時間序列分析教材(ppt81頁)(參考版)
2025-03-06 12:53本頁面
【正文】 上午 11時 25分 12秒 上午 11時 25分 11:25: MOMODA POWERPOINT Lorem ipsum dolor sit amet, consectetur adipiscing elit. Fusce id urna blandit, eleifend nulla ac, fringilla purus. Nulla iaculis tempor felis ut cursus. 感 謝 您 的 下 載 觀 看 專家告訴 。 2023年 3月 上午 11時 25分 :25March 22, 2023 ? 1業(yè)余生活要有意義，不要越軌。 :25:1211:25:12March 22, 2023 ? 1意志堅強(qiáng)的人能把世界放在手中像泥塊一樣任意揉捏。 11:25:1211:25:1211:25Wednesday, March 22, 2023 ? 1知人者智，自知者明。 11:25:1211:25:1211:253/22/2023 11:25:12 AM ? 1越是沒有本領(lǐng)的就越加自命不凡。 上午 11時 25分 12秒 上午 11時 25分 11:25: ? 楊柳散和風(fēng)，青山澹吾慮。 2023年 3月 上午 11時 25分 :25March 22, 2023 ? 1少年十五二十時，步行奪得胡馬騎。 2023年 3月 22日星期三 上午 11時 25分 12秒 11:25: ? 1楚塞三湘接，荊門九派通。 11:25:1211:25:1211:25Wednesday, March 22, 2023 ? 1不知香積寺，數(shù)里入云峰。 11:25:1211:25:1211:253/22/2023 11:25:12 AM ? 1成功就是日復(fù)一日那一點(diǎn)點(diǎn)小小努力的積累。 上午 11時 25分 12秒 上午 11時 25分 11:25: ? 沒有失敗，只有暫時停止成功！。 2023年 3月 上午 11時 25分 :25March 22, 2023 ? 1行動出成果，工作出財富。 2023年 3月 22日星期三 上午 11時 25分 12秒 11:25: ? 1比不了得就不比，得不到的就不要。 11:25:1211:25:1211:25Wednesday, March 22, 2023 ? 1乍見翻疑夢，相悲各問年。 11:25:1211:25:1211:253/22/2023 11:25:12 AM ? 1以我獨(dú)沈久，愧君相見頻。 時間序列分析（煤炭及成品油出口） .sav 75 先繪制煤炭出口量的序列圖 時間序列分析（煤炭及成品油出口） .sav 1. 趨勢外推模型 圖 27 76 趨勢外推模型 操作 77 趨勢外推模型輸出結(jié)果 圖 28 表 4 78 時間序列分析（煤炭及成品油出口） .sav 2. 簡單回歸模型 ? 圖形 ?舊對話框 ? 散點(diǎn) /點(diǎn)狀 ?簡單分布 先繪制兩者間的散點(diǎn)圖 圖 29 79 簡單回歸模型 操作 80 簡單回歸模型輸出結(jié)果 圖 30 表 5 兩者表現(xiàn)為一種正比例對應(yīng)關(guān)系1: 81 Thank you 82 ? 靜夜四無鄰，荒居舊業(yè)貧。 人們根據(jù)事物的發(fā)展規(guī)律歸納出了可概括各種發(fā)展規(guī)律的數(shù)學(xué)曲線形式 ， 多項式是其中應(yīng)用最為廣泛的一種 ， 其一般模型為 趨勢外推法主要用于較長期的預(yù)測分析 ，由于模型的選擇存在較強(qiáng)的主觀性，模型選擇上的差異會導(dǎo)致對同批數(shù)據(jù)的不同分析結(jié)論。 ? 簡單回歸分析法中 ， 解釋變量與被解釋變量都是有實(shí)際意義的時間序列 。 72 ? 兩種方法都是基于回歸分析原理的 。 68 時間序列分析（模擬序列數(shù)據(jù)） .sav 用平滑法進(jìn)行數(shù)據(jù)轉(zhuǎn)換的操作 69 變量集新增一列 輸出結(jié)果 70 簡單回歸法和趨勢外推法 （自學(xué) ,看書） ? 概述 ? 應(yīng)用舉例 71 ? 簡單回歸方法 認(rèn)為時間序列 yt的變化大體上可由其他與其對應(yīng)的時間序列 xt來決定 ,并以此出發(fā)找出序列與其他序列間的大體上的數(shù)量關(guān)系 。 ?提前 ：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個數(shù)值來代替當(dāng)前值。 ?滯后 ：即對指定的階數(shù) k， 用從當(dāng)前值向前數(shù)到第 k個數(shù)值來代替當(dāng)前值 。 2) 把需處理的變量選擇到 新變量框 中 ， 在名稱和函數(shù)框中 ， 在 名稱 后輸入處理新生成的變量名 ， 在 函數(shù) 中選擇轉(zhuǎn)換處理方法 ， 在 順序后輸入相應(yīng)的階數(shù) ， 并單擊 更改 按鈕 。 64 時間序列分析（模擬序列數(shù)據(jù)） .sav 缺失值處理的操作過程 65 輸出結(jié)果 變量集新增一列 66 2. 序列數(shù)據(jù)變換的基本操作 ? SPSS提供了專門進(jìn)行時間序列數(shù)據(jù)變換的模塊 , 其中包含 :差分和季節(jié)差分等平穩(wěn)化方法 , 移動平均和移動中位數(shù)等平滑方法 , 以及生成新序列的變換方法 。 2) 把需處理的變量選擇到 新變量框 中，在名稱和方法框中，在 名稱 后輸入處理新生成的變量名，在 方法 中選擇處理缺失值的替代方法，并單擊 更改 按鈕。 它們可使偏態(tài)分布的序列變成對稱的分布 ， 可消除序列中的異方差性 ， 可使變量間的非線性變換關(guān)系轉(zhuǎn)換成為線性關(guān)系， 在時間序列數(shù)量級很大的時候會起到顯著改善計算精度的作用 。 ?移動中位數(shù) (Runing medians) 它以當(dāng)前時間點(diǎn)為中心 ， 根據(jù)指定的時間跨度 k計算中位數(shù) 。 常用的平滑處理的方式有： ?中心移動平均法 (Centered moving average) 計算以當(dāng)前為中心的時間跨度 k范圍內(nèi)數(shù)據(jù)的移動平均數(shù) 。對于既有趨勢性又有季節(jié)性的序列 ， 可同時進(jìn)行差分和季節(jié)差分處理 。 ? 差分不一定是相鄰項之間的運(yùn)算 ， 也可以在有一定跨度的時間點(diǎn)之間
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1