SPSSAU_计量经济研究_ARIMA预测.pdf

SPSSAU-在线SPSS分析软件

SPSS分析SPSS教程arima模型移动平均自回归模型时间序列网页在线SPSSSPSSAU

ARIMA模型分析

Contents

1背景2

2理论2

3操作3

4SPSSAU输出结果3

5文字分析3

6剖析5

ARIMA模型（移动平均自回归模型），其是最常见的时间序列预测分析方法。利用历史数据

可以预测前来的情况。ARIMA模型可拆分为3项，分别是AR模型，I即差分，和MA模型。

SPSSAU智能地找出最佳的AR模型，I即差分值和MA模型，并且最终给出最佳模型预测结果，

SPSSAU智能找出最佳模型的原理在于利用AIC值最小这一规则，遍历出各种可能的模型组合

进行模型构建，并且结合AIC最小这一规则，最终得到最佳模型。

当然，研究人员也可以自行设置AR模型，差分阶数和MA模型，即分别设置自回归阶数

p，差分阶数d值和移动平均阶数q，然后进行模型构建。至于自回归阶数p，差分阶数d值和移

动平均阶数q值应该设置多少合适，建议研究人员分别使用偏(自)相关图进行分析（SPSSAU也

智能提供p值或q值建议），以及使用ADF检验分析得出合适的差分阶数d值（SPSSAU也智能

提供最佳差分阶数d值建议）。

特别提示：

SPSSAU默认智能地找出最佳的ARIMA模型并且进行预测。

如果研究人员自己设置自回归阶数p，差分阶数d值和移动平均阶数q这3个参数，

SPSSAU则按照研究人员设置进行模型构建。

SPSSAU-在线SPSS分析软件

ARIMA模型案例

Contents

1背景2

2理论2

3操作3

4SPSSAU输出结果3

5文字分析3

6剖析5

1背景

当前已经有阿里“双十一”历年（2009~2019年）的销售数据，现希望通过历史数据预测2020

年阿里“双十一”的销售额情况。数据如下：

年份阿里双十一销售额（亿元）

20090.5

20109.36

201152

2012191

2013350

2014571

2015912

20161207

20171682.69

20182135

20192684

特别提示：

时间序列的数据格式上，一定是时间从上至下递增，而且不能有间隔，比如2015，2017，

2018这种数据少了2016，这类数据不能称为时间序列数据。

时间序列的单位一般是年，比如我国历年的