【正文】 可以看到趨勢(shì)、季節(jié)性影響、隨機(jī)影響等已被成功分開(kāi)。 顯示了模型的名稱(chēng)、類(lèi)型及季節(jié)性期間的長(zhǎng)度等信息 序列名稱(chēng) :銷(xiāo)售額 期 間 季節(jié)性因素 1 .97223 2 3 4 5 6 7 8 9 10 11 12 由于季節(jié)性的影響，各月份的銷(xiāo)售額有很大不同，可看出 11月、 12月、3～ 5月的季節(jié)性因子為負(fù)值，這幾個(gè)月的銷(xiāo)售情況比較差， 12月最差。這種升降不是雜亂無(wú)章的，和季節(jié)或月份的季節(jié)因素有關(guān)。（參見(jiàn)數(shù)據(jù)文件： 。 SPSS 19(中文版 )統(tǒng)計(jì)分析實(shí)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(gè)不含相關(guān)性的白噪聲序列。 SPSS 19(中文版 )統(tǒng)計(jì)分析實(shí)用教程 電子工業(yè)出版社 60 ARIMA模型 ? “統(tǒng)計(jì)量”選項(xiàng)卡的設(shè)置：“統(tǒng)計(jì)量”選項(xiàng)卡如圖 119所示，將“按模型顯示擬合度量、 LjungBox統(tǒng)計(jì)量和離群值的數(shù)量”、“ R方”、“標(biāo)準(zhǔn)化的BIC”、“擬合優(yōu)度”、“參數(shù)估計(jì)”勾上。單擊“方法”右邊的“條件（ C） …” 按鈕，打開(kāi)“時(shí)間序列建模器： ARIMA條件”對(duì)話(huà)框，并按如下圖所示進(jìn)行設(shè)置。 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(shí)別規(guī)則，可以擬合模型為 AR(1)，即 ARIMA(1, 0, 0)。 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(shuō)明數(shù)據(jù)自相關(guān)性隨時(shí)間間隔下降。 按“分析 → 預(yù)測(cè) → 序列圖”的順序打開(kāi)“序列圖”對(duì)話(huà)框，將“油料量”設(shè)置為變量，并將所生成的日期新變量“ DATE_”設(shè)為時(shí)間標(biāo)簽軸，生成如下圖所示的時(shí)序圖。一個(gè)識(shí)別良好的模型應(yīng)該有兩個(gè)要素：一是模型的殘差為白噪聲序列，需要通過(guò)殘差白噪聲檢驗(yàn)，二是模型參數(shù)的簡(jiǎn)約性和擬合優(yōu)度指標(biāo)的優(yōu)良性（如對(duì)數(shù)似然值較大， AIC和 BIC較?。┓矫嫒〉闷胶?，還有一點(diǎn)需要注意的是，模型的形式應(yīng)該易于理解。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。用變通的 ARIMA模型處理這種季節(jié)性趨勢(shì)會(huì)導(dǎo)致參數(shù)過(guò)多，模型復(fù)雜。根據(jù) BoxJenkins提出的方法，用樣本的自相關(guān)函數(shù)（ACF）和偏自相關(guān)函數(shù)（ PACF）的截尾性來(lái)初步識(shí)別 ARMA模型的階數(shù)。 ?觀測(cè)值與預(yù)測(cè)值的時(shí)序圖 SPSS 19(中文版 )統(tǒng)計(jì)分析實(shí)用教程 電子工業(yè)出版社 47 指數(shù)平滑法 ?數(shù)據(jù)文件中保存情況 SPSS 19(中文版 )統(tǒng)計(jì)分析實(shí)用教程 電子工業(yè)出版社 48 主要內(nèi)容 時(shí)間序列的建立和平穩(wěn)化 指數(shù)平滑法 ARIMA模型 時(shí)序序列的季節(jié)性分解 SPSS 19(中文版 )統(tǒng)計(jì)分析實(shí)用教程 電子工業(yè)出版社 49 ARIMA模型 基本概念及統(tǒng)計(jì)原理 （ 1）基本概念 在預(yù)測(cè)中，對(duì)于平穩(wěn)的時(shí)間序列，可用自回歸移動(dòng)平均（ AutoRegres sive Moving Average, ARMA）模型及特殊情況的自回歸（ AutoRegressive, AR）模型、移動(dòng)平均（ Moving Average, MA）模型等來(lái)擬合，預(yù)測(cè)該時(shí)間序列的未來(lái)值，但在實(shí)際的經(jīng)濟(jì)預(yù)測(cè)中，隨機(jī)數(shù)據(jù)序列往往都是非平穩(wěn)的，此時(shí)就需要對(duì)該隨機(jī)數(shù)據(jù)序列進(jìn)行差分運(yùn)算，進(jìn)而得到 ARMA模型的推廣 —— ARIMA模型。 SPSS 19(中文版 )統(tǒng)計(jì)分析實(shí)用教程 電子工業(yè)出版社 45 指數(shù)平滑法 ?模型統(tǒng)計(jì)量表 從中可以看出模型的決定系數(shù)為 ，說(shuō)明擬合模型可以解釋原序列%的信息量，正態(tài)化的 BIC值也比較小，說(shuō)明模型的擬合效果是很好的，另外還給出了擬合統(tǒng)計(jì)量及 LjungBox統(tǒng)計(jì)情況。 SPSS 19(中文版 )統(tǒng)計(jì)分析實(shí)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。 第 2步 分析： 看用指數(shù)平滑法處理是否恰當(dāng)。指數(shù)平滑法的思想是以無(wú)窮大為寬度，各歷史值的權(quán)重隨時(shí)間的推移呈指數(shù)衰減，這樣就解決了移動(dòng)平均的兩個(gè)難題。 按“數(shù)據(jù) → 定義日期”順序打開(kāi)“定義日期”對(duì)話(huà)框 定義日期變量示例 SPSS 19(中文版 )統(tǒng)計(jì)分析實(shí)用教程 電子工業(yè)出版社 35 時(shí)間序列的建立和平穩(wěn)化 創(chuàng)建時(shí)間序列 時(shí)間序列分析建立在序列平穩(wěn)的條件上，判斷序列是否平穩(wěn)可以看它的均數(shù)方差是否不再隨時(shí)間的變化而變化，自相關(guān)系數(shù)是否只與時(shí)間間隔有關(guān)而與所處時(shí)間無(wú)關(guān)。 ?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(jì)分析實(shí)用教程 電子工業(yè)出版社 30 The End SPSS 19(中文版 )統(tǒng)計(jì)分析實(shí)用教程 電子工業(yè)出版社 31 第十一章 時(shí)間序列分析 SPSS 19(中文版 )統(tǒng)計(jì)分析實(shí)用教程 電子工業(yè)出版社 32 主要內(nèi)容 時(shí)間序列的建立和平穩(wěn)化 指數(shù)平滑法 ARIMA模型 時(shí)序序列的季節(jié)性分解 SPSS 19(中文版 )統(tǒng)計(jì)分析實(shí)用教程 電子工業(yè)出版社 33 時(shí)間序列的建立和平穩(wěn)化 填補(bǔ)缺失值 時(shí)間序列分析中的缺失值不能采用通常刪除的辦法來(lái)解決，因?yàn)檫@樣會(huì)導(dǎo)致原有時(shí)間序列周期性的破壞，而無(wú)法得到正確的分析結(jié)果。 a. 旋轉(zhuǎn)在 5 次迭代后收斂。 SPSS 19(中文版 )統(tǒng)計(jì)分析實(shí)用教程 電子工業(yè)出版社 28 因子分析 ?旋轉(zhuǎn)后的因子載荷矩陣 是按照前面設(shè)定的“方差極大法”對(duì)因子載荷矩陣旋轉(zhuǎn)的結(jié)果。 第 4步主要結(jié)果及分析： ?特征值與方差貢獻(xiàn)表 可以看出前 3個(gè)特征值大于 1，同時(shí)這 3個(gè)公共因子的方差貢獻(xiàn)率占了 %，說(shuō)明提取這 3個(gè)公共因子可以解釋原變量的絕大部分信息。計(jì)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(jì)分析實(shí)用教程 電子工業(yè)出版社 24 因子分析 SPSS實(shí)例分析 【 例 102】 為了研究幾個(gè)省市的科技創(chuàng)新力問(wèn)題，現(xiàn)取了 2020年 8個(gè)省市的 15個(gè)科技指標(biāo)數(shù)據(jù)，試分析一個(gè)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(jì)分析實(shí)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(gè)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(jìn)行分析。故需進(jìn)一步利用因子分析的結(jié)果進(jìn)行主成分分析。 SPSS 19(中文版 )統(tǒng)計(jì)分析實(shí)用教程 電子工業(yè)出版社 18 主成分分析 第四步 因子分析的結(jié)果： ?旋轉(zhuǎn)前的因子載荷矩陣 成分 1 2 3 x1 .407 .805 .268 x2 .596 .209 x3 .016