【正文】 序列%的信息量，正態(tài)化的 BIC值也比較小，說明模型的擬合效果是很好的，另外還給出了擬合統(tǒng)計量及 LjungBox統(tǒng)計情況。如是月度資料，要描述年度特征，則 sd = 12；如是日志資料，要描述每周特征，則 sd = 7。 綜合該序列自相關(guān)函數(shù)和偏自相關(guān)函數(shù)的性質(zhì)，根據(jù)前表的模型識別規(guī)則，可以擬合模型為 AR(1)，即 ARIMA(1, 0, 0)。（參見數(shù)據(jù)文件： 。 可以看到趨勢、季節(jié)性影響、隨機影響等已被成功分開。 SPSS 19(中文版 )統(tǒng)計分析實用教程 電子工業(yè)出版社 61 ARIMA模型 ? ARIMA模型參數(shù)表 可以看出，殘差的自相關(guān)和偏自相關(guān)函數(shù)都是 0階截尾的，因而殘差是一個不含相關(guān)性的白噪聲序列。 從上左圖可以看出，自相關(guān)函數(shù)呈現(xiàn)出比較典型的拖尾性，說明數(shù)據(jù)自相關(guān)性隨時間間隔下降。用變通的 ARIMA模型處理這種季節(jié)性趨勢會導(dǎo)致參數(shù)過多，模型復(fù)雜。 SPSS 19(中文版 )統(tǒng)計分析實用教程 電子工業(yè)出版社 42 指數(shù)平滑法 第 3步 定義日期變量： 按 “年份”定義為日期變量。 ?因子得分及綜合因子得分情況 省市 F1 F2 F3 F 綜合排序 山東 8 浙江 7 江蘇 6 廣東 5 遼寧 4 天冿 3 上海 2 北京 1 1 2 F F F? ? ?SPSS 19(中文版 )統(tǒng)計分析實用教程 電子工業(yè)出版社 30 The End SPSS 19(中文版 )統(tǒng)計分析實用教程 電子工業(yè)出版社 31 第十一章 時間序列分析 SPSS 19(中文版 )統(tǒng)計分析實用教程 電子工業(yè)出版社 32 主要內(nèi)容 時間序列的建立和平穩(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 33 時間序列的建立和平穩(wěn)化 填補缺失值 時間序列分析中的缺失值不能采用通常刪除的辦法來解決，因為這樣會導(dǎo)致原有時間序列周期性的破壞，而無法得到正確的分析結(jié)果。計算因子得分和模型為： 11j j jp pF X X??? ? ?j=1,2,…,m SPSS 19(中文版 )統(tǒng)計分析實用教程 電子工業(yè)出版社 24 因子分析 SPSS實例分析 【 例 102】 為了研究幾個省市的科技創(chuàng)新力問題，現(xiàn)取了 2020年 8個省市的 15個科技指標(biāo)數(shù)據(jù)，試分析一個省的科技創(chuàng)新能力主要受哪些潛在因素的影響？ 省市 x1 x2 x3 x4 x5 x6 x7 x8 x9 x10 x11 x12 x13 x14 x15 北京 229 天冿 87 遼寧 44 上海 104 2 江蘇 50 浙江 53 山東 30 廣東 35 SPSS 19(中文版 )統(tǒng)計分析實用教程 電子工業(yè)出版社 25 因子分析 第 1步 分析： 如題所述，要分析一個省的科技創(chuàng)新能力受哪些潛在因素的影響，可用因子分析法進行分析。 第 3步 主成分分析的設(shè)置： 按“分析 → 降維 → 因子分析”順序打開“因子分析”對話框，將 x1～ x15這 15個變量移入“變量”對話框中，并按如下所示的圖形進行設(shè)置。因此一般可以用特征值大于 1作為納入標(biāo)準(zhǔn)。 ? 綜合判斷： 大量的實際情況表明，如果根據(jù)累積貢獻(xiàn)率來確定主成分?jǐn)?shù)往往較多，而用特征值來確定又往往較少，很多時候應(yīng)當(dāng)將兩者結(jié)合起來，以綜合確定合適的數(shù)量。 SPSS 19(中文版 )統(tǒng)計分析實用教程 電子工業(yè)出版社 14 主成分分析 SPSS 19(中文版 )統(tǒng)計分析實用教程 電子工業(yè)出版社 15 主成分分析 說明： ? 由于在 SPSS中并沒有完整的主成分分析過程，其主成分分析過程是集成在 “ 因子分析 ” 過程中的，但并不完善。 第 2步 數(shù)據(jù)組織： 建立 x1～ x15共 15個數(shù)據(jù)變量和一個“省市”字符型變量，將北京、天津等 8個省市作為個案數(shù)據(jù)輸入并保存。 按“轉(zhuǎn)換 → 替換缺失值”打開“替換缺失值”對話框 缺失值替換示例 SPSS 19(中文版 )統(tǒng)計分析實用教程 電子工業(yè)出版社 34 時間序列的建立和平穩(wěn)化 定義日期變量 定義日期模塊可以產(chǎn)生周期性的時間序列日期變量。 第 4步 指數(shù)平滑法設(shè)置： 按“分析 → 預(yù)測 → 創(chuàng)建模型”順序打開“時間序列建模器”對話框。季節(jié)性乘積模型可以得到參數(shù)簡約的模型。從上右圖可以看出，除了延遲 1階的偏自相關(guān)系數(shù)在 2倍標(biāo)準(zhǔn)差范圍之外，其他除數(shù)的偏自相關(guān)系數(shù)都在 2倍標(biāo)準(zhǔn)差范圍內(nèi)波動。因此，序列的相關(guān)性都已經(jīng)充分?jǐn)M合了。 SPSS 19(中文版 )統(tǒng)計分析實用教程 電子工業(yè)出版社 69 The End 。從結(jié)果來看，其擬合模型為 10. 38 2 4. 69t t tx x a ? ??自相關(guān)函數(shù)和偏自相關(guān)函數(shù)圖 SPSS 19(中文版 )統(tǒng)計分析實用教程 電子工業(yè)出版社 62 主要內(nèi)容 時間序列的建立和平穩(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 63 時序序列的季節(jié)性分解 基本概念及統(tǒng)計原理 （ 1）基本概念 SPSS 19(中文版 )統(tǒng)計分析實用教程 電子工業(yè)出版社 64 時序序列的季節(jié)性分解 SPSS實例分析 【 例 117】 對表 。同時，可以認(rèn)為該序列偏自相關(guān)函數(shù) 1階截尾。其中， sp表示季節(jié)模型的自回歸系數(shù)； sd表示季節(jié)差分的階數(shù)，通常為一階季節(jié)差分； sq表示季節(jié)模型的移動平均參數(shù)。 ?模型的擬合情況表 擬合統(tǒng)計量 均值 SE 最小值 最大值 百分位 5 10 25 50 75 90 95 平穩(wěn)的 R方 . R方 .995 . .995 .995 .995 .995 .995 .995 .995 .995 .995 RMSE . MAPE .243 . .243 .243 .243 .243 .243 .243 .243 .243 .243 MaxAPE . MAE . MaxAE . 正態(tài)化的 BIC . 包含了 8個擬合情況度量指標(biāo)，其中“平穩(wěn)的 R方”值為 ，“ R方”值為 ，并給出了每個度量模型的百分位數(shù)。系統(tǒng)默認(rèn)的變量名有：年份，年份、季度，年份、月份，年份、季度、月份，日，星期、日，日、小時等。 SPSS 19(中文版 )統(tǒng)計分析實用教程 電子工業(yè)出版社 26 因子分析 “得分”對話框的設(shè)置：單擊“得分（ S） …” 按鈕，彈出此子對話框，選擇“保存為變量”，即將因子得分保存下來。 ? 對于提取因子的個數(shù)問題，一般遵循兩個標(biāo)準(zhǔn)，其一是累計方差貢獻(xiàn)率在 80%以上，其二是其特征值大于 1。 （ 2）提取公因子主要有主成分分析法和公因子法，若采用主成分法，則主成分分析和因子分析基本等價。 （ 3）常用術(shù)語 ?因子載荷 ?變量共同度 ?公共因子的方差貢獻(xiàn) SPSS 19(中文版 )統(tǒng)計分析實用教程 電子工業(yè)出版社 5 3 常用術(shù)語 （ 1