spss(时间序列分析).pptVIP

SPSS与时间序列分析 本章基本内容包括 时间序列简介 时间序列趋势的分解 指数平滑模型 时间序列的一些基本概念和相关图 ARIMA模型及性质 ARIMA模型的拟合 第一节 简介 一、横截面数据与时间序列数据 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，也就是对大体上同时，或者和时间无关的不同对象的观测值组成的数据。 另一个称为时间序列(time series)数据，也就是由同一对象在不同时间的观测值形成的数据。如…… 前面讨论的模型多是和横截面数据有关。本章将讨论时间序列数据的统计分析。 横截面数据也常称为变量的一个简单随机样本，也即假设每个数据都是来自于总体分布的一个取值，且它们之间是相互独立的(独立同分布)。 而时间序列的最大特点是观测值并不独立。时间序列的一个目的是用变量过去的观测值来预测同一变量的未来值。 下面看一个时间序列的数据例子。 例1. 某企业从1990年1月到2002年12月的月销售数据(单位：百万元)储存于SPSS数据文件tssales.sav中。 在该数据文件中，除了销售额变量“sales”以外，还有三个时间变量“year”、“month”和“date”。事实上这三个变量是我们后期通过SPSS操作自动加上去的。 选择SPSS菜单中的“Data = Define D