spss時間序列講解(編輯修改稿)
2025-09-01 01:03 本頁面
【文章內(nèi)容簡介】 難了！期望搞清楚的人必須學(xué)過隨機(jī)過程，什么平穩(wěn)過程、白噪聲等，大部分人頭都大了，現(xiàn)在有了軟件就不問為什么了，只要知道什么數(shù)據(jù)In，什么結(jié)果Out，就可以了。我們采用專家建模器，但指定僅限ARIMA模型，并考慮季節(jié)性因素。此時，我們看到模型擬合并相比較簡單季節(jié)性和Winters模型沒有太大的優(yōu)勢，結(jié)果可接受，但是大家注意到?jīng)]有，實(shí)際上我們一直沒有考慮自變量的進(jìn)入問題，假如我們有其它變量可能會影響到男裝銷售收入，情況又會發(fā)生什么變化呢？時間序列預(yù)測技術(shù)之三——含自變量的ARIMA模型預(yù)測分享： 分享到新浪Qing 本想早點(diǎn)完成這個時間序列的主題，但最近一直非常多的事情，又耽擱了這么長時間。朋友們問的問題沒有收尾總是不好，抓緊時間完成吧。 因?yàn)椋筇煲獏⒓又袊娦偶瘓F(tuán)的一個EDA論壇，要仔細(xì)準(zhǔn)備發(fā)言稿！在交流的過程中，發(fā)現(xiàn)大家都對預(yù)測問題非常關(guān)注，尤其是數(shù)據(jù)挖掘領(lǐng)域，有時候分類問題與預(yù)測問題在表達(dá)上區(qū)分不開，有時候分類就是預(yù)測，比如通過判別分析、得到的結(jié)論說該客戶是什么類別等級，似乎也可以說是預(yù)測；當(dāng)然，如果能夠預(yù)測該消費(fèi)者什么時候流失，也就是進(jìn)行了分類；這樣說吧，其實(shí)有時候并不需要嚴(yán)格區(qū)分分類和預(yù)測，關(guān)鍵是時間點(diǎn)。從這也可以看出，預(yù)測問題內(nèi)涵和外延是非常寬泛的，但研究者心中要有數(shù)，這決定了你得到的結(jié)果該如何應(yīng)用。 前面的博文提到，如果我們考慮時間序列預(yù)測包含有預(yù)測和干擾變量如何解決的問題。 從方法角度講，過去沒有統(tǒng)計(jì)分析軟件要完成預(yù)測可以說是困難的，現(xiàn)在有了軟件工具就方便多了。 從技術(shù)角度講： 預(yù)測模型如果能夠排除因?yàn)楫惓Ｔ蛟斐傻臅r間點(diǎn)事件和時間段時間，就好了。例如某天停電沒有開業(yè)，或者某一段時間比如發(fā)生甲型H1NI一周沒有營業(yè)收入，這些事件必須能夠告訴模型未來不會再發(fā)生了； 當(dāng)然，我們也要把未來會重復(fù)發(fā)生的干擾因素納入模型，例如：我們學(xué)校某天要開運(yùn)動會，小賣部的可樂銷量一定提高，或者我們學(xué)校78月份放暑假，銷量一定減少，像這樣的時間點(diǎn)和時間段事件未來會重復(fù)出現(xiàn)，我們?nèi)绻軌蚋嬖V模型，那么預(yù)測會更準(zhǔn)確。 當(dāng)然如果我們建立的模型能夠預(yù)測未來，并能夠?qū)⑽磥砜深A(yù)見的事件，包括時間點(diǎn)和時間段干擾納入預(yù)測是非常好的事情啦！183
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1