spss的時間序列分析教材(存儲版)
【正文】 人即使已登上頂峰，也仍要自強不息。 , March 29, 2023 閱讀一切好書如同和過去最杰出的人談話。 20:11:0620:11:0620:113/29/2023 8:11:06 PM 1成功就是日復(fù)一日那一點點小小努力的積累。 :11:0620:11Mar2329Mar23 1故人江海別，幾度隔山川。 至此完成了建立 ARIMA模型的基本操作， SPSS將根據(jù)用戶指定自動建立模型，并將結(jié)果輸出到數(shù)據(jù)編輯窗口中。 （ 4）在 Independent(s)框中可選入其他的解釋變量，這和前一節(jié)的自回歸模型相似。ARIMA（ p， d， q）模型 當序列中存在趨勢性時，可通過某些階數(shù)的差分處理使序列平穩(wěn)化?？梢钥闯?，當 p＝ 0時，模型是純移動平均模型，記為 ARMA（ 0， q）；當 q＝ 0時，模型是純自回歸模型，記為 ARMA（ p， 0）。 模型三：對數(shù)序列自回歸模型 觀察圖激光唱機出口量序列圖發(fā)現(xiàn)，序列除了具有曲線趨勢、明顯的季節(jié)性特征之外，還有一個特征就是序列的波動幅度隨時間的推移越來越大。主要分析過程如下： ■ CochraneOrcutt法是一種在誤差序列具有一階自相關(guān)情況下較常用的參數(shù)估計方法，它不適用于序列存在缺失值的情況。而當誤差項之間存在相關(guān)性時，一方面常用的估計方法不再具有優(yōu)良性，普通的簡單回歸模型存在著較大的缺陷；另一方面也說明模型對序列中的信息沒有充分地提取。對平滑參數(shù)的選擇采用格點（ Grid Search）方法，以找出相對最優(yōu)模型；對于初始值選擇自動選擇（Automatic）。在 General(Alpha)和 Trend(Gamma)框中設(shè)置 Holt雙參數(shù)模型當中的普通、趨勢平滑常數(shù) α， γ； SPSS指數(shù)平滑法的基本操作步驟如下： （ 1）選擇菜單 Analyze→ Time Series→ Exponential Smoothing。 向前移動平均法（ Prior moving average） 若指定時間跨度為 k，則用當前值前面 k個數(shù)據(jù)（注意：不包括當前值）的平均值代替當前值。 差分不一定是相鄰項之間的運算，也可以在有一定跨度的時間點之間進行。 繪制互相關(guān)圖時要求兩個序列均具有平穩(wěn)性。在 Standard Error Method框中指定計算相關(guān)系數(shù)標準差的方法，它將影響到相關(guān)函數(shù)圖形中的置信區(qū)間。 （ 5）單擊 Time Lines 按鈕定義序列圖中需要特別標注的時間點，給出了無標注（ No reference Lines）、在某變量變化時標注（Line at each change of）、在某個日期標注（ Line at date）三項供選擇。根據(jù)平穩(wěn)性假設(shè)，當子序列中數(shù)據(jù)足夠多時，各統(tǒng)計量在不同序列之間不應(yīng)有顯著差異。 異方差的非平穩(wěn)時間序列，其各階自相關(guān)函數(shù)顯著不為零，且呈現(xiàn)出正負交錯，緩慢下降的趨勢；偏自相關(guān)函數(shù)值也呈正負交錯的形式，且下降趨勢明顯。 時間序列的圖形化觀察及檢驗 ? 通過圖形化觀察和檢驗?zāi)軌虬盐諘r間序列的諸多特征，如時間序列的發(fā)展趨勢是上升還是下降，還是沒有規(guī)律的上下波動；時間序列的變化的周期性特點；時間序列波動幅度的變化規(guī)律；時間序列中是否存在異常點，時間序列不同時間點上數(shù)據(jù)的關(guān)系等。 數(shù)據(jù)準備 SPSS的數(shù)據(jù)準備包括數(shù)據(jù)文件的建立、時間定義和數(shù)據(jù)期間的指定。白噪聲序列是一種平穩(wěn)序列，在不同時點上的隨機變量的協(xié)方差為 0。從理論上，有兩種意義的平穩(wěn)性，一個是嚴平穩(wěn)或完全平穩(wěn)，一個是寬平穩(wěn)或廣義平穩(wěn)。直觀上，一個平穩(wěn)的時間序列可以看作是一條圍繞其均值上下波動的曲線。它定義為若隨機序列｛ yt｝由互不相關(guān)的隨機變量構(gòu)成，即對所有 s≠t， Cov(ys， yt)=0，則稱其為白噪聲序列。另外，也可利用 SPSS的譜分析圖等模塊進行簡單的譜分析。 數(shù)據(jù)期間的選取可通過 SPSS的樣本選取（Select Cases）功能實現(xiàn)。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。 具有趨勢性的非平穩(wěn)時間序列，序列的各階自相關(guān)函數(shù)值顯著不為零，同時隨著階數(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。 ? 時間序列的檢驗方法 參數(shù)檢驗法 參數(shù)檢驗的基本思路是，將序列分成若干子序列，并分別計算子序列的均值、方差、相關(guān)函數(shù)。其中Natural log transform表示對數(shù)據(jù)取自然對數(shù)，Difference表示對數(shù)據(jù)進行 n階（默認 1階）差分，Seasonally difference表示對數(shù)據(jù)進行季節(jié)差分。一般情況下可選擇兩個最大周期以上的數(shù)據(jù)。 （ 2）把需繪圖的序列變量選擇到 Variables框中。均值平穩(wěn)化一般采用差分（ Difference）處理，方差平穩(wěn)化一般用 BoxCox變換處理。 Cumulative sum：累加求和，即對當前值和當前值之間的所有數(shù)據(jù)進行求和，生成原序列的累計值序列。 指數(shù)平滑法 ? 由于指數(shù)平滑法要求數(shù)據(jù)中不能存在缺失值，因此在用 SPSS進行指數(shù)平滑法分析前，應(yīng)對數(shù)據(jù)序列進行缺失值填補。可直接輸入 α的值，也可設(shè)定初值和終值以及步長，這樣 SPSS會通過格點法對多個值逐個建模，得到最優(yōu)模型； 模型一：簡單指數(shù)平滑模型（適用于比較平穩(wěn)的序列） 首先建立簡單指數(shù)平滑模型。在前文的平穩(wěn)隨機過程的定義中也介紹過，只有誤差項中不存在任何可利用的信息時，才能夠認為模型已經(jīng)達到了最優(yōu)。一般在大樣本下（樣本數(shù)大于 50）有比較優(yōu)良的參數(shù)估計。 ? 自回歸法的應(yīng)用舉例 利用 1992年初至 2023年底共 11年我國激光唱機出口
高考資料相關(guān)推薦
鄂ICP備17016276號-1