【SPSS看统计学】之时间序列预测.docxVIP

欢迎下载 欢迎下载 PAGE # 时间序列预测技术 F面看看如何采用 SPSS软件进行时间序列的预测 我们通过案例来说明： 假设我们拿到一个时间序列数据集： 某男装生产线销售额。一个产品分类销售公司会根据过 去10年的销售数据来预测其男装生产线的月销售情况。 icsfc r s awI级携無1 ] PAST Si LstxcE icsfc r s aw 艾样? hm? 刑? xw 我用耀序助 ■口回 稲 Ma7210310TO 03 Man 105 1724211 102 17579 72 103 10TO 03 1D4 1875B56 10$ 3245.18 底 j ?324l 04 107 22452. 33 103 303 59 109 22328 30 HQ 17719 90 nt 19408 95 H2 141G9 61 113 19316 :u i 曲0169 its 16531 16 lib 30206.17 [_117 2^467 31 ii 23G0200 H9 24269 32 305C9?6 RQtR) HS呃 和」貯虫[势栢也.一 铉期耳心 IfilftlS制创 B尺g就團?“ AfVip^ : 7 -.创建櫃劉口 9」羣书性号?餌 同SKI分析① 冏尊列的. €1目梱芜 现在我们得到了 10年120个历史销售数据，理论上讲，历史数据越多预测越稳定，一般也 要24个历史数据才行！ 大家看到，原则上讲数据中没有时间变量， 实际上也不需要时间变量，但你必须知道时间的 起点和时间间隔。 当我们现在预测方法创建模型时，记住：一定要先定义数据的时间序列和标记! 这时候你要决定你的时间序列数据的开始时间，时间间隔，周期！ 在我们这个案例中， 你要 决定季度是否是你考虑周期性或季节性的影响因素， 软件能够侦测到你的数据的季节性变化 因子。 :i!定宣曰期年份年你爭虞 年你月份 :i!定宣曰期 年份 年你爭虞 年你月份 年份、舉度、月恰 a 日 星期■天⑸ 星期-天同 小时 日*小时 第秦気（D： 更高額剔的周期 年- Quoo | 季度.1 4 月： 1 12 当前吕期 无 确定」，盍豊o]理消”帮Bh [ 定义了时间序列的时间标记后， 数据集自动生成四个新的变量： YEAR、QUARTER、MONTH 和DATE （时间标签）。 接下来：为了帮我们找到适当的模型，最好先绘制时间序列。时间序列的可视化检查通常可 以很好地指导并帮助我们进行选择。另外，我们需要弄清以下几点： ?此序列是否存在整体趋势？如果是，趋势是显示持续存在还是显示将随时间而消逝？ ?此序列是否显示季节变化？如果是，那么这种季节的波动是随时间而加剧还是持续稳定存 在？ 践宾哄?星 Ti 皿疥昭 科扫企理v gpci f 11.. 啦乐旺I■眇Stm-nisj. 啦乐旺I■眇 Stm-nisj. 曰輿;I：』斟① ：■ 3KHOOOHwneDorrfriyo* Also- 8 88 s - g ■fcly?^ 善 i^-1Msrtei as3S 3KHOOOH wneDor rfriyo* Also- 8 88 s - g ■fcly?^ 善 i^-1 Ms rtei as 3S f Ms Ttf US 我们看到：此序列显示整体上升趋势，即序列值随时间而增加。上升趋势似乎将持续， 即为 线性趋势。此序列还有一个明显的季节特征， 即年度高点在十二月。季节变化显示随上升序 列而增长的趋势，表明是乘法季节模型而不是加法季节模型。 此时，我们对时间序列的特征有了大致的了解， 便可以开始尝试构建预测模型。 时间序列预 测模型的建立是一个不断尝试和选择的过程。 了三大类预测方法：1-专家建模器，2-指数平滑法，3-ARIMA ?U1简 ?U1简 3 fwl jMnamc |YE?fl」 !m#n： 乙 CMJWTER.gAiddi pumTEftJ J 1 WON-H Period i - 5W-fJTr+J * * 用罰：■一叩片尊 鶴 1 : lfi-T-TT 乜三J叫］|皿〔吨匡； ?指数平滑法 指数平滑法有助于预测存在趋势和 /或季节的序列，此处数据同时体现上述两种特征。创建 最适当的指数平滑模型包括确定模型类型（此模型是否需要包含趋势和 /或季节），然后获 取最适合选定模型的参数。 1-简单模型预测（即无趋势也无季节） 首先我们采用最为简单的建模方法， 就是简单模型，这里我们不断尝试的目的是让大家熟悉 各种预测模型，了解模型在什么时候不适合数据， 这是成功构建模型的基本技巧。 我们先不 讨论模型的检验，只是直观的看一下预测模型的拟合情况， 最后我们确定了预测模型后我们 再讨论检验和预测值。 HE整