category39妈妈杯大数据数学建模.docxVIP

分析流程

数据源：

350个品类的库存量-副本-category222.xlsx

算法配置：

算法：单位根检验(ADF)

变量：时间序列数据：{库存量}；时间项：{月份}

分析结果：

单位根检验(ADF)用于分析时间序列是否平稳：基于变量库存量：在差分为2阶时，显著性P值为0.013**，水平上呈现显著性，拒绝原假设，该序列为平稳的时间序列。

分析步骤

1.通过分析t值，分析其是否可以显著地拒绝序列不平稳的原假设(P0.05)。

2.若呈显著性，表明拒绝序列不平稳的原假设，该序列为一个平稳的时间序列。

3.若不呈显著性，表明不能拒绝序列不平稳的原假设，该序列为一个不平稳的时间序列，考虑对数据进行差分，一般不超过二阶差分。

详细结论

输出结果1：ADF检验表

ADF检验表

变量

差分阶数

t

P

AIC

临界值

1%

5%

10%

库存量

0

-1.612

0.477

107.647

-4.665

-3.367

-2.803

1

0.739

0.991

89.956

-6.045

-3.929

-2.987

2

-3.339

0.013**

90.137

-6.045

-3.929

-2.987

注：***、**、*分别代表1%、5%、10%的显著性水平

图表说明：

上表格为ADF检验的结果，包括变量、差分阶数、T检验结果、AIC值等，用于检验时间序列是否平稳。

●该模型要求序列必须是平稳的时间序列数据。通过分析t值，分析其是否可以显著地拒绝序列不平稳的原假设。

●若呈现显著性(P0.05)，则说明拒绝原假设，该序列为一个平稳的时间序列，反之则说明该序列为一个不平稳的时间序列。

●临界值1%、5%、10%不同程度拒绝原假设的统计值和ADFTestresult的比较，ADFTestresult同时小于1%、5%、10%即说明非常好地拒绝该假设。

●差分阶数：本质上就是下一个数值，减去上一个数值，主要是消除一些波动使数据趋于平稳，非平稳序列可通过差分变换转化为平稳序列。

●AIC值：衡量统计模型拟合优良性的一种标准，数值越小越好。

●临界值：临界值是对应于一个给定的显着性水平的固定值。

智能分析：

该序列检验的结果显示，基于变量库存量，在差分为2阶时，显著性P值为0.013**，水平上呈现显著性，拒绝原假设，该序列为平稳的时间序列。

输出结果2：原始序列图

图表说明：

上图展示了未进行差分的原始图。其中X轴代表时间项，Y轴代表数值。

●图示最大仅显示前10000个样本量信息，若需要完整数据图请导出数据自行重新绘制。

输出结果3：一阶差分图

图表说明：

上图展示了进行一阶差分的结果图。当时间间距相等时，用下一个数值，减去上一个数值，得到一阶差分。

●图示最大仅显示前10000个样本量信息，若需要完整数据图请导出数据自行重新绘制。

输出结果4：二阶差分图

图表说明：

上图展示了进行二阶差分的结果图。做两次相同的动作，即再在一阶差分的基础上用后一个数值再减上一个数值一次，就叫“二阶差分”。

●图示最大仅显示前10000个样本量信息，若需要完整数据图请导出数据自行重新绘制。

参考文献

[1]?ScientificPlatformServingforStatisticsProfessional2021.SPSSPRO.(Version1.0.11)[OnlineApplicationSoftware].?Retrievedfrom.

[2]?王燕．应用时间序列分析[M]．北京：中国人民大学出版社2005.