時間序列2007版本x 投影片1.pptxVIP

時間數列分析(Time Series Analysis)主持人：謝邦昌 教授演講主持人謝邦昌 教授學歷國立臺灣大學農藝所 生物統計組博士主要經歷現任：輔仁大學統計資訊學系暨應用統計所 教授 中華資料採礦協會 理事長 中國統計學社 理事曾任：輔仁大學進修成長學院院長 輔仁大學總務長 中華資料採礦協會秘書長 南開大學資訊科學與概率統計顧問 輔仁大學統計系系主任 時間數列分析主要內容理解時間數列分析的原理及與迴歸分析的差異。探討如何建立各種時間數列圖形，如序列圖、ACF圖、CCF圖、光譜圖。探討如何進行時間數列分析方法，如指數平滑、字我迴歸、ARIMA模式等。時間數列分析時間數列分析一、建立時間數列(Create Time Series)二、定義日期(Define Dates)三、數列圖(Sequence Chart)四、自我相關圖(Autocorrelations)五、交叉相關圖(Cross-Correlations)六、光譜分析圖(Spectral)七、指數平滑法(Exponential Smoothing)八、自我迴歸法(Autoregression)九、 ARIMA模式(ARIMA)十、季節分解(Seasonal Decomposition)時間數列分析SPSS的時間數列功能彙總表時間數列分析一、建立時間數列(Create Time Series)從Function框中，在所有可能的轉換功能中，選擇所需的轉換功能，如本範例的差分（Difference）。必須在Name and Function框中設定轉換後的新變數名稱，如本例的「台灣經濟成長率_差分」。Order本例設為2，代表差分二期，亦即新數列為時間數列分析建立時間數列時間數列分析Create Time Series對話框 在這裡選擇函數和變更名稱時間數列分析轉換功能選擇項 Function框中，可得到所有的轉換功能，除差分外，還有週期性差分(Seasonal Difference)、移動均數的中心(Centered moving average)、事前移動均數(Prior moving average)、可動中位數(Running medians)、累積總和(Cumulative sum)、Lag、前導(Lead)與平滑化(Smoothing)。 時間數列分析轉換成功後的SPO檔輸出內容時間數列分析三次轉換後所產生的三個新時間數列原始的資料轉換後的資料時間數列分析二、定義日期(Define Dates)時間數列的特點乃是將觀察值依時間排序。在SPSS需要定義時間變數，只有在定義時間變數之後，SPSS才承認該數列的週期等時間特性。在數據輸入時僅需輸入每個時間點上的具體數值，在數據輸入時即使直接輸入時間變數，SPSS也不會自動認為它們是時間變數，因而無法進行時間數列分析。時間數列分析定義日期時間數列分析Define Dates對話框在這裡輸入第一個起始時間在這裡選擇時間類型時間數列分析三、數列圖(Sequence Chart)SPSS提供繪圖工具以觀察時間數列，包含數列圖(Sequence Chart)自我相關／偏自我相關圖(Autocorrelation Function/Partial Autocorrelation Function，ACF/PACF)交叉相關圖(Cross Correlation Function/CCF)光譜圖(Spectral Chart)時間數列分析Sequence Charts對話框在此放入想要觀察的變數在此放入時間軸的變數在此選擇想要對變數做的轉換時間數列分析經濟成長率與每人GNP的數列圖 時間數列分析資料的定態化許多時間數列分析是建立在定態化數列（stationary series，或稱平穩化數列）上，一個定態數列是指，分值（或稱方差）的變化很穩定並不隨時間變化，且自我相關與時間間隔（如季或月）的週期變化有關但與所處時間無關。從觀察圖發現，兩變數的數列圖中，經濟成長率有往右下的趨勢，而每人GNP_US有往右上的趨勢，由此可知兩變數均為非定態。故必須到Transform功能中選取Difference，填入Lag數字1之後按確定。並將所得到新時間數列再次進行數列圖分析，如下圖所示。但每人GNP仍然有不平穩的趨勢，故必須再到Transform取二次差分。時間數列分析時間數列分析經濟成長率與每人GNP_US一次差分後的數列圖 時間數列分析經濟成長率與每人GNP_US二次差分後的數列圖 取二次差分後，發現經濟成長率與取一次差分相比變化不大，而每人GNP的趨勢已大致消除。時間數列分析四、自我相關圖(Autocorrelations)自我相關(ACF)，分為第1期、第2期...第n期的自我相關係數，，，第n期的自我相關係數乃是指原始時間數