SPSS在数据挖掘中的应用PPT.ppt

问题三输出结果详解 （3）模型参数估计值表 下表列出了AR(7)模型的参数估计值。可以看到除了滞后7阶（Lag 7）的系数显著外，其他滞后项系数都没有通过显著性检验，其t检验的概率P值都大于0.05。假设“每日股票点播量”记为Xt，则最终拟合的模型为： Xt=8.268+0.916 Xt-1 问题三输出结果详解 Estimate SE t Sig. 股票点播 Natural Log Constant 8.268 .084 97.924 .000 AR Lag 1 -.052 .075 -.697 .493 Lag 2 -.064 .081 -.798 .433 Lag 3 -.064 .081 -.786 .440 Lag 4 -.047 .084 -.561 .580 Lag 5 -.077 .080 -.965 .345 Lag 6 -.028 .079 -.354 .727 Lag 7 .916 .074 12.379 .000 问题三输出结果详解 （4）残差自相关和偏相关图 下图给出了不同阶数下拟合模型的残差的自相关和偏相关图。可以看到，两列相关系数都落在置信区间内，说明残差序列的各阶自相关函数值和偏相关函数值都显著等于0，符合白噪声的特征。这也进一步反映了AR(7)模型的合理性。 问题三输出结果详解 问题三输出结果详解 （5）模型拟合效果图 最后，下图显示了本实例提出的AR(7)模型预测值与实际值的拟合效果图。从图形来看，除了在初始几天的模型拟合值偏高外，其他时间的模拟拟合效果都较好，这样可以利用该模型进行后续日期的预测。 问题三输出结果详解 第17章 SPSS在金融市场中的应用 17.1 实例提出：美国金融危机下全球股市的波动影响 由于金融市场的传染效应，美国次贷危机已不仅仅影响到本国的股票市场，同时也影响了全球其他国家和地区的股票市场，例如，英国、日本和新加坡市场等。 下图表示了美国、英国、德国、日本、中国香港和新加坡等全球主要股票市场从2007年1月至2008年10月的股票价格日收盘指数。具体数据见17-1.sav所示。 不同国家股票指数走势图 三个问题 请你利用这些数据，分析以下问题： 请建立美国股指波动的数学模型； 请分析美国股指波动对其他国家地区的股票市场造成的影响程度； 请分析不同国家地区股指波动的差异性。 第16章 SPSS在数据挖掘中的应用 16.1 实例提出：168信息点播业务 数据16-1.sav是某月陕西主要地区各类业务的流量数据，数据16-2.sav是该月每天各类业务的流量数据。请利用这些资料分析以下问题： 问题一：请分析在168信息点播服务方面陕西各地区（西安、宝鸡、咸阳等）总流量的差别。 问题二：请指出该月点播业务最好三项栏目，并分析它们之间的流量有无显著性差异。 问题三：请预测该月点播业务最好栏目的长期发展趋势。 16.2 实例的SPSS软件操作详解 问题一操作详解 问题一要求分析在168信息点播服务方面陕西各地区（西安、宝鸡、咸阳等）总流量的差别。由于各地区在股票点播、指数点播等业务上的流量数据差异较大，并没有统一的大小顺序关系，因此可以采用聚类分析研究陕西各地区的总流量差异。 问题一操作详解 Step01：打开数据文件及对话框 打开数据文件16-1sav，选择菜单栏中的【Analyze(分析)】→【Classify(分类)】→【Hierarchical Cluster(系统聚类)】命令，弹出【Hierarchical Cluster Cluster Analysis(系统聚类分析)】对话框。 Step02：选择聚类分析变量 在左侧的候选变量列表框中选择西安、宝鸡、榆林等十个地区变量设定为聚类分析变量，将其添加至【Variables(变量)】列表框中。同时点选【Variable(变量)】单选钮，表示选择聚类对象为指标变量。 Step03：输出聚类数目 在主对话框中单击【Statistics】按钮，弹出相应对话框。点选【Single solution(单一方案)】单选钮，并在【Number of clusters(聚类数)】文本框中键入数字“3”表示利用聚类分析将十个地区分为三类。其他选项保持系统默认，单击【Continue】按钮返回主对话框。 问题一操作详解 Step04：输出聚类图 在主对话框中单击【Plots】按钮，弹出【Plots(绘制)】对话框。勾选【Dendrogram(树状图)】复选框，表示输出样品的聚类树形图。其他选项保