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