【SPSS 19 教程】第11章 SPSS在时间序列预测中的应用.pptVIP

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