第十三章SPSS的时间序列分析.pptx

第十三章 SPSS的时间序列分析;13.1 时间序列分析概述;3.平稳随机过程和平稳时间序列 平稳随机过程定义如下：如果对 t1，t2，…，tn，h∈T和任意整数n，都使（yt1，yt2…，ytn）与（yt1+h，yt2+h，…，ytn+h）同分布，则概率空间（W，F，P）上随机过程｛y（t），t∈T｝称为平稳过程。具有时间上的平稳不变性。实践当中是非常困难甚至是不可能的。因此这种平稳性一般被称为“严平稳”或者“完全平稳”。 实际中一般要求的平稳性称作“宽平稳”，它没有“严平稳”那样苛刻的条件，而只要求某阶矩的平稳性。二阶宽平稳随机过程定义为：如果E（yt）为常数，且对 t，t+h∈T都使协方差E［yt- E（yt）］E［yt+h- E（yt+h）］存在且与t无关（只依赖于h），则概率空间（W，F，P）上的随机过程｛y（t），t∈T｝称为“宽平稳过程”。也被称为“协方差平稳” ;4.白噪声序列 白噪声序列是一种特殊的平稳序列。它定义为若随机序列｛yt｝由互不相关的随机变量构成，即对所有s≠t，Cov(ys，yt)=0，则称其为白噪声序列。白噪声序列是一种平稳序列，在不同时点上的随机变量的协方差为0。该特性通常被称为“无记忆性”，意味着人们无法根据其过去的特点推测其未来的走向，其变化没有规律可循。当模型的残差序列成为白噪声序列时，可认为模型达到了较好的效果，剩余残差中已经没有可以识别的信息。因此，白噪声序列对模型检验也是很有用处的。 5.时点序列和时期序列;13.1.2 时间序列分析的一般步骤 数据的准备阶段 数据的观察及检验阶段 数据的预处理阶段 数据分析和建模阶段 模型的评价阶段 模型的实施阶段 ;13.1.3 SPSS时间序列分析的特点 SPSS的时间序列分析没有自成一体的单独模块，而是分散在Data、Transform、Analyze、Graph四个功能菜单当中。在Data和Transform中实现对时间序列数据的定义和必要处理，以适应各种分析方法的要求；在Analyze的Time Series中主要提供了四种时间序列的分析方法，包括指数平滑法、自回归法、ARIMA模型和季节调整方法；在Graph中提供了时间序列分析的图形工具，包括序列图（Sequence）、自相关函数和偏自相关函数图等。另外，也可利用SPSS的谱分析图等模块进行简单的谱分析。 ;13.2 数据准备 ;;（2）Cases Are框提供了多种时间形式，可根据数据的实际情况选择与其匹配的时间格式和参数。 至此，完成了SPSS的时间定义操作。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，在输出窗口中将输出一个简要的日志，说明时间标志变量及其格式和包含的周期等。 数据期间的选取可通过SPSS的样本选取（Select Cases）功能实现。 ;13.3 时间序列的图形化观察及检验 ;13.3.2 时间序列的图形化观察工具 ·序列图（Sequence） 一个平稳的时间序列在水平方向平稳发展，在垂直方向的波动性保持稳定，非平稳性的表现形式多种多样，主要特征有：趋势性、异方差性、波动性、周期性、季节性、以及这些特征的交错混杂等。 序列图还可用于对序列异常值的探索，以及体现序列的“簇集性”，异常值是那些由于外界因素的干扰而导致的与序列的正常数值范围偏差巨大的数据点。“簇集性”是指数据在一段时间内具有相似的水平。在不同的水平间跳跃性变化，而非平缓性变化。 ;·直方图（Histogram） 直方图是体现序列数据分布特征的一种图形，通过直方图可以了解序列的平稳性、正态性等特征。 ·自相关函数图和偏自相关函数图（ACF＆PACF） 所谓自相关是指序列与其自身经过某些阶数滞后形成的序列之间存在某种程度的相关性。对自相关的测度往往采用自协方差函数和自相关函数。白噪声序列的各阶自相关函数和偏自相关函数值在理论上均为0。但实际当中序列多少会有一些相关性，但一般会落在置信区间内，同时没有明显的变化规律。 ·互相关图 对两个互相对应的时间序列进行相关性分析的实用图形工具。互相关图是依据互相关函数绘制出来的。是不同时间序列间不同时期滞后序列的相关性。 ;13.3.3 时间序列的检验方法 参数检验法 参数检验的基本思路是，将序列分成若干子序列，并分别计算子序列的均值、方差、相关函数。根据平稳性假设，当子序列中数据足够多时，各统计量在不同序列之间不应有显著差异。如果差值大于检验值，则认为序列具有非平稳性。;13.3.4 时间序列的图形化观