季节性ARIMA(SARIMA)模型结果解读：含季节效应的时间序列预测.docxVIP

季节性SARIMA模型结果解读

季节性SARIMA模型（SeasonalARIMA，简称SARIMA）是在经典ARIMA模型基础上引入季节性成分的时间序列建模方法。SARIMA模型通过同时考虑非季节性的自回归阶数(p,d,q)和季节性的自回归阶数(P,D,Q)以及季节周期S，能够有效地拟合具有明显季节性波动特征的时间序列数据。模型的完整记号为SARIMA(p,d,q)×(P,D,Q)_S，其中p、d、q分别表示趋势成分的自回归阶数、差分阶数和移动平均阶数，P、D、Q分别表示季节成分的对应阶数，S为季节周期长度。

SARIMA模型适用于具有明显季节性波动的月度或季度时间序列数据，如月度销售额、季度GDP、月度气温等。当数据同时包含趋势性和季节性特征时，SARIMA模型能够通过差分运算消除趋势和季节性成分，再利用自回归和移动平均结构捕捉序列的相依性。本研究借助SPSSAU软件，采用自动模型构建方式，对具有季节性特征的时间序列数据进行SARIMA建模分析。

在SPSSAU【计量经济研究】模块选择【季节Sarima】，将变量拖拽至右侧对应分析框，输入S值，操作如下图：

一、SARIMA模型参数设置

表1展示了SPSSAU软件自动识别并构建的SARIMA模型参数配置。非季节性部分参数为p=0、d=0、q=1，即非季节性成分采用MA(1)结构，无需差分。季节性部分参数为P=3、D=1、Q=0