收入逐月上升也会算出高波动,怎样把趋势和残差分开
收入逐月上升也会算出较大的标准差,因为标准差衡量各月偏离总体均值的程度,并不区分偏离来自持续趋势还是忽上忽下。可以在同一观察窗口里先拟合一条最小二乘直线,再把总离差平方和拆为趋势部分与残差部分。这是对过去数据的描述,不是下月收入预测;残差很小也不代表未来会继续按同一斜率上涨。
两条同均值同标准差的构造序列
本篇构造连续六个月,时间编号从一到六,金额单位元,所有月份均完整核实实收,不含缺月、退款和内部转账。甲依次为四千、五千、六千、七千、八千、九千;乙依次为四千、九千、五千、八千、六千、七千。两组包含相同的六个数,只改变出现顺序,因此均值和标准差必然相同,但时间形状不同。
均值都是六千五百元。本文把这六个月当作需要描述的整个窗口,使用总体方差,即总离差平方和除以六,不使用样本方差的五作为分母。总离差平方和为17500000元²,总体方差约二百九十一万六千六百六十六点六七元平方,总体标准差约一千七百零七点八三元。方差的单位是元平方,不能直接拿来与月收入比较。
手算趋势先保留中心化中间值
令时间均值为三点五,收入均值为六千五百。先把每个月的时间减三点五、收入减六千五百,再逐行相乘。时间中心值平方和为十七点五;交叉乘积和甲为一万七千五百,乙为四千五百。最小二乘斜率等于交叉乘积和除以时间中心值平方和,截距等于收入均值减斜率乘时间均值。
| 月份t | 序列甲元 | 序列乙元 | t减3.5 | 甲交叉乘积 | 乙交叉乘积 |
|---|---|---|---|---|---|
| 1 | 4000 | 4000 | -2.5 | 6250 | 6250 |
| 2 | 5000 | 9000 | -1.5 | 2250 | -3750 |
| 3 | 6000 | 5000 | -0.5 | 250 | 750 |
| 4 | 7000 | 8000 | 0.5 | 250 | 750 |
| 5 | 8000 | 6000 | 1.5 | 2250 | -750 |
| 6 | 9000 | 7000 | 2.5 | 6250 | 1250 |
甲斜率一千元每月,截距三千,所以拟合值为三千加一千乘月份编号,与甲原始金额完全相同。乙斜率为四千五百除十七点五,即约二百五十七点一四元每月,截距五千六百。这里的“每月”是编号间隔相同的一月,若现实数据有缺月,不能把剩下五条记录重新编号为一至五,压缩真正的时间间距。
截距对应时间编号为零处的直线位置,不表示样本开始前真的收到过三千或五千六百元。斜率是这个窗口内最小平方误差直线的参数,也不是合同涨薪幅度。将这些参数赋予超出样本的经济含义,需要额外证据,不能由回归算式代替。
残差逐月求出后再平方,不先舍入
乙每月拟合值用五千六百加二百五十七又七分之一乘月份编号得到,残差等于实际减拟合。第一月实际四千,拟合约五千八百五十七点一四,残差约负一千八百五十七点一四;第二月实际九千,拟合约六千一百一十四点二九,残差约正二千八百八十五点七一。正负号表示点在直线上方或下方,平方后才能汇总偏离规模。
| 序列乙月份 | 实际元 | 拟合元 | 残差元 | 残差平方元² |
|---|---|---|---|---|
| 1 | 4000 | 5857.1429 | -1857.1429 | 3448979.5918 |
| 2 | 9000 | 6114.2857 | 2885.7143 | 8327346.9388 |
| 3 | 5000 | 6371.4286 | -1371.4286 | 1880816.3265 |
| 4 | 8000 | 6628.5714 | 1371.4286 | 1880816.3265 |
| 5 | 6000 | 6885.7143 | -885.7143 | 784489.7959 |
| 6 | 7000 | 7142.8571 | -142.8571 | 20408.1633 |
模型用分数精确计算交叉乘积、斜率、拟合与平方和,最后展示时才舍入到小数位。读者若从四位小数的拟合值重新平方,末位会有小误差,因此应从原始金额和公式复算。残差相加为零是含截距最小二乘的一项检查,却不意味着偏离很小,因为大正值与大负值可以抵消。
残差并不自动等于无法解释的随机风险。它还可能包含季节性、补发、回款推迟、一次性项目或记录错误;只用直线没有去解释这些结构。因此“扣掉趋势后的波动”在这里是一个明确算法产物,不能直接称为独立风险,也不能把残差标准差当作下一月误差保证。
总离差如何拆成趋势与残差
总离差平方和是各月实际减均值后平方求和;趋势平方和是各月拟合减均值后平方求和;残差平方和是实际减拟合后平方求和。在使用同一窗口、普通最小二乘且含截距时,前者等于后两者相加。原始方差只需再把三部分分别除以六,就得到同一分母下的方差分解。
| 描述量 | 序列甲 | 序列乙 | 全平对照 |
|---|---|---|---|
| 均值元 | 6500 | 6500 | 6500 |
| 中心时间平方和 | 17.5 | 17.5 | 17.5 |
| 交叉乘积和 | 17500 | 4500 | 0 |
| 斜率元每月 | 1000 | 257.1429 | 0 |
| 截距元 | 3000 | 5600 | 6500 |
| 总离差平方和元² | 17500000 | 17500000 | 0 |
| 趋势平方和元² | 17500000 | 1157142.8571 | 0 |
| 残差平方和元² | 0 | 16342857.1429 | 0 |
| 总体方差元² | 2916666.6667 | 2916666.6667 | 0 |
| 总体标准差元 | 1707.8251 | 1707.8251 | 0 |
| 分解差额元² | 0 | 0 | 0 |
甲全部17500000元²都在趋势部分,残差为零;乙趋势平方和约一百一十五万七千一百四十二点八六元平方,残差约一千六百三十四万二千八百五十七点一四元平方,两项合计仍回到同一个总离差。两条序列标准差相同,却通过时间顺序形成不同分解,这正是本篇要让读者识别的信息。
该等式不能随意搬到别的算法。若不含截距、对不同月份加权、先对数据平滑,或者用不同样本分别估计均值与趋势,就需要重新推导相应关系。不能看到三个平方和名称相似,就强行要求相加相等;每一次统计都要说明采用的窗口和拟合方式。
改成完全平坦序列,以及实际使用的边界
条件对照把六个月都改为六千五百元。时间中心平方和仍十七点五,交叉乘积和为零,斜率为零,截距六千五百,总离差、趋势与残差平方和全部为零。模型能处理这个边界,不需要用标准差去除以均值或用总平方和作分母;如果另算解释比例,零总平方和时就应未定义。
实际操作按完整日期顺序输入,先检查补发和数据覆盖,再计算均值、中心值、交叉乘积、斜率、截距和逐月残差。用残差和为零、总平方和分解差额为零双重核对。若差额显著不为零,应先查公式或窗口,不能把计算误差解释为收入存在额外风险。
六个月太短,直线可能只是刚好贴合过去。甲残差为零也不能许诺下月一万元,更不能据此做固定投资承诺。可用该分解回头寻找乙的异常月份,进一步查到账原因;真正用于家庭基础收支的仍是已核实实收,工具没有内置本文的回归与残差分析,专用统计表需单独保存。
来源用途与后续核对
CFPB收入记录原始工具支持按实际收款连续保留月份记录,它没有教授回归或给出预测保证。本篇最小二乘、中心化与平方和定义均在正文列明,计算是作者对构造金额进行的代数演示,不能把来源名称当成对趋势参数或未来稳定性的专业认可。
核实后的实收收支可录入家庭现金流与应急缓冲测算;该工具仅处理基础收支,不实现本文的最小二乘分解。管理框架见收入不稳定的人怎么做财务规划。
继续检查相邻问题时,可阅读收入季节性怎么识别与收入来源集中度计算,分别核对各自的事件、时间范围和数据输入,保留本篇已经确认的记录边界。
道积君编辑组,AI辅助编写与核算。案例均为构造数据,作者自检不等于独立专业审阅;本文只管理实收资料与描述统计,参见免责声明。
复算资料
本篇编号DJ4-108。下载Python复算脚本(文本)与构造输入输出JSON,按编号核对本篇。脚本改存为.py后可用Python标准库运行,数据不是实际用户记录。