摘要：伴随着信息化的改革，国内电视在不断发展与进步，电视的运营模式、观众的收视方法以及电视传媒等等都发生着巨大的改变。当电视的经费来源部分或全部依赖于电视节目与广告，然而收视率的高低直接影响其的收入时，收视率的高低是衡量看电视的观众是否喜欢这个电视节目，现在节目播前的没有很好的预测观众的喜好情况，只凭借个人经验，不能进行量化的研究。无论是节目的编排还是频道的发展还是市场的定位，电视收视率都起着至关重要的作用，因此电视收视率的调查以及分析方法都对电视的发展起着深化的作用。预测电视节目收视率也是一门科学，研究影响电视节目收视率的相关指数，用时间序列的分析方法表现出来，来讨论电视节目好坏的趋势，以便于提高电视收视率。

关键词：电视节目收视率、节目安排、时间序列分析

Abstract：This work is the first part of a project dealing with an in-depth study of effective techniques used incin order to make accurate forecasts in the concrete framework of one of the major economies of the most productive Italian area, namely the  province of Verona. In particular, we develop an approach mainly based on vector autoregressions, where lagged values of two or more variables are  considered, Granger causality, and the stochastic trend approach useful to work with the cointegration phenomenon. Latter techniques constitute the core of the present paper, whereas in the second part of the project, we present how these approaches can be applied to economic data at our disposal in order to obtain concrete analysis of applied to economic data at our disposal in order to obtain concrete analysis.

Keywords: Econometrics time series ,autorgressive models, Granger causality, cointegration ,stochastic nonstationarity ,AIC and BIC,trands and breaks

目录

第一章绪论 1

1.1课题研究目的与意义 1

1.1.1选题目的 1

1.1.2选题意义 1

1.2电视收视率发展状况 1

1.2.1电视收视率在国内的发展状况 1

1.2.2电视收视率在国外的发展状况 2

第二章本文主要研究内容 3

2.1关于电视收视率统计基于时间序列分析的目标 3

2.2电视收视率的采集 3

2.2.1AR模型 3

2.2.2MA模型 4

2.2.3 ARMA模型 4

2.2.4 ARIMA模型 5

2.3时间序列的分析 5

2.3.1上班时间收视率分析 5

2.3.2不上班时间收视率分析 8

第三章收视率预测 11

3.1关于电视收视率数据的挖掘 11

3.2分类在电视收视率数据的挖掘上 11

3.2.1关联分析 11

3.2.2聚类分析 11

3.2.3分类 11

3.2.4预测 12

3.2.5序列模式分析 12

第四章现有电视收视率的数据