spss的時間序列分析教材-在線瀏覽
2025-04-11 20:11本頁面
【正文】 定義功能用來將數據編輯窗口中的一個或多個變量指定為時間序列變量，并給它們賦予相應的時間標志，具體操作步驟是： （ 1）選擇菜單： Date→ Define Dates，出現窗口： （ 2） Cases Are框提供了多種時間形式，可根據數據的實際情況選擇與其匹配的時間格式和參數。 SPSS將在當前數據編輯窗口中自動生成標志時間的變量。 數據期間的選取可通過 SPSS的樣本選?。⊿elect Cases）功能實現。 ? 時間序列的圖形化觀察工具 序列圖還可用于對序列異常值的探索，以及體現序列的“簇集性”，異常值是那些由于外界因素的干擾而導致的與序列的正常數值范圍偏差巨大的數據點。在不同的水平間跳躍性變化，而非平緩性變化。直方圖（ Histogram） 直方圖是體現序列數據分布特征的一種圖形，通過直方圖可以了解序列的平穩(wěn)性、正態(tài)性等特征。自相關函數圖和偏自相關函數圖（ ACF＆ PACF） 所謂自相關是指序列與其自身經過某些階數滯后形成的序列之間存在某種程度的相關性。偏自相關函數是在其他序列給定情況下的兩序列條件相關性的度量函數。 各種時間序列的自相關函數圖和偏自相關函數圖通常有一定的特征和規(guī)律： 白噪聲序列的各階自相關函數和偏自相關函數值在理論上均為 0。 具有趨勢性的非平穩(wěn)時間序列，序列的各階自相關函數值顯著不為零，同時隨著階數的增大，函數值呈緩慢下降的趨勢；偏自相關函數值則呈明顯的下降趨勢，很快落入置信區(qū)間。 具有周期性的非平穩(wěn)時間序列，其自相關函數呈明顯的周期性波動，且以周期長度及其整數倍數為階數的自相關和偏自相關函數值均顯著不為零。 互相關圖是依據互相關函數繪制出來的。 ? 時間序列的檢驗方法 參數檢驗法 參數檢驗的基本思路是，將序列分成若干子序列，并分別計算子序列的均值、方差、相關函數。如果差值大于檢驗值，則認為序列具有非平穩(wěn)性。 （ 2）將需繪圖的序列變量選入 Variables框中。該標志變量默認的是日期型變量。其中Natural log transform表示對數據取自然對數，Difference表示對數據進行 n階（默認 1階）差分，Seasonally difference表示對數據進行季節(jié)差分。 （ 6）單擊 Format 按鈕定義圖形的格式，可選擇橫向或縱向序列圖；對于單變量序列圖，可選擇繪制線圖或面積圖，還可選擇在圖中繪制序列的均值線；對多變量的序列圖，可選擇將不同變量在同一時間點上的點用直線連接起來。 （ 2）將需繪制的序列變量選入 Variables框。一般可同時繪制兩種圖形。一般情況下可選擇兩個最大周期以上的數據。其中 Independence model表示假設序列是白噪聲的過程； Bartlett’s approximation表示，根據 Bartlett給出的估計自相關系數和偏自相關系數方差的近似式計算方差。 （ 5）選中 Display autocorrelation at periodic lags表示只顯示時間序列周期整數倍處的相關函數值。否則該步可略去。 （ 2）把需繪圖的序列變量選擇到 Variables框中。 ? 時間序列圖形化觀察應用舉例 利用模擬序列數據： （ 1）以趨勢序列繪制序列圖； （ 2）以各種序列繪制自相關函數圖和偏自相關函數圖。 時間序列的預處理 ? 時間序列預處理的目的和主要方法 預處理的目的可大致歸納為兩個方面：第一，使序列的特征體現得更加明顯，利于分析模型的選擇；第二，使數據滿足于某些特定模型的要求。序列缺失數據的處理 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。季節(jié)差分（ Seasonal difference）就是一個典型的代表。時間序列的平滑處理目的是為了消除序列中隨機波動性影響。 ? 時間序列預處理的基本操作 序列缺失數據處理的基本操作 序列數據變換的基本操作 （ 1）選擇菜單 Transform→ Create Time Series （ 2）把待處理的變量選擇到 New Variable(s)框。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后輸入相應的階數，并單擊 Change按鈕。Cumulative sum：累加求和，即對當前值和當前值之間的所有數據進行求和，生成原序列的累計值序列。Lag：數據滯后，即對指定的階數 k，用從當前值向前數到第k個數值來代替當前值。 與數據滯后正好相反，即指定的階數 k，從當前值向后數以第 k個數值來代替當前值。 指數平滑法 ? 由于指數平滑法要求數據中不能存在缺失值，因此在用 SPSS進行指數平滑法分析前，應對數據序列進行缺失值填補。 （ 2）把待分析的變量選擇到 Variables框中。包括簡單指數平滑模型、霍特模型、溫特模型及用戶自定義模型。 可直接輸入 α的值，也可設定初值和終值以及步長，這樣 SPSS會通過格點法對多個值逐個建模，得到最優(yōu)模型； 在 General(Alpha)、 Trend(Gamma)、Seasonal(Delta)框中設置溫特模型中的普通、趨勢和季節(jié)平滑參數 α， γ， β； 不選擇該選項，則每個格點處常數值對應的模型都會被輸出。 模型一：簡單指數平滑模型（適用于比較平穩(wěn)的序列） 首先建立簡單指數平滑模型。 在前文的平穩(wěn)隨機過程的定義中也介紹過，只有誤差項中不存在任何可利用的信息時，才能夠認為模型已經達到了最優(yōu)。 自回歸模型，簡寫為 AR模型，正是針對模型誤差項存在相關性的情況而設計的一種改進方法。 AR（ 1）模
高考資料相關推薦
鄂ICP備17016276號-1