xxxx數(shù)據(jù)分析方法12-時(shí)間序列分析1-文庫吧
2025-12-29 08:30 本頁面
【正文】 )模型 常用于對隨機(jī)性波動較頻繁序列的短期預(yù)測 ,對于非平穩(wěn)的序列可用 ARIMA模型 。 ?譜分析方法 適用于那些高頻波動數(shù)據(jù) 。 15 時(shí)間序列分析的特點(diǎn) ? SPSS的時(shí)間序列分析是分散在 Data、Transform、 Analyze、 Graph四個(gè)功能菜單當(dāng)中 。 ? 在 Data和 Transform中 實(shí)現(xiàn)對時(shí)間序列數(shù)據(jù)的定義和必要處理 ， 以適應(yīng)各種分析方法的要求； 16 ?在分析 ?預(yù)測 中 主要提供了幾種時(shí)間序列的分析方法 ， 包括指數(shù)平滑法 、 ARIMA模型和季節(jié)調(diào)整方法； ?在分析 ?預(yù)測 中 提供了時(shí)間序列分析的圖形工具 ， 包括序列圖 (Sequence)、 自相關(guān)函數(shù)和偏自相關(guān)函數(shù)圖等 。 ?另外 ， 也可利用 分析 ?預(yù)測 ?頻譜分析 模塊進(jìn)行簡單的譜分析 。 17 數(shù)據(jù)準(zhǔn)備 ? SPSS的數(shù)據(jù)準(zhǔn)備 包括數(shù)據(jù)文件的建立 、 時(shí)間定義和數(shù)據(jù)期間的指定 。 其中數(shù)據(jù)文件的建立與一般 SPSS數(shù)據(jù)文件的建立方法相同， 每一個(gè)變量將對應(yīng)一個(gè)時(shí)間序列數(shù)據(jù) ， 且不必建立標(biāo)志時(shí)間的變量 。 具體操作這里不再贅述 ， 僅重點(diǎn)討論時(shí)間定義的操作步驟 。 18 ? SPSS的時(shí)間定義功能 用來將數(shù)據(jù)編輯窗口中的一個(gè)或多個(gè)變量指定為時(shí)間序列變量 ， 并給它們賦予相應(yīng)的時(shí)間標(biāo)志 ， 具體操作步驟是： 1) 選擇菜單 : Data?Define Dates，出現(xiàn)窗口 ： 19 2) 個(gè)案為 (Cases Are)框提供了多種時(shí)間形式 ,可根據(jù)數(shù)據(jù)的實(shí)際情況選擇與其匹配的時(shí)間格式和參數(shù) 。 并在 第一個(gè)個(gè)案為 框中輸入起初日期 。 ? 至此 ， 完成了 SPSS的時(shí)間定義操作 。 SPSS將在當(dāng)前數(shù)據(jù)編輯窗口中自動生成標(biāo)志時(shí)間的變量。 同時(shí) ,在輸出窗口中將輸出一個(gè)簡要的日志 ，說明時(shí)間標(biāo)志變量及其格式和包含的周期等 。 ? 數(shù)據(jù)期間的選取可通過 SPSS的 數(shù)據(jù) ?選擇個(gè)案(Select Cases)功能實(shí)現(xiàn) 。 20 時(shí)間序列的圖形化觀察及檢驗(yàn) ? 圖形化觀察及檢驗(yàn)?zāi)康? ? 圖形化觀察工具 ? 時(shí)間序列的檢驗(yàn)方法 ? 圖形化觀察和檢驗(yàn)的基本操作 ? 圖形化觀察的應(yīng)用舉例 21 ?回憶一下回歸分析的圖形觀察與 檢驗(yàn) ?做散點(diǎn)圖看大致趨勢 ?檢驗(yàn)基本假設(shè)是否滿足 ?非線性的轉(zhuǎn)化 為線性的處理 22 圖形化及檢驗(yàn)?zāi)康? ? 時(shí)間序列分析的第一步 是對其發(fā)展變化的特征有一個(gè)初步的總體把握 。 通過圖形化觀察和檢驗(yàn)?zāi)軌虬盐諘r(shí)間序列的諸多特征， 如時(shí)間序列的發(fā)展趨勢是上升還是下降， 還是沒有規(guī)律的上下波動；時(shí)間序列的變化的周期性特點(diǎn)；時(shí)間序列波動幅度的變化規(guī)律；時(shí)間序列中是否存在異常點(diǎn) ，時(shí)間序列不同時(shí)間點(diǎn)上數(shù)據(jù)的關(guān)系等 。 23 ? 通過圖形化觀察和檢驗(yàn)應(yīng)把握以下幾點(diǎn) : ?時(shí)間序列的正態(tài)性 ， 考察數(shù)據(jù)是否符合正態(tài)分布； ?時(shí)間序列的平穩(wěn)性 ， 是要了解時(shí)間序列數(shù)據(jù)適合于什么樣的模型 ， 能否直接用來建立模型等； ?時(shí)間序列的周期性 ， 是指隨著時(shí)間的推移序列呈現(xiàn)出有規(guī)律的周期性波動； ?時(shí)間序列的其他特性 ， 如異常值 、 簇集性等 。 24 圖形化觀察工具 ? 序列圖 （ Sequence） 一個(gè)平穩(wěn)的時(shí)間序列在水平方向平穩(wěn)發(fā)展 ， 在垂直方向的波動性保持穩(wěn)定 ， 非平穩(wěn)性的表現(xiàn)形式多種多樣 ， 主要特征有 ：趨勢性 、 異方差性 、 波動性 、 周期性 、 季節(jié)性 、 以及這些特征的交錯(cuò)混雜等 。 25 ? 序列圖還可用于對序列異常值的探索 ， 以及體現(xiàn)序列的 “ 簇集性 ” 。 異常值是 那些由于外界因素的干擾而導(dǎo)致的與序列的正常數(shù)值范圍偏差巨大的數(shù)據(jù)點(diǎn) 。 “ 簇集性 ” 是 指數(shù)據(jù)在一段時(shí)間內(nèi)具有相似的水平 ， 在不同的水平間跳躍性變化 ， 而非平緩性變化 。 26 ? 直方圖 (Histogram) 直方圖是體現(xiàn)序列數(shù)據(jù)分布特征的一種圖形 ， 通過直方圖可以了解序列的平穩(wěn)性 、 正態(tài)性等特征 。 ? 自相關(guān)函數(shù)圖和偏自相關(guān)函數(shù)圖 (ACF＆ PACF) 所謂自相關(guān)是指序列與其自身經(jīng)過某些階數(shù)滯后形成的序列之間存在某種程度的相關(guān)性。 對自相關(guān)的測度往往采用自協(xié)方差函數(shù)和自相關(guān)函數(shù) 。 偏自相關(guān)函數(shù)是在其他序列給定情況下的兩序列條件相關(guān)性的度量函數(shù) 。 27 ? 自相關(guān)函數(shù)圖和偏自相關(guān)函數(shù)圖 對識別時(shí)間序列的各種非平穩(wěn)性和確定時(shí)序模型中的參數(shù)有非常重要的作用 。 ? 各種時(shí)間序列的自相關(guān)函數(shù)圖和偏自相關(guān)函數(shù)圖通常有一定的特征和規(guī)律： 1) 白噪聲序列 的各階自相關(guān)函數(shù)和偏自相關(guān)函數(shù)值在理論上均為 0。 但實(shí)際當(dāng)中序列多少會有一些相關(guān)性 ， 但一般會落在置信區(qū)間內(nèi) ， 同時(shí)沒有明顯的變化規(guī)律 。 28 2) 具有趨勢性的非平穩(wěn)時(shí)間序列 ， 序列的各階自相關(guān)函數(shù)值顯著不為零 ， 同時(shí)隨著階數(shù)的增大 ， 函數(shù)值呈緩慢下降的趨勢 ；偏自相關(guān)函數(shù)值則呈明顯的下降趨勢 ， 很快落入置信區(qū)間 。 3) 異方差的非平穩(wěn)時(shí)間序列 ， 其各階自相關(guān)函數(shù)顯著不為零 ， 且呈現(xiàn)出正負(fù)交錯(cuò) ， 緩慢下降的趨勢 ；偏自相關(guān)函數(shù)值也呈正負(fù)交錯(cuò)的形式 ， 且下降趨勢明顯 。 29 4) 具有周期性的非平穩(wěn)時(shí)間序列 ， 其自相關(guān)函數(shù)呈明顯的周期性波動 ， 且以周期長度及其整數(shù)倍數(shù)為階數(shù)的自相關(guān)和偏自相關(guān)函數(shù)值均顯著不為零 。 5) 非周期的波動性時(shí)間序列 ， 自相關(guān)函數(shù)值會在一定的階數(shù)之后較快的趨于零 ， 而偏自相關(guān)函數(shù)則會很快的落入到置信區(qū)間內(nèi) 。 30 ?譜密度圖 (Spectral) 譜密度圖用于序列周期性
范文總結(jié)相關(guān)推薦
鄂ICP備17016276號-1