统计分析解析软件基础教程教本xxxx-09(时间序列预测).pptVIP

时间序列 时间序列是指按观测时间顺序记录的观测结果. 时间序列的预测 时间序列预测的关键是对其建立合适的模型. 用于时间序列预测的模型通常是如下的关系式： 数据变异 = 可预测分量 + 随机分量 可预测分量就是可以对其进行预测的部分， (纯)随机分量就是无法进行预测的部分, 也是预测的误差. 建模就是对可预测分量建立模型. 进入菜单系统 时间序列建模 Forecasting菜单系统拟合三大类模型： 回归模型 平滑化模型 ARIMA模型(AutoRegressive Integrated Moving Average 积分自回归移动平均模型) 时间序列建模 使用菜单自动生成模型 菜单的模型自动生成适合于： 拟合回归与平滑化模型 多个序列的批作业 提供与手动生成模型进行比较的客观基础 数据准备 用SAS/ETS 对时间序列数据进行预测，要求数 据集中：有一个表示时间的变量(也可是序号)。 Forecasting系统缺省地将 Date命名的变量作 为时间变量。 表示时间的变量的值是等间隔递增的。菜单和 编程都能生成和检测这一点。用于分析的变量置于 其它的变量之中。 拟合ARIMA模型--平稳性 平稳性意味着时间序列不同时间的均值和方差 是不变的，不同时间点间的相关只依赖时间差 为了从时间序列的数据来了解它的平稳性,