时间序列分析及SPSS的操作.pptVIP

时间序列分析及其SPSS操作;一、 时间序列分析概述;国内生产总值等时间序列;时间序列分析发展的两个阶段;2;平稳过程例1—i.i.d序列;平稳过程例2—自回归过程;3;时间序列数据的分解; 通常用 Tt 表示长期趋势项，St 表示季节变动趋势项，Ct 表示循环变动趋势项，Rt 表示随机干扰项。常见的确定性时 间序列模型有以下几种类型:;5;6;7;月份 t;Matlab程序 y=[533.8 574.6 606.9 649.8 705.1 772.0 816.4 892.7 963.9 1015.1 1102.7]; temp=cumsum(y);% 求累积和 mt=(temp(4:11)-[0 temp(1:7)])/4; y12=mt(end) ythat=mt(1:end-1); fangcha=mean((y(5:11)-ythat).^2); sigma=sqrt(fangcha) ;结果 temp =1.0e+003 * 0.5338 1.1084 1.7153 2.3651 3.0702 3.8422;11;α ,α(1 ?α),α(1 ?α)2 ,…,;13; 利用指数平滑公式可以建立指数平滑预测模型。原则上 说，不管序列的基本趋势多么复杂，总可以利用高次指数平 滑公式建立一个逼近很好的模型，但计??量很大。因此用的 较多的是几个低阶指数平滑预测模型。;3) 三次指数平滑预测：（适用于二次曲线趋势数列） －Brown单系数二次式平滑预测;16;时间 t;19;Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd.;Matlab 程序 clc,clear alpha=0.4; y=[16.41 17.62 16.15 15.54 17.24 16.83 18.14 17.05]; s1(1)=y(1); for i=2:8 s1(i)=alpha*y(i)+(1-alpha)*s1(i-1); end s2=y(1); for i=2:8 s2(i)=alpha*s1(i)+(1-alpha)*s2(i-1); end a8=2*s1(8)-s2(8) b8=alpha/(1-alpha)*(s1(8)-s2(8)) yhat9=a8+b8 yhat(1)=y(1) for i=2:8 yhat(i)=s1(i-1)+1/(1-alpha)*(s1(i-1)-s2(i-1)); end temp=sum((yhat-y).^2); sigma=sqrt(temp/6);46; 假设时间序列 Xt 仅与 Xt-1,Xt-2,…,Xt-n有线性关系，而在 Xt-1,Xt-2,…,Xt-n已知条件下，Xt与Xt-j ( j = n+1,n+2,…)无关， εt 是一个独立于Xt-1,Xt-2,…,Xt-n的白噪声序列，;48;49;MA过程;根据自相关函数与偏自相关函数定阶;ARIMA（p,d,q)过程和模型;MA(1) Yt ＝ ?t ＋0.5 ?t－1;AR(1) Yt=0.6Yt-1+?t;ARMA(1,1) Yt=-0.7Yt-1+?t - 0.7 ?t-1;ARMA模型的其他识别方法;ARMA模型的其他识别方法;ARMA模型的估计;建模步骤;三、非平稳时间序列模型;1. 差分运算;差分方式的选择;例5.1;差分前后时序图;例5.2;差分后序列时序图;例5.3;差分后序列时序图;过差分 ;2. ARIMA模型;ARIMA模型结构;ARIMA 模型族;Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd.;预测值;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