【正文】 穩(wěn)化 指數(shù)平滑法 ARIMA模型 時序序列的季節(jié)性分解 SPSS 19(中文版 )統(tǒng)計分析實用教程 電子工業(yè)出版社 38 指數(shù)平滑法 基本概念及統(tǒng)計原理 （ 1）基本概念 指數(shù)平滑法的思想來源于對移動平均預(yù)測法的改進。旋轉(zhuǎn)法：具有Kaiser標準化的正交旋轉(zhuǎn)法。 a. 已提取了 3個成分。 SPSS 19(中文版 )統(tǒng)計分析實用教程 電子工業(yè)出版社 21 主要內(nèi)容 主成分分析和因子分析簡介 主成分分析 因子分析 SPSS 19(中文版 )統(tǒng)計分析實用教程 電子工業(yè)出版社 22 因子分析 統(tǒng)計原理與分析步驟 （ 1）統(tǒng)計原理 1 11 1 12 2 12 21 1 22 2 21 1 2 2mmmmp p p pm mx a F a F a Fx a F a F a Fx a F a F a F? ? ? ???? ? ? ????? ? ? ? ??X A F a???其中 x1， x2, …,x p為 p個原有變量，是均值為零，標準差為 1的標準化變量， F1， F2， … ， Fm為 m個因子變量， m小于 p，表示成矩陣形式為： SPSS 19(中文版 )統(tǒng)計分析實用教程 電子工業(yè)出版社 23 因子分析 統(tǒng)計原理與分析步驟 （ 2）分析步驟 ?第 1步 將原始數(shù)據(jù)進行標準化； ?第 2步 確定待分析的原有若干變量是否適合于因子分析； ?第 3步 構(gòu)造因子變量； ?第 4步 利用旋轉(zhuǎn)使得因子變量更具有可解釋性； ?第 5步 計算因子變量的得分。 SPSS 19(中文版 )統(tǒng)計分析實用教程 電子工業(yè)出版社 17 主成分分析 第四步 因子分析的結(jié)果： ?主成分的碎石圖 該圖從另一個側(cè)面說明了取前三個主成分為宜。 第 2步 數(shù)據(jù)組織： 按如教材所示的“指標”一列定義變量，輸入數(shù)據(jù)并保存。 SPSS 19(中文版 )統(tǒng)計分析實用教程 電子工業(yè)出版社 8 主要內(nèi)容 主成分分析和因子分析簡介 主成分分析 因子分析 SPSS 19(中文版 )統(tǒng)計分析實用教程 電子工業(yè)出版社 9 主成分分析 統(tǒng)計原理與分析步驟 (1)統(tǒng)計原理 SPSS 19(中文版 )統(tǒng)計分析實用教程 電子工業(yè)出版社 10 主成分分析 (1)統(tǒng)計原理 1 11 1 12 2 12 21 1 22 2 21 1 2 2mmmmp p p pm my e x e x e xy e x e x e xy e x e x e x? ? ? ???? ? ? ????? ? ? ? ??SPSS 19(中文版 )統(tǒng)計分析實用教程 電子工業(yè)出版社 11 主成分分析 統(tǒng)計原理與分析步驟 （ 2） 分析步驟 第 1步 原始數(shù)據(jù)的標準化處理 。 ? 特征值： 特征值在某種程度上可以看成表示主成分影響力度大小的指標，如果特征值小于 1，說明該主成分的解釋力度還不如直接引入原變量的平均解釋力度大。 主成分分析是由 Hotelling于 1933年首先提出的 ， 是利用 “ 降維” 的思想 ， 在損失很少信息的前提下把多個指標轉(zhuǎn)化為幾個綜合指標 ， 稱為主成分 。 SPSS 19(中文版 )統(tǒng)計分析實用教程 電子工業(yè)出版社 7 兩者 的區(qū)別與聯(lián)系 （ 1）兩者都是在多個原始變量中通過它們之間的內(nèi)部相關(guān)性來獲得新的變量（主成分變量或因子變量），達到既能減少分析指標個數(shù)，又能概括原始指標主要信息的目的。 第 4步 計算主成分的方差貢獻率和累積方差貢獻率 。由于主成分的得分需要對因子得分情況進行進一步計算，故不需設(shè)置 “ 得分 ” 子對話框，即不需保存因子得分情況，即使保存了，因子得分也不是各主成分得分的結(jié)果。 說明： ?教材中公式 是標準化正交向量，并不是 SPSS輸出“因子載荷矩陣”中的系數(shù)。 第 3步 因子分析設(shè)置： 按“分析 → 降維 → 因子分析”打開“因子分析”對話框，將 x1～ x15這 15個變量移入“變量”對話框中，表示對這 15個變量數(shù)據(jù)進行因子分析。 成分 1 2 3 x1 .936 .286 .130 x2 .776 .459 .202 x3 .924 .016 .251 x4 .867 .413 .221 x5 .068 .940 .180 x6 .966 .177 .095 x7 .944 .202 .235 x8 .541 .726 .327 x9 .018 .137 .956 x10 .377 .172 .876 x11 .794 .558 .118 x12 .913 .365 .161 x13 .937 .071 .084 x14 .926 .301 .119 x15 .705 .626 提取方法：主成分。使用“定義日期”對話框定義日期變量，需要在數(shù)據(jù)窗口讀入一個按某種時間順序排列的數(shù)據(jù)文件，數(shù)據(jù)文件中的變量名不能與系統(tǒng)默認的時間變量名重復(fù)，否則系統(tǒng)建立的日期變量會覆蓋同名變量。試用指數(shù)平滑法對上海市的“年末人口數(shù)”進行預(yù)測分析。具體設(shè)置如幾下幾張圖所示： SPSS 19(中文版 )統(tǒng)計分析實用教程 電子工業(yè)出版社 43 指數(shù)平滑法 SPSS 19(中文版 )統(tǒng)計分析實用教程 電子工業(yè)出版社 44 指數(shù)平滑法 第 5步 主要結(jié)果及分析： ?模型的描述表 模型類型 模型 ID 年末人口數(shù) 模型 _1 Holt 表示對“年末人口數(shù)”變量進行指數(shù)平滑法處理，使用的是“ Holt”模型。 ARIMA(p, d, q)模型的實質(zhì)就是差分運算與 ARMA(p, q)模型的組合，即 ARMA(p, q)模型經(jīng) d次差分后，便為ARIMA(p, d, q)。季節(jié)性乘積模型表示為 ARIMA(p, d, q, sp, sd, sq)（或 ARIMA(p, d, q) (sp, sd, sq)k）。 天 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 燃油數(shù)據(jù) 92 85 80 12 10 3 1 2 0 90 100 40 2 20 78 98 9 75 65 天 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 燃油數(shù)據(jù) 80 20 85 0 1 150 100 135 70 60 50 30 10 3 65 10 8 10 10 天 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 燃油數(shù)據(jù) 25 90 30 32 15 20 15 90 15 10 8 8 0 25 120 70 10 SPSS 19(中文版 )統(tǒng)計分析實用教程 電子工業(yè)出版社 57 ARIMA模型 第 1步 數(shù)據(jù)組織： 將數(shù)據(jù)組織成兩列，一列是“天數(shù)”，另一列是“燃油量”，輸入數(shù)據(jù)并保存，并以“天數(shù)”定義日期變量。根據(jù)這個特點可以判斷該序列具有短期相關(guān)性，進一步確定序列平穩(wěn)。如果時間序列有季節(jié)性因素，還需設(shè)置“季節(jié)性”參數(shù) sp，sd和 sq。 估計 SE t Sig. 燃油量 模型_1 燃油量 無轉(zhuǎn)換 常數(shù) .869 .389 AR 滯后 1 .127 .004 可以看出， AR(1)模型的參數(shù)為 ，參數(shù)是顯著的，常數(shù)項為 ，不顯著，這里仍然保留常數(shù)項。 SPSS 19(中文版 )統(tǒng)計分析實用教程 電子工業(yè)出版社 65 時序序列的季節(jié)性分解 第 3步 季節(jié)性分析設(shè)置： 按“分析 → 預(yù)測 → 季節(jié)性分解”順序打開“周期性分解（季節(jié)性分解）”對話框，并按下圖進行