spss的時(shí)間序列分析教材(ppt45頁(yè))(編輯修改稿)
2025-03-28 20:11 本頁(yè)面
【文章內(nèi)容簡(jiǎn)介】 interpolation：為線性插值法，表示用缺失值前后兩時(shí)點(diǎn)數(shù)據(jù)的某種線性組合進(jìn)行填補(bǔ)，是一種加權(quán)平均。 Linear trend at point：為線性趨勢(shì)值法，表示利用回歸擬合線的擬合值作為替代值。 請(qǐng)注意，如果序列的第一個(gè)和最后一個(gè)數(shù)據(jù)為缺失值，只能利用序列均值和線性趨勢(shì)值法處理，其他方法不適用。 3/21/2023 23 ? 序列數(shù)據(jù)變換的基本操作 （ 1）選擇菜單 Transform→Create Time Series 3/21/2023 24 （ 2）把待處理的變量選擇到 New Variable(s)框。 （ 3）在 Name and Function框中選擇數(shù)據(jù)變換法。在Name后輸入處理后新生成的變量名，在 Function中選擇處理方法，在 Order后輸入相應(yīng)的階數(shù)，并單擊 Change按鈕。其中的方法除前面介紹的幾種外，還包括： Cumulative sum：累加求和，即對(duì)當(dāng)前值和當(dāng)前值之間的所有數(shù)據(jù)進(jìn)行求和，生成原序列的累計(jì)值序列。 Lag：數(shù)據(jù)滯后，即對(duì)指定的階數(shù) k，用從當(dāng)前值向前數(shù)到第 k個(gè)數(shù)值來(lái)代替當(dāng)前值。這樣形成的新序列將損失前 k個(gè)數(shù)據(jù)。 Lead：數(shù)據(jù)前引。與數(shù)據(jù)滯后正好相反，即指定的階數(shù) k，從當(dāng)前值向后數(shù)以第 k個(gè)數(shù)值來(lái)代替當(dāng)前值。這樣形成的新序列將損失后 k個(gè)數(shù)據(jù)。 3/21/2023 25 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(jìn)行指數(shù)平滑法分析前，應(yīng)對(duì)數(shù)據(jù)序列進(jìn)行缺失值填補(bǔ)。 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。 3/21/2023 26 3/21/2023 27 （ 2）把待分析的變量選擇到 Variables框中。 （ 3）從 Model欄中選擇合適的模型。包括簡(jiǎn)單指數(shù)平滑模型、霍特模型、溫特模型及用戶自定義模型。 （ 4）單擊 Parameters按鈕進(jìn)行模型參數(shù)設(shè)置，在 Initial Values框中選擇初始值的方式，其中 Automatic表示系統(tǒng)自動(dòng)設(shè)置，Custom表示用戶手工設(shè)置。在數(shù)據(jù)量較大時(shí)，初始值對(duì)預(yù)測(cè)結(jié)果基本沒(méi)有影響，一般可選擇自動(dòng)選擇。但在數(shù)據(jù)量較小時(shí)，則應(yīng)根據(jù)數(shù)據(jù)的實(shí)際情況進(jìn)行設(shè)置： 在 General(Alpha)框中設(shè)置簡(jiǎn)單指數(shù)平滑模型的常數(shù) α。可直接輸入 α的值，也可設(shè)定初值和終值以及步長(zhǎng)，這樣 SPSS會(huì)通過(guò)格點(diǎn)法對(duì)多個(gè)值逐個(gè)建模，得到最優(yōu)模型； 在 General(Alpha)和 Trend(Gamma)框中設(shè)置 Holt雙參數(shù)模型當(dāng)中的普通、趨勢(shì)平滑常數(shù) α， γ； 在 General(Alpha)、 Trend(Gamma)、 Seasonal(Delta)框中設(shè)置溫特模型中的普通、趨勢(shì)和季節(jié)平滑參數(shù) α， γ， β； 選擇 Display only 10 best models for grid search選項(xiàng)表示：在平滑常數(shù)的格點(diǎn)選擇完成后僅顯示最佳的 10個(gè)模型。不選擇該選項(xiàng)，則每個(gè)格點(diǎn)處常數(shù)值對(duì)應(yīng)的模型都會(huì)被輸出。 3/21/2023 28 ? 利用 1992年初～ 2023年底共 11年彩電出口量（單位：“臺(tái)”）的月度數(shù)據(jù)，建立幾種指數(shù)平滑模型，對(duì)彩電出口量的變化趨勢(shì)進(jìn)行分析和預(yù)測(cè)。 首先繪制和觀察彩電出口量的序列圖 模型一：簡(jiǎn)單指數(shù)平滑模型 首先建立簡(jiǎn)單指數(shù)平滑模型。對(duì)平滑參數(shù)的選擇采用格點(diǎn)（ Grid Search）方法，以找出相對(duì)最優(yōu)模型；對(duì)于初始值選擇自動(dòng)選擇（ Automatic）。 模型二：霍特布朗二次平滑模型 仍然用格點(diǎn)法選擇參數(shù)，步長(zhǎng)為 。 模型三：溫特線性和季節(jié)性指數(shù)平滑模型 同樣用格點(diǎn)法選擇參數(shù)。 模型四：自定義三次指數(shù)平滑模型 3/21/2023 29 自回歸法 ? 自回歸法的基本思想 利用簡(jiǎn)單回歸分析法進(jìn)行時(shí)間序列分析時(shí)，模型要求各期的隨機(jī)誤差項(xiàng)之間是不相關(guān)的。在前文的平穩(wěn)隨機(jī)過(guò)程的定義中也介紹過(guò)，只有誤差項(xiàng)中不存在任何可利用的信息時(shí)，才能夠認(rèn)為模型已經(jīng)達(dá)到了最優(yōu)。而當(dāng)誤差項(xiàng)之間存在相關(guān)性時(shí)，一方面常用的估計(jì)方法不再具有優(yōu)良性，普通的簡(jiǎn)單回歸模型存在著較大的缺陷；另一方面也說(shuō)明模型對(duì)序列中的信息沒(méi)有充分地提取。 自回歸模型，簡(jiǎn)寫(xiě)為 AR模型，正是針對(duì)模型誤差項(xiàng)存在相關(guān)性的情況而設(shè)計(jì)的一種改進(jìn)方法。由于自回歸模型只考慮了誤差項(xiàng)中的一階相關(guān)性，因此也稱為一階自回歸 AR（ 1）模型。 3/21/2023 30 AR（ 1）模型的一般形式為： 其中， 模型的主體部分與一般的回歸模型完全相同，但是其殘差序列不滿足一般回歸模型要求的殘差項(xiàng)之間不存在相關(guān)性的 GaussMarkov假設(shè)，而是存在著系數(shù)為 ρ 的一階自相關(guān)。 3/21/2023 31 ? 自回歸法的基本操作 （ 1）選擇菜單 Analyze→Time Series→Autoregression 。 （ 2）把被解釋變量選擇到 Dependent框中，選擇解釋 變量到 Independent(s)框中。 3/21/2023 32 （ 3）在 Method框中選擇參數(shù) ρ 估計(jì)的方法，其中： ■ Exact maximumlikelihood為精致極大似然法、它是一種建立在極大似然估計(jì)準(zhǔn)則基礎(chǔ)上的參數(shù)估計(jì)方法。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(jì)。 ■ 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(jì)方法，它不適用于序列存在缺失值的情況。 ■ PraisWinsten法是一種適用在一階自相關(guān)情況下的廣義最小二乘法，也不適用于存在缺失值的情況。這種方法一般優(yōu)于 CochranceOrcutt方法。 3/21/2023 33 （ 4）單擊 Option按鈕對(duì)模型算法進(jìn)行設(shè)置： ■ 在 Initial value of autoregressive parameter框后輸入自回歸模型迭代初始值 ρ 。 ■ 在
范文總結(jié)相關(guān)推薦
鄂ICP備17016276號(hào)-1