SPSS在时间序列预测中的应用参考.ppt

第11章 SPSS在时间序列预测中的应用 时间序列分析(Time Series Analyze)是概率统计学科中应用性较强的一个分支，在金融经济、气象水文、信号 处理、机械振动等众多领域有从所采用的数学工具和理论， 时间序列分析分为时域分析和谱分析两大类分析方法 预测的流程通常可以用下图来描述 11.1 时间序列的预处理 11.1.1预处理的基本原理 1.使用目的 通过预处理，一方面能够使序列的随“时间”变化的、“动态”的特征体现得更加明显，利用模型的选择；另一方面也使得数据满足与模型的要求。 2.基本原理 ⑴数据采样 采样的方法通常有直接采样、累计采样等。 ⑵直观分析 时间序列的直观分析通常包括离群点的检验和处理、缺损值的补足、指标计算范围是否统一等一些比较简单的，可以采用比较简单手段处理的分析。 ⑶特征分析 所谓特征分析就是在对数据序列进行建模之前，通过从时间序列中计算出一些有代表性的特征参数，用以浓缩、简化数据信息，以利数据的深入处理，或通过概率直方图和正态性检验分析数据的统计特性。通常使用的特征参数有样本均值、样本方差、标准偏度系数、标准峰度系数等。 ⑷相关分析 所谓相关分析就是测定时间序列数据内部的相关程度，给出相应的定量度量，并分析其特征及变化规律。 理论上，自相关系数序列与时间序列具有相同的变化周期．所以，根据样本自相关系数序列随增长而衰减的特点或其周期变化的特点判断序列是否具有平稳性，识别序列的模型，从而建立相应的模型。 3.其他注意事项 进行时间序列预处理的时候，常常需要对数据一些变换，例如，取对数，做一阶差分，做季节差分等。 11.1.2 时间序列预处理的SPSS操作详解 Step01:数据准备 选择菜单栏中的【Data(数据)】→【Define Dates(定义日期)】命令，弹出【Define Dates(定义日期) 】对话框。 如果选择月度数据或季度数据，将会出现【Periodicity at higher level(更高级别的周期)】。在其下方将显示数据的最大周期长度，月度数据默认周期长度为12，季度数据默认周期长度为4。 单击【OK(确认)】按钮，此时完成时间的定义，SPSS将在当前数据编辑窗口中自动生成标志时间的变量。 Step02：数据采样 选择菜单栏中的【Data(数据)】→【Select Cases(选择个案)】命令，弹出【Select Cases(选择个案)】对话框。 Step03：直观分析 当数据准备好，为认识数据的变化规律，判断数据是否存在离群点和缺损值，最直接的观察方法是绘制序列的图像。 选择菜单栏中的【Data(数据)】→【Forecasting(预测)】→【Sequence Charts(序列图)】命令，弹出【Sequence Charts(序列图)】对话框。 Step04：特征分析 选择菜单栏中的【Data(数据)】→【Graphs(图形)】→【Chart Builder(图表构建程序)】命令，弹出【Chart Builder(图表构建程序)】对话框。在【Gallery(库)】选项卡中选择【Histogram(直方图)】，并将直方图形拖入【 Chart preview uses example data(图预览使用实例数据) 】下方的白色区域，然后将所需要画直方图的变量拖入X轴，单击【OK(确认)】按钮就画出直方图了，图中将显示该变量的均值、方差、样本容量。 Step05 ：相关分析 选择菜单栏中的【Analyze(分析)】→【Forecasting(预测)】→【Autocorrelations(自相关)】命令，弹出【Autocorrelations(自相关)】对话框。 在左侧的候选变量列表框中选择一个变量，将其移入【Variables(变量)】列表框中。 单击【Options】按钮，弹出【Options(选项)】对话框。 11.1.3 实例图文分析：社会商品零售总额的预处理 1. 实例内容 为了分析社会商品零售总额的变动趋势，收集了我国2000年1月到2010年5月社会商品零售总额的数据，现在对数据进行时间序列的预处理。 2 实例操作 Step01：数据准备输入社会商品零售总额的数据，然后选择菜单栏中的【Data(数据)】→【Define Dates(定义日期)】命令，弹出【Define Dates(定义日期) 】对话框，选择【Years, month(年，月)】选项,并在【First Case is 】选项组的【Year(年)】文本框中输入“2000”，在【month(月)】文本框中输入“1” 。 Step02：标志时间的变量出现 单击【OK(确认)】按钮，此时完成时间的定义，SPSS将在当前数据编辑窗口中自动生成标志时间的变量，同时在