spss培训时间序列分析解析资料.pdf

时间序列分析 � 直观的讲，时间序列是指随时间变化的，具有随机性的， 且前后相互关联的动态数据序列，它是以特定时间间隔而 记录的指定变量的一系列取值。 � 大量的统计指标都是按照年、季、月或日来统计的，随着 时间的推移，就形成了这些统计指标的时间序列。 � 时间系列的分类 � 时域分析 � 频域分析 中科信软高级技术培训中心－ 时间序列的平稳化 � 时间序列数据可以看做是随机过程的一个样本，根据以下 三项判断是否平稳。 � 均值 � 方差不随时间变化 � 自相关系数只能与时间间隔有关，而与所处的具体时刻无 关 中科信软高级技术培训中心－ 非平稳时间序列建模 � 非平稳的确定性因素分析 � 非平稳的随机因素分析 中科信软高级技术培训中心－ 均值非平稳过程 � 均值非平稳过程指随机过程的均值随均值函数的变化而 变化。 � 我们可以引进两种非常有用的均值非平稳过程：确定趋 势模型和随机趋势模型。 � （一）确定趋势模型 � 当非平稳过程均值函数可由一个特定的时间趋势表示 时，一个标准的回归模型曲线可用来描述这种现象。 例如, 若均值µ服从线性趋势, µ =α +αt t t 0 1 则原序列可用确定的有趋势模型表示如下: x =α +αt+ y t 0 1 t 其中: y是一个零均值的平稳过程,可以用 t 前面介绍的ARMA模型来描述. 对二次均值函数, µ =α +αt+α t2 t 0 1 2 原序列可用下式表示: 2 x =α +αt+α t + y t 0 1 2 t 此外，均值函数还可能是指数函数、 — — 正弦——余弦波函数等，这些模型都可 以通过标准的回归分析处理。 μ μ 处理方法是先拟合出μμ 的具体形式， t t tt y ={x μ } y ={x μ } 然后对残差序列yy =={{xx － μμ }}按平稳 t t t t t t tt tt tt 过程进行分析和建模。 � （二）随机趋势模型 � 随机趋势模型又称齐次非平稳ARMA模型。 非平稳序列的确定性分析 时间序列的分解 � Wold分解定理 � Cramer分解定理