中草药杂志

期刊简介

               《中草药》杂志是由中国药学会和天津药物研究院共同主办的国家级期刊,月刊,国内外公开发行。本刊创始于1970年1月。1992年荣获首届全国优秀科技期刊评比一等奖; 2002年荣获中国期刊方阵“双奖期刊”;2003年1月荣获第二届国家期刊奖(期刊界最高奖);2005年1月荣获第三届国家期刊奖提名奖,2005—2010年连续6次荣获“百种中国杰出学术期刊”;2006年荣获天津市优秀期刊“特别荣誉奖”;2008年荣获“中国精品科技期刊”;2009年荣获“新中国60年有影响力的期刊”和“中国科协精品科技期刊”;2010年荣获“第二届中国出版政府奖期刊奖”(中国新闻出版行业最高奖)。本刊为中国自然科学核心期刊、全国中文核心期刊,位居中药学期刊之首。多年来一直入选美国《化学文摘》(CA)千刊表,并被美国《国际药学文摘》(IPA)、荷兰《医学文摘》(EM)、荷兰《斯高帕斯数据库》(Scopus)、美国《乌里希期刊指南》(Ulrich’s Periodicals Directory)、世界卫生组织西太平洋地区医学索引(WPRIM)、波兰《哥白尼索引》(IC)、英国《质谱学通报(增补)》(MSB-S)、日本科学技术振兴机构数据库(JST)、美国剑桥科学文摘社(CSA/ProQuest)数据库等国际著名检索系统收录。本刊被收录为国家科技部“中国科技论文统计源期刊”(中国科技核心期刊)。经中国科学文献计量评价研究中心和中国学术期刊(光盘版)编委会认定,《中草药》杂志为“中国科学引文数据库来源期刊”和“中国学术期刊综合评价数据库来源期刊”,并由中国知网独家全文收录。本刊主要报道中草药化学成分;药剂工艺、生药炮制、产品质量、检验方法;药理实验和临床观察;药用动、植物的饲养、栽培、药材资源调查等方面的研究论文,并辟有中药现代化论坛、专论、综述、新产品、企业介绍、学术动态和信息等栏目。承蒙广大作者、读者的厚爱和大力支持,本刊稿源十分丰富,为了缩短出版周期,增加信息量,本刊自2011年1月起由A4开本每期168页扩版为208页,定价35.00元。国内邮发代号:6-77,国外代号:M221。请到当地邮局订阅。如有漏订者,可直接与本刊编辑部联系。欢迎广大作者踊跃投稿,欢迎广大读者订阅,欢迎与中外制药企业合作,宣传推广、刊登广告(包括处方药品广告)。中草药杂志社网上在线投稿、审稿、查询系统已开通,欢迎广大读者、作者、编委使用。                

如何识别时间序列数据中的偏差?

时间:2024-11-28 17:51:39

可视化方法

绘制时间序列图:将时间序列数据绘制成折线图,直观地观察数据随时间的变化趋势。如果数据存在偏差,可能会出现不符合预期规律的情况。

季节性和周期性分解图:对于具有季节性或周期性的时间序列,可以使用季节性分解或周期图来观察。如果分解后的季节性成分或周期成分出现异常的形状、强度或相位变化,可能提示数据偏差。

统计检验方法

平稳性检验(针对非季节性数据):常用的方法有 ADF(Augmented Dickey - Fuller)检验和 KPSS(Kwiatkowski - Phillips - Schmidt - Shin)检验。如果数据应该是平稳的,但检验结果显示非平稳,且通过观察序列图没有发现明显的趋势或结构变化,可能是数据存在偏差。

白噪声检验:白噪声序列是指序列中的各项是相互独立且均值为零、方差恒定的随机变量。通过 Ljung - Box 检验等方法来检查时间序列是否为白噪声。如果数据应该不是白噪声(如存在趋势或季节性),但检验结果显示是白噪声,或者反之,可能是数据存在偏差。例如,在分析气温的时间序列时,正常情况下气温序列不是白噪声,因为有明显的季节性和趋势,如果检验结果显示是白噪声,可能是数据记录的时间间隔错误或者数据缺失导致的。

正态性检验(如果适用):对于一些时间序列模型(如基于正态分布假设的模型),可以使用 Shapiro - Wilk 检验或 QQ 图来检查数据的正态性。如果数据严重偏离正态分布,且这种偏离不符合数据的实际性质,可能是数据偏差。
与外部数据或预期对比

与行业数据对比:将自己的时间序列数据与同行业的其他可靠数据来源进行对比。如果差异显著,可能存在数据偏差。

与历史数据对比(如果有):如果有同一变量的历史数据,比较当前时间序列和历史数据的特征。

与预期模式对比:根据业务知识、领域理论或经验预期,判断时间序列数据是否符合正常模式。
模型诊断方法(如果使用了时间序列模型)

残差分析(针对拟合模型):在拟合时间序列模型(如 ARIMA 模型、指数平滑模型等)后,检查模型残差。残差应该是随机分布且均值接近零、方差相对稳定。如果残差呈现出明显的趋势、周期性或自相关性,可能是数据存在偏差或者模型设定错误。

参数稳定性检查(针对动态模型):对于具有自适应或动态参数的时间序列模型(如时变参数模型),检查参数是否在合理范围内稳定变化。如果参数出现突然的跳跃、不合理的增长或衰减,可能是数据偏差导致模型过度拟合或错误估计。例如,在卡尔曼滤波模型用于跟踪目标位置的时间序列时,如果位置参数出现不合理的突变,可能是传感器数据的偏差导致的。