時間序列2007版本x-投影片1.pptx

時間數列分析(Time Series Analysis);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 ;主要內容;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);SPSS的時間數列功能彙總表;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;建立時間數列;Create Time Series對話框 ;時間數列分析;轉換成功後的SPO檔輸出內容;時間數列分析;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。;定義日期;時間數列分析;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);Sequence Charts對話框;經濟成長率與每人GNP的數列圖 ;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;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列與挪n期後的時間數列之相關係數。 自我相關圖形是時間數列分析不可或缺的工具之一。 所謂n次的偏自我相關(PACF)是去除第1期到n－1期影響之後的相關係數。;Autocorrelations對話框 ;時間數列分析;ACF輸出結果(2/3);ACF輸出結果(3/3);PACF輸出結果;時間數列分析;每人GNP與DIFF(GNP,2)的ACF圖與PACF值圖(1/4);每人GNP與DIFF(GNP,2)的ACF圖與PACF值圖(2/4);每人GNP與DIFF(GNP,2)的ACF圖與PACF值圖(3/4) ;每人GNP與DIFF(GNP,2)的ACF圖與PACF值圖(4/4) ;五、交叉相關圖(Cross-Correlations);Cross-Correlations對話框 ;時間數列分析;CCF輸出結果(2/2);時間數列分析;時間數列分析;輸出結果;七、指數平滑法(Exponential Smoothing);Exponential Smoothing主對話框;Custom Model子對話框 ;Parameters子對話框 ;Save子對話框 ;輸出結果;實際值與預測值的比較圖;每人GNP的實際值與預測值的序列圖 ;時間數列分析;Autoregression對話框;儲存和選項對話框;輸出結果;每人GNP的實際值與預測值的序列圖;時間數列分析;ARIMA建立模式的基本步驟 ;ARIMA對話框 ;儲存和選項對話框;時間數列分析;殘差分析;ARIMA(1,2,1)與ARIMA(1,2,2)的ACF圖比較(1/2);ARIMA(1,2,1)與ARIMA(1,2,2)的ACF圖比較(2/2);十、季節分解模式(Seasonal Decomposition) ;Seasonal Decomposition對話框;輸出結果;季節分解的序列圖 ;實例操作;實例操作-資料內容;實例操作-使用方法