《时间序列分析697915885》课件.pptVIP

* SPSS的实现:ARIMA(p,d,q)(P,D,Q)s模型拟合 选择Analyze－Time Series－ARIMA，然后把数据中的时间序列选入Dependent(在数据AR1.sav中,选Z,对数据tssales.sav时选sales,而对数据tsadds2.sav时选sales),对于Independent,仅在使用数据tsadds2.sav时选了adds。 在Model的第一列为ARIMA(p,d,q)(P,D,Q)s模型的前三个参数(p,d,q),第二列(sp,sd,sq)为ARIMA(p,d,q)(P,D,Q)s模型的后三个参数(P,D,Q)。这样只要选定我们所希望尝试的模型参数即可。 周期s由于在定义序列时已经有了(见对话框中注明的Current Periodicity后面的数字),就不用另外输入了。在输出的变量中有误差和拟合(预测)的序列，在输出文件中还有各个参数和一些判别准则等。。 * 公式：指数平滑模型 这些模型中有a，g，d，f为待估计参数，g＝0意味着斜率为常数（趋势无变化），而d＝0意味着没有季节成分，f和减幅趋势有关；对于时间序列Xt，趋势、光滑后的序列、季节因子和预测的序列分别用Tt、St、It 和 表示；另外，p表示周期，et为残差 * 指数平滑模型:线性趋势可加季节模型（Linear trend, additive seasona