10.1-SPSS时间序列分析教案.pptVIP

横截面数据时间序列数据 人们对统计数据往往可以根据其特点从两个方面来切入，以简化分析过程。 一个是研究所谓横截面(cross section)数据，也就是对大体上和时间无关的不同对象的观测值组成的数据 时间序列和回归 时间序列分析也是一种回归。 回归分析的目的是建立因变量和自变量之间关系的模型；并且可以用自变量来对因变量进行预测。通常线性回归分析因变量的观测值假定是互相独立并且有同样分布 时间序列的组成部分 从下图可以看出。总的趋势是增长的，但增长并不是单调上升的；有涨有落。但这种升降不是杂乱无章的，和季节或月份的周期有关系。当然，除了增长的趋势和季节影响之外，还有些无规律的随机因素的作用。 时间序列的分解 一个时间序列可能由趋势、季节、循环和随机成分组成，因此： 如果要想对一个时间序列本身进行较深入的研究，要把序列的这些成分分解出来、或者把它们过虑掉。 如果要进行预测，则最好把模型中的与趋势、季节、循环等成分有关的参数估计出来。 时间序列的分解，通过计算机统计软件，可以很轻而易举地得到该序列的趋势、季节和误差成分。 spss分解步骤：分析→预测→季节性分解 时间序列模型理论基础: 指数平滑 如果不仅满足于分解现有的时间序列，想要对未来进行预测，就需要建立模型。这里先介绍比较简单的指数平滑(exponential smoothing)。 指数平滑只能用于纯粹时间