显著性水平下的统计量的值-4.133838;西部GDP序列的ADF统计值为-0.520825, 大于1%显著性水平下的统计量的值-4.137279。由此, 东中西三大区域人均GDP序列的ADF检验统计量均大于1%显著水平临界值, 故不能拒绝原假设, 即三个序列均存在单位根, 均为不平稳序列。

下面对上述序列进行单整检验, 结果为:东中西三个地区的一阶差分序列的A D F检验统计量分别为:-5.347881, -5.196129, -5.420404, 而1%显著性水平下的临界值分别为:-4.137279, -4.133838, -4.137279。由此可得:各地区的一阶差分序列的ADF检验统计量均小于1%显著水平临界值, 可以拒绝原假设, 即一阶差分序列是平稳的。这说明, 各地区人均GDP序列为一阶单整I (1) 序列, 满足进行协整检验的条件, 故可以采用Johansen方法检验他们之间的协整关系, 检验结果如下:

1.当显著性水平为1%时:

由Johansen Cointegration Test检验结果可得出:在1%的显著性水平下, 迹检验检验和最大特征值检验均显示没有协整关系。

2.当显著性水平为5%时:

由Joansen Cointegration Test检验结果可得出:在5%的显著性水平下, 迹检验检验和最大特征值检验均显示没有协整关系。

3.当显著性水平为10%时:

由Johansen Cointegration Test检验结果可得出:在10%的显著性水平下, 迹检验检验显示没有协整关系, 最大特征值检验显示有一个协整关系。

综上所述:

东中西部人均国内生产总值序列的协整检验表明, 三大地区之间在1%和5%的显著性水平下均没有协整关系, 即r=0, 根据Bernard和Durlarf (1995, 1996) 中的定义, 这里人均国内生产总值序列协整关系的个数r (等于0) 小于p-1 (等于3-1=2) 。即使在10%的显著性水平下, 最大特征之检验显示存在一个协整关系即r=1, 根据Bernard和Durlarf (1995, 1996) 中的定义, 这里人均国内生产总值序列协整关系的个数r (等于1) 小于p-1 (等于3-1=2) 。

故东中西三大区域之间的经济增长不存在收敛趋势, 从长期来看, 各地区受三个或者两个 (p-r) 共同冲击的影响。

四、区域内部各省份经济增长的收敛性

采用与第三部分相同的检验方法, 分别对东中西三大区域内部各省份的人均GDP序列进行平稳性检验和协整检验, 检验结果为:

东部地区各省份GDP的ADF统计量、一阶差分ADF统计量依次为:北京:-1.1705, -5.8749;天津:-0.4345, -6.2800;重庆:-1.5100, -7.4692;福建:-1.2538, -4.7843;广东:-1.6461, -5.5881;广西:-1.2670, -4.2004;海南:-2.2064, -7.4148;河北:-1.3812, -5.7715;江苏:-1.5357, -4.8729;辽宁:-1.1712, -5.7000;山东:-1.0581, -5.7691;上海:-1.2292, -52.6537浙江:-1.6792, -4.0412;而显著性水平为1%, 5%, 10%时的临界值分别为:-4.1373, -3.4953, -3.1766。

同理, 可以检验得出中部、西部各省份的ADF统计量、一阶差分ADF统计量和显著性水平为1%, 5%, 10%时的临界值。

由以上检验结果可得:东中西三大区域内部各省份人均GDP序列的ADF检验统计量均大于10%的显著性水平下的临界值, 不可以拒绝原假设, 即人均GDP序列是不平稳的。但其各自的一阶差分序列的ADF检验统计量均小于1%显著水平下的临界值, 可以拒绝原假设, 即一阶差分序列是平稳的。这说明, 各地区人均GDP序列为一阶单整I (1) 序列, 满足进行协整检验的条件, 下面可以采用Johansen方法检验他们之间的协整关系, 检验结果如下:

东中西三大区域内部各省份人均GDP序列在1%和5%的显著性水平下具有协整关系的序列数r均小于p-1。在10%的显著性水平下, 东部地区具有协整关系的序列数r (等于12) 等于p-1。

由此得出的结论是:中西部地区内部各省份之间的经济增长不存在收敛的趋势, 而东部地区内部各省份之间的经济增长在一定程度上具有收敛性。

五、本文的结论

中国东、中、西三大区域之间的经济增长不存在收敛趋势, 从长期来看, 各地区受三个或者两个 (p-r) 共同冲击的影响。中、西部地区内部各省份之间的经济增长不存在收敛的趋势, 而东部地区内部各省份之间的经济增长在一定程度上具有收敛性。

参考文献

[1].Peter J.Brockwell, Richard A.Davis, Introduction to Time Series and Forecasting (Second Edition) , Springer;

[2].易丹辉, 数据分析与EVIEWS应用, 中国统计出版社, 2002.10;

[3].林毅夫, 刘明兴, 中国经济的增长收敛于收入分配, Working Paper;

[4].陈晓玲、李国平, 地区经济收敛实证研究方法评述, 数量经济技术经济研究, 2007年第08期;

[5].陈安平、李国平, 中国地区经济增长的收敛性:时间序列的经验研究;数量经济技术经济研究, 2004年第11期;

时间序列检验 篇11

1 资料与方法

1.1 一般资料

选取2014年6月～2015年8月我院检验科收检的80例患者进行研究，其中男49例，女31例，年龄18～60(33.6±6.8)岁。

1.1.1 标本的采集

用一次性真空采血管(由湖南省浏阳市医用仪具厂)采集80例健康体检者进行空腹静脉采血，采集的剂量为3～5ml，并记录采血的时间。

1.1.2 仪器

上海科华卓越320全自动生化分析仪。

1.1.3 试剂

所有的试剂均由上海生产的试剂、质控血清和校准品。

1.2 研究方法

在早晨采集空腹患者的静脉血3～5ml，采集血液标本温浴15min后用离心机以3000r/min分离，时间为20min，分离血清，严格按照说明书对质控血清和校准品进行操作，对血糖、肌酐、谷丙转氨酶等生化项目进行校准和质控，保持每项质控项目在(均值±1标准差)的范围内。在采血后的1h内测定各项标本生化项目，详细记录测定的时间和检测的结果，检测结束后将其密封保存在4℃的冰箱内，每次需要重复两步的校准、质控、标本的保存，分别在采血后的1、6、12、24h对患者的血糖、肌酐、谷丙转氨酶等生化项目进行校准和质控，分别记录上述不同时间段的检测结果。

1.3 观察指标

观察患者空腹静脉血中血清中血糖、肌酐、谷丙转氨酶等3项生化项目的测定结果，分析血液标本不同放置时间对生化检验结果的相关影响情况。

1.4 统计学处理

将本次研究中的血糖(GLU)、肌酐(Cre)、谷丙转氨酶(ALT)等生化项目的测定结果均录入至统计学版本为SPSS 20.0软件中统计分析，计量资料采用平均数±标准差表示，不同放置时间的数据结果之间比较采用t检验，P<0.05差异有统计学意义。

2 结果

2.1 健康患者空腹静脉采血1h的测定结果

健康患者空腹静脉采血1h的测定血糖(GLU)、肌酐(Cre)、谷丙转氨酶(ALT)指标结果分别为(5.02±1.14)μom/L、(64.8±5.97)μom/L、(27.02±2.01)U/L。

2.2 不同时间段生化检验结果

血液标本放置6h，血糖与1h测定结果比较，差异显著(P<0.05)，血液标本放置12h，血糖和谷丙转氨酶1h测定结果比较，差异显著(P<0.05)，肌酐放置24h后与1h测定结果比较，差异不明显(P>0.05)。见附表。

3 讨论

血液作为一种复杂的液体包括血浆、血细胞两种主要成分。相关研究发现血液中含有对中营养成分，所含有的营养成分具有营养组织、防止有害物质侵袭以及调节器官活动的作用，除此之外，当人体的生理和病理发生变化时会导致血液成分的改变，因而血液成分的检验在临床上具有重要的价值[6,7,8]。相关文献报道，通过对血清中各个成分的检测，可以有效的为临床的诊断提供必要的依据，是临床诊断疾病的常用方法之一。大量的学者对血液标本不同放置时间对生化检验结果的影响进行分析，认为原因可能是因为存放的时间越长，红细胞内的物质会渗入到红细胞外，溶血的发生程度越明显[9,10]。在本次研究中将分离的血清置入冰箱中存放的主要原因是较低的温度影响血液的生理状态、流变学性质，因此，对于不能及时检验的标本可以进行血清分离，并存放在冰箱中，提高检测结果的准确率[11]。临床实践认为对于不稳定的项目，例如血糖要及时进行检测，其他的项目可以分批次检测，尽量减少误差，要注意标本的保存，防止出现标本无效情况，避免二次采集检测事件的发生[12]。

本次研究结果显示，健康患者空腹静脉采血1h的测定血糖(GLU)、肌酐(Cre)、谷丙转氨酶(ALT)指标结果分别为(5.02±1.14)μom/L、(64.8±5.97)μom/L、(27.02±2.01)U/L，以健康空腹静脉采血1h的测定结果为标准，血液标本放置6h，血糖与1h测定结果比较，差异显著，P<0.05，血液标本放置12h，血糖和谷丙转氨酶1h测定结果比较，差异显著，P<0.05，肌酐放置24h后与1h测定结果比较，差异不明显，P>0.05。结合上述观点，综合性分析认为，大部分液标本放置的时间对生化检验结果存在一定的影响，因此，要及时对血液标本进行检测，防止出现误差影响诊断结果。

摘要：选取2014年6月2015年8月我站检验科收检的80例健康患者进行研究,采集所有患者的静脉血,并用离心机分离血清,采集后的1、6、12、24h应用上海科华卓越320全自动生化分析仪对患者的血糖、肌酐、谷丙转氨酶等生化项目进行检测,比较不同时间的检测结果。健康患者空腹静脉采血1h的测定血糖(GLU)、肌酐(Cre)、谷丙转氨酶(ALT)指标结果分别为(5.02±1.14)μom/L、(64.8±5.97)μom/L、(27.02±2.01)U/L,以健康空腹静脉采血1h的测定结果为标准,患者采血后的6h测定血糖(GLU)、肌酐(Cre)、谷丙转氨酶(ALT)指标结果分别为(4.81±1.20)μom/L、(65.62±5.91)μom/L、(30.32±2.07)U/L;12h测定血糖(GLU)、肌酐、谷丙转氨酶(ALT)指标结果分别为(4.11±1.31)μom/L、(65.51±5.82)μom/L、(32.82±2.71)U/L;24h测定血糖(GLU)、肌酐、谷丙转氨酶(ALT)指标结果分别为(3.62±1.11)μom/L、(66.21±6.22)μom/L、(38.62±1.85)U/L,血液标本放置6h,血糖与1h测定结果比较,差异显著(P<0.05),血液标本放置12h,血糖和谷丙转氨酶1h测定结果比较,差异显著,P<0.05,肌酐放置24h后与1h测定结果比较,差异不明显(P>0.05)。大部分血液标本放置的时间对生化检验结果存在一定的影响,因此,要及时对血液标本进行检测,减少误差的发生。