spss的時(shí)間序列分析-wenkub.com
2025-03-08 20:11 本頁(yè)面
【正文】 2023年 3月 下午 8時(shí) 11分 :11March 29, 2023 1業(yè)余生活要有意義，不要越軌。 20:11:0120:11:0120:11Wednesday, March 29, 2023 1知人者智，自知者明。 下午 8時(shí) 11分 1秒 下午 8時(shí) 11分 20:11: 楊柳散和風(fēng)，青山澹吾慮。 :11:0120:11:01March 29, 2023 1意志堅(jiān)強(qiáng)的人能把世界放在手中像泥塊一樣任意揉捏。 , March 29, 2023 很多事情努力了未必有結(jié)果，但是不努力卻什么改變也沒(méi)有。 2023年 3月 29日星期三 下午 8時(shí) 11分 1秒 20:11: 1比不了得就不比，得不到的就不要。 20:11:0120:11:0120:113/29/2023 8:11:01 PM 1以我獨(dú)沈久，愧君相見頻。 對(duì)序列首先進(jìn)行取自然對(duì)數(shù)的數(shù)據(jù)變換，其次進(jìn)行一階逐期差分和一階季節(jié)差分，得到一個(gè)基本平穩(wěn)的序列。對(duì)于大數(shù)據(jù)量的序列，初始值對(duì)結(jié)果的影響幾乎沒(méi)有，因此一般情況下選擇自動(dòng)設(shè)置；在 Forecasting Method框中選擇預(yù)測(cè)方法，包括無(wú)條件最小二乘法和有條件最小二乘法兩種方法。 （ 6）單擊 Option按鈕對(duì)模型的算法和輸出等進(jìn)行設(shè)置。這里提供了自然對(duì)數(shù)和以10為底的對(duì)數(shù)兩種變換形式。ARIMA（ p， d， q）（ P， D， Q） s模型 當(dāng)序列中同時(shí)存在趨勢(shì)性和季節(jié)性的周期和趨勢(shì)時(shí)，序列中存在著以季節(jié)周期的整數(shù)倍為長(zhǎng)度的相關(guān)性，需要經(jīng)過(guò)某些階數(shù)的逐期差分和季節(jié)差分才能使序列平穩(wěn)化。 實(shí)際應(yīng)用中的時(shí)間序列并非平穩(wěn)序列，不能直接采用 ARMA模型。 p， q分別是偏自相關(guān)函數(shù)值和自相關(guān)函數(shù)值顯著不為零的最高階數(shù)。 ARIMA模型分析 ? ARIMA是自回歸移動(dòng)平均結(jié)合（ AutoRegressive Integrated Moving Average）模型的簡(jiǎn)寫形式，用于平穩(wěn)序列或通過(guò)差分而平穩(wěn)的序列分析。 因此可首先利用二次曲線進(jìn)行趨勢(shì)擬合。 ? 自回歸法的應(yīng)用舉例 利用 1992年初至 2023年底共 11年我國(guó)激光唱機(jī)出口量月度數(shù)據(jù)，對(duì)激光唱機(jī)出口量進(jìn)行分析預(yù)測(cè)。 （ 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 。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)。 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)。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)。 模型一：簡(jiǎn)單指數(shù)平滑模型（適用于比較平穩(wěn)的序列） 首先建立簡(jiǎn)單指數(shù)平滑模型。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。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； 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。 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)。 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。 ? 時(shí)間序列預(yù)處理的基本操作 序列缺失數(shù)據(jù)處理的基本操作 序列數(shù)據(jù)變換的基本操作 （ 1）選擇菜單 Transform→ Create Time Series （ 2）把待處理的變量選擇到 New Variable(s)框。 時(shí)間序列的平滑處理目的是為了消除序列中隨機(jī)波動(dòng)性影響。均值平穩(wěn)化一般采用差分（ Difference）處理，方差平穩(wěn)化一般用 BoxCox變換處理。 時(shí)間序列的預(yù)處理 ? 時(shí)間序列預(yù)處理的目的和主要方法 預(yù)處理的目的可大致歸納為兩個(gè)方面：第一，使序列的特征體現(xiàn)得更加明顯，利于分析模型的選擇；第二，使數(shù)據(jù)滿足于某些特定模型的要求。 （ 2）把需繪圖的序列變量選擇到 Variables框中。 （ 5）選中 Display autocorrelation at periodic lags表示只顯示時(shí)間序列周期整數(shù)倍處的相關(guān)函數(shù)值。一般情況下可選擇兩個(gè)最大周期以上的數(shù)據(jù)。 （ 2）將需繪制的序列變量選入 Variables框。其中Natural log transform表示對(duì)數(shù)據(jù)取自然對(duì)數(shù)，Difference表示對(duì)數(shù)據(jù)進(jìn)行 n階（默認(rèn) 1階）差分，Seasonally difference表示對(duì)數(shù)據(jù)進(jìn)行季節(jié)差分。 （ 2）將需繪圖的序列變量選入 Variables框中。 ? 時(shí)間序列的檢驗(yàn)方法 參數(shù)檢驗(yàn)法 參數(shù)檢驗(yàn)的基本思路是，將序列分成若干子序列，并分別計(jì)算子序列的均值、方差、相關(guān)函數(shù)。 具有趨勢(shì)性的非平穩(wěn)時(shí)間序列，序列的各階自相關(guān)函數(shù)值顯著不為零，同時(shí)隨著階數(shù)的增大，函數(shù)值呈緩慢下降的趨勢(shì)；偏自相關(guān)函數(shù)值則呈明顯的下降趨勢(shì)，很快落入置信區(qū)間。偏自相關(guān)函數(shù)是在其他序列給定情況下的兩序列條件相關(guān)性的度量函數(shù)。直方圖（ Histogram） 直方圖是體現(xiàn)序列數(shù)據(jù)分布特征的一種圖形，通過(guò)直方圖可以了解序列的平穩(wěn)性、正態(tài)性等特征。 序列圖還可用于對(duì)序列異常值的探索，以及體現(xiàn)序列的“簇集性”，異常值是那些由于外界因素的干擾而導(dǎo)致的與序列的正常數(shù)值范圍偏差巨大的數(shù)據(jù)點(diǎn)。 數(shù)據(jù)期間的選取可通過(guò) SPSS的樣本選?。⊿elect Cases）功能實(shí)現(xiàn)。
范文總結(jié)相關(guān)推薦
鄂ICP備17016276號(hào)-1