SPSSAU_计量经济研究_季节Sarima.pdf

SPSSAU-在线SPSS分析软件

季节性arima模型sarima模型移动平均自回归模型时间序列SPSSAU

季节Sarima模型分析

Contents

1背景3

2理论4

3操作4

4SPSSAU输出结果4

5文字分析4

6剖析7

季节性Sarima模型，其是在arima模型（移动平均自回归模型）基础上多出一个季节性

（seasonal）。比如某旅游景点的销售额数据，每年中有夏天的6/7/8共3月为旺季，但是其它时

间是淡季，但每年整体的销售额均呈现出一定逐步上升趋势。在模型构建时就需要考虑该周期性

因素，即此处的周期值S=12（1年为12月）。Sarima模型正是处理此类带有明显周期性的时间

序列数据而生，其它理论内容与arima基本一致。除开上述中的参数值即周期值S=12，Sarima模

型还涉及另外3个参数值即P/D/Q，此这3个参数值与arima模型的p/d/q意义保持一致。具体

细节内容可参见SPSSAU中arima帮助手册。

对于Sarima模型的构建时，建议有三种方法。1是SPSSAU自动化法，即设置好周期S值

后，另外p/d/q/P/D/Q共6个参数值由系统自动寻优找到；2是半自动法，研究者可试图先找出

一些可能的参数值模型，然后记录下该模型的AIC/BIC/均方根误差RMSE指标，并且针对多个

模型进行对比，AIC/BIC这两个信息准则值越小意味着模型越优，类似地均方根误差RMSE指

标表示模型残差的平均gap值，该指标也是越小越好，对比多个潜在模型然后先出最优模型；3

是纯手工建模法，即分别找到差分参数值d/D值，以及结合偏自相关图主动判断得到p/q/P/Q四

个参数值，相对来看，纯手工建模法较为复杂且带有较强的主观性，并且在Sarima模型时有时

候数据量较小导致无法有效的观察得到P/Q参数值等，因而建议研究者直接使用自动化法，也或

者半自动法建模。

关于手工建模法，其有着一定的主观性且其并没有固定的分析流程，SPSSAU建议研究者可

按下述步骤进行模型构建，分别如下：

Step说明

Step1结合图和专业知识，得到周期值S

Step2进行‘周期差分’，即D=1或者0

Step3判断是否平稳，如果平稳则d=0，不平稳做差分直至平稳，此时差分阶数值即为d值

Step4基于第3步后的数据，结合ACF/PACF图，判断p和q值

Step5基于第3步后的数据，结合ACF/PACF图，判断P和Q值，查看阶数的时候需要查

看‘滞后阶数/S’（比如S=12，那么滞后阶数12其实是季节性的滞后1阶）

首先需要知道S值即季节性周期值，正常情况下专业角度可以确定好，如果无法确定建议使

用‘时序图’直观查看和判断周期值。接着进行周期差分即得到D值，正常情况下D值为1或者0

SPSSAU-在线SPSS分析软件

即可（0是指不做季节性差分），如果D值过大会导致模型过于复杂且准确性下降（经验法则得

到）。接着基于第2步后，得到新的数据（可使用SPSSAU生成变量功能进行季节性差分）进行

平稳性判断和分析（时序图或者单位根检验），继而得到d值。接着基于3步之后数据，进行判

断p/q/P/Q值，需要注意的是p值和q值需要在一个周期S范围内观察，而P/Q值的判断和观察

应该基于第i时刻，第i+S时刻，第i+2S，第i+3S依次下去时刻的滞后阶数去判断P/Q值。以

及多数情况下P/Q值应该尽量小，原因在于时间序列数据通常较少且P/Q值过大时，其对当前

数据的预测作用减弱。在得到各个参数值后，主动设置参数值进行分析，得到预测结果等。

SPSSAU-在线SPSS分析软件

季节Sarima案例

Contents

1背景3

2理论4

3操作4

4