SPSS时间序列分析.pptVIP

第十一章时间序列分析

主要内容11.1时间序列的建立和平稳化11.2指数平滑法11.3ARIMA模型11.4时序序列的季节性分解

11.1时间序列的建立和平稳化11.1.1填补缺失值时间序列分析中的缺失值不能采用通常删除的办法来解决，因为这样会导致原有时间序列周期性的破坏，而无法得到正确的分析结果。按“转换→替换缺失值”打开“替换缺失值”对话框缺失值替换示例

11.1时间序列的建立和平稳化11.1.2定义日期变量定义日期模块可以产生周期性的时间序列日期变量。使用“定义日期”对话框定义日期变量，需要在数据窗口读入一个按某种时间顺序排列的数据文件，数据文件中的变量名不能与系统默认的时间变量名重复，否则系统建立的日期变量会覆盖同名变量。系统默认的变量名有：年份，年份、季度，年份、月份，年份、季度、月份，日，星期、日，日、小时等。按“数据→定义日期”顺序打开“定义日期”对话框定义日期变量示例

11.1时间序列的建立和平稳化11.1.3创建时间序列时间序列分析建立在序列平稳的条件上，判断序列是否平稳可以看它的均数方差是否不再随时间的变化而变化，自相关系数是否只与时间间隔有关而与所处时间无关。在时间序列分析中，为检验时间序列的平稳性，经常要用一阶差分、二阶差分，有时为选择一个合适的时间序列模型还要对原时间序列数据进行对数转换或平方转换等。这就需要在已经建立的时间序列数据文件中，再建立一个新的时间序列变量。按“转换→创建时间序列”顺序打开“创建时间序列”对话框创建时间序列示例

11.1时间序列的建立和平稳化11.1.3创建时间序列时序图举例，按“分析→预测→序列图”顺序打开“序列图”对话框时序图示例

主要内容11.1时间序列的建立和平稳化11.2指数平滑法11.3ARIMA模型11.4时序序列的季节性分解

11.2指数平滑法11.2.1基本概念及统计原理（1）基本概念指数平滑法的思想来源于对移动平均预测法的改进。指数平滑法的思想是以无穷大为宽度，各历史值的权重随时间的推移呈指数衰减，这样就解决了移动平均的两个难题。（2）统计原理

11.2指数平滑法11.2.1基本概念及统计原理（2）统计原理简单模型Holt线性趋势模型

11.2指数平滑法11.2.2SPSS实例分析【例11-4】为了研究上海市的人口情况，某研究小组提取了1978～2004年上海市的人口数据，其中有3个统计指标，即x1：年末人口数（万人），x2：非农业人口数（万人），x3：人口密度（人/平方千米），具体数据如下表所示。试用指数平滑法对上海市的“年末人口数”进行预测分析。年份x1x2x3年份x1x2x319781098.28645.23177619921289.37875.55203419791132.14687.38183019931294.74893.46204219801146.52702.43185419941298.81910.49204819811162.84715.08188019951301.37921.7205219821180.51731.31190819961304.43932.14205719831194.01745.86193019971305.46943.03205919841204.78760.75194819981306.58953.65206119851216.69776.37196719991313.12969.63207119861232.33802.56194420001321.63986.16208419871249.51822.31197120011327.14999.07209319881262.42838.93199120021334.231018.81210419891276.45855.84201320031341.771041.39211619901283.35864.46202420041352.391097.6213319911287.2869.882030

11.2指数平滑法第1步数据组织：将数据组织成4列，一列是“年份”，另外3列是3个人口数据的变量，输入数据并保存。第2步分析：看用指数平滑法处理是否恰当。按11.1.3节所述创建年末人口数的时序图，如下图所示。从此图可以看出，年末人口数呈逐年增加趋势，开始增长较快，然后变慢，近似线性趋势，也可以说呈衰减的线性趋势，或者用指数趋势描述更准确。所以选用指数平滑法进行处理。

11.2指数平滑法第3步