第七章 时间序列分析-上课材料.docVIP

第七章 时间序列分析-上课材料 （主要为Time Series 菜单） 某一变量的观测值随时间先后次序排列起来，这样的系列我们称之为时间序列。时间序列会在各种因素的影响下发生变动，这些变动一般包括：长期趋势、季节变动、循环变动和不规则变动。 那么，我们可以根据这些变动趋势，来找到一条适当的函数曲线来建立以时间t为自变量、时间序列y为因变量的趋势模型。依此可以预测未来某一时间的时间序列变量的预测值。这称为趋势外推预测法。 利用spss软件，我们还可以根据原有的时间序列来生成新的时间序列，据此可以更加清晰地看出原有的时间序列变动趋势。 另外，我们还可以采用指数平滑方法对时间序列进行短期预测。 本章学习内容 7.1 趋势外推预测 7.2 移动平均（Create Time Series） 7.3 指数平滑（Exponential Smoothing） 7.1 趋势外推预测 实际上，趋势外推预测方法可以看作是回归分析的一种特殊形式，即其自变量就是时间t。进行趋势外推预测时，首先需要根据时间序列图来大致判断因变量的趋势。 举例：通过“例10-1”来预测2003年我国国内旅游收入受“非典”影响而遭受的损失。 操作：首先观察国内旅游收入的趋势图。Graphs(Sequence，会打开时序图的对话框。 从上图中可以看出，从第10期-18期，即从1994年开始，国内旅游收入几乎是呈现一条直线趋势，因此决定使用1994-2002年数据作为样本建立线性模型来预测2003年旅游收入。 第一步，通过select cases命令挑选区间内数据； 第二步，对此数据进行曲线估计。 具体操作： (1) Data(select cases (2) Analyze(Regression(curve Estimation. Y=-2613.419+360.875t 用预测方程来预测2003年的国内旅游收入，将t=19代入方程（或通过曲线估计对话框中的Save选项），得出其预测值为4243.2（亿元）。 用已恢复1985-2003区间的实际值和预测值作时序图，可以大致看出拟合的效果是非常好的。那么，2003年我国国内旅游收入受“非典”影响的损失估计约为4243.20-3442.27≈800（亿元）。 习题： 根据数据文件“2005年宏观调控对上海增量房屋供给的影响.xls”，利用趋势外推方法计算2005年宏观调控造成上海增量房屋供给面积下降多少。 7.2 移动平均（Create Time Series） 利用spss软件，我们还可以根据原有的时间序列来生成新的时间序列，据此可以更加清晰地看出原有的时间序列变动趋势。移动平均实际上就是根据一定区间内时间序列的平均值逐项推移，生成新的时间序列，以反映长期趋势的方法。 举例：根据“例10-2”对股票“第一百货”日线计算5日和10日移动平均价，并画出某段时间内的高低图。 操作： （1）高低图绘制：Graphs(High-low，会出现如下对话框。 （2）根据收盘价计算5日和10日移动平均价。Transform( Create Time Series，会打开次对话框。 根据上述表格中日收盘价、5日和10日移动平均价来绘制时序图，如下。 根据上图中5日均线可以看出明显的两次价格波峰，且呈下降态势；而10日均线则表现为更加平缓的一次波峰且逐渐走低的趋势。 习题： 根据数据文件“”，做“上海汽车”10月10日-12月10日的高低图。并求5日和20日移动均价，及日线、5日线和20日线时序图。 7.3 指数平滑（Exponential Smoothing） 指数平滑包括三种方法： 一次指数平滑法，适用于无明显上升或下降趋势，且无季节性变动的平稳时间序列的短期预测。 Holt指数平滑法适用于具有线性趋势但无季节变动的时间序列的预测。 Winter指数平滑法适用于具有线性趋势及季节变动的时间序列进性短期预测的方法。 举例：以一次指数平滑法为例，数据文件“例10-3”显示的是某商场2002年1月至2003年12月化妆品的销售额（万元）。使用一次指数平滑法预测2004年1年该商场化妆品的销售额。 操作： 绘制时序图。Graphs(Sequence，打开时序图对话框。 根据上图可以看出，此时需没有明显的趋势性，因此可以使用一次指数平滑的方法。 （2）进行一次指数平滑。Analyze(Time Series(Exponential Smoothing，打开指数平滑对话框。 根据编辑窗口得到的预测值，t=25时，即2004年1月化妆品销售额的预测值为15.00965万元。 第八章 因子分析 （Factor Analysis 菜单） 在实际问题的分析过程中，人们往往希望尽可能多地收集关于分析对象的数据信息，进而能够对它有比较全面完整地把握和认识。收集了非常