数据分析方法及软件应用--时间序列分析.pptxVIP

数据分析方法及软件应用 授课教师：赵晖 副教授 北京交通大学 2015年5月 时间序列分析 6.1 时间序列分析概述 6.2 数据准备 6.3 时间序列的图形化观察及检验 6.4 时间序列的预处理(重点) 6.5 简单回归分析法和趋势外推法(自学) 6.6 指数平滑法(重点) 6.7 ARIMA模型分析(自学) 6.8 季节调整法(自学) 6.1 时间序列分析概述 6.1.1 时间序列的相关概念 6.1.2 时间序列分析的一般步骤 6.1.3 SPSS时间序列分析的特点 时间序列分析是研究事件发展变化规律的一种量化分析方法。一般情况下，那些依时间先后顺序排列起来的一系列有相同内涵的数据通信都可以称为时间序列。 时间序列与一般的统计数据的不同之处在于：这是一些有严格先后顺序的数据。大多数情况下它们往往存在某种前后相承的关系，而非互相独立的。时间序列分析就是包含了针对这种独特数据特点而形成和发展起来的一系列统计分析方法的一个完整的体系。 6.1.1 时间序列分析概述 6.1.2 时间序列分析的一般步骤 (重点) 数据的准备阶段； 数据的观察及检验阶段：总体把握时间序列发展变化的特征，以便选择恰当的模型进行分析，包括图形方法和统计检验方法； 数据的预处理阶段：一方面能够使序列的特征体现得更加明显，利于分析模型的选择；另一方面使数据满足于模型的要求； 数据分析和建模阶段：根据时间序列的特征和分析的要求，选择恰当的模型进行数据建模和分析； 模型的评价阶段：与模型分析的目标相结合评价是否达到了分析的目的以及效果如何； 模型的实施应用阶段。 可分为时域分析和频域分析两类，具体有: 简单回归分析法适合序列间结构分析和较长期的预测; 趋势外推法适用于精度要求不很高的中长期趋势预测; 自回归移动平均(ARMA)模型常用于对随机性波动较频繁序列的短期预测,对于非平稳的序列可用ARIMA模型; 谱分析方法适用于那些高频波动数据。 6.1.3 时间序列分析的特点 SPSS的时间序列分析是分散在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； 在分析——预测中主要提供了几种时间序列的分析方法，包括指数平滑法、ARIMA模型和季节调整方法； 在分析——预测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，也可利用分析——预测——频谱分析模块进行简单的谱分析。 6.2 数据准备 SPSS的数据准备包括数据文件的建立、时间定义和数据期间的指定。其中数据文件的建立与一般SPSS数据文件的建立方法相同，每一个变量将对应一个时间序列数据，且不必建立标志时间的变量。具体操作这里不再赘述，仅重点讨论时间定义的操作步骤。 SPSS的时间定义功能用来将数据编辑窗口中的一个或多个变量指定为时间序列变量，并给它们赋予相应的时间标志，具体操作步骤是： 1) 选择菜单: Data——Define Dates，出现窗口： 2) 个案为(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。并在第一个个案为框中输入起初日期。 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的数据——选择个案(Select Cases)功能实现。 6.3 时间序列的图形化观察及检验 6.3.1 图形化观察及检验目的 6.3.2 图形化观察工具 6.3.3 时间序列的检验方法 6.3.4 图形化观察和检验的基本操作 6.3.5 图形化观察的应用举例 6.4.1 图形化及检验目的 时间序列分析的第一步是对其发展变化的特征有一个初步的总体把握。通过图形化观察和检验能够把握时间序列的诸多特征，如时间序列的发展趋势是上升还是下降，还是没有规律的上下波动；时间序列的变化的周期性特点；时间序列波动幅度的变化规律；时间序列中是否存在异常点，时间序列不同时间点上数据的关系等。 通过图形化观察和检验应把握以下几点 : 时间序列的正态性，考察数据是否符合正态分布； 时间序列的平稳性，是要了解时间序列数据适合于什么样的模型，能否直接用来建立模型等； 时间序列的周期性，是指随着时间的推移序列呈现出有规律的周期性波动； 时间序列的其他特性，如异常值、簇集性等。 6.3.2 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、