SPSS課件第11章

1、 第第11章章 SPSS在時(shí)間序列預(yù)在時(shí)間序列預(yù)測(cè)中的應(yīng)用測(cè)中的應(yīng)用 時(shí)間序列分析時(shí)間序列分析(Time Series Analyze)是概率統(tǒng)計(jì)學(xué)科中應(yīng)是概率統(tǒng)計(jì)學(xué)科中應(yīng)用性較強(qiáng)的一個(gè)分支，在金融經(jīng)濟(jì)、氣象水文、信號(hào)用性較強(qiáng)的一個(gè)分支，在金融經(jīng)濟(jì)、氣象水文、信號(hào) 處理、處理、機(jī)械振動(dòng)等眾多領(lǐng)域有從所采用的數(shù)學(xué)工具和理論，機(jī)械振動(dòng)等眾多領(lǐng)域有從所采用的數(shù)學(xué)工具和理論，時(shí)間序列分析分為時(shí)域分析和譜分析兩大類分析方法時(shí)間序列分析分為時(shí)域分析和譜分析兩大類分析方法 預(yù)測(cè)的流程通?？梢杂孟聢D來描述預(yù)測(cè)的流程通?？梢杂孟聢D來描述 11.1 時(shí)間時(shí)間序列的預(yù)處預(yù)處理 11.1.1預(yù)處預(yù)處理的基本原理 1.

2、使用目的 通過預(yù)處理，一方面能夠使序列的隨通過預(yù)處理，一方面能夠使序列的隨“時(shí)間時(shí)間”變化的、變化的、“動(dòng)態(tài)動(dòng)態(tài)”的特征體現(xiàn)得更加明顯，利用模型的選擇；另一方面也使得數(shù)的特征體現(xiàn)得更加明顯，利用模型的選擇；另一方面也使得數(shù)據(jù)滿足與模型的要求。據(jù)滿足與模型的要求。 2.基本原理數(shù)據(jù)采樣數(shù)據(jù)采樣采樣的方法通常有直接采樣、累計(jì)采樣等。采樣的方法通常有直接采樣、累計(jì)采樣等。 直觀分析直觀分析時(shí)間序列的直觀分析通常包括離群點(diǎn)的檢驗(yàn)和處理、缺損值的時(shí)間序列的直觀分析通常包括離群點(diǎn)的檢驗(yàn)和處理、缺損值的補(bǔ)足、指標(biāo)計(jì)算范圍是否統(tǒng)一等一些比較簡(jiǎn)單的，可以采用比補(bǔ)足、指標(biāo)計(jì)算范圍是否統(tǒng)一等一些比較簡(jiǎn)單的，可以采用

3、比較簡(jiǎn)單手段處理的分析。較簡(jiǎn)單手段處理的分析。 特征分析特征分析所謂特征分析就是在對(duì)數(shù)據(jù)序列進(jìn)行建模之前，通過從時(shí)間序所謂特征分析就是在對(duì)數(shù)據(jù)序列進(jìn)行建模之前，通過從時(shí)間序列中計(jì)算出一些有代表性的特征參數(shù)，用以濃縮、簡(jiǎn)化數(shù)據(jù)信列中計(jì)算出一些有代表性的特征參數(shù)，用以濃縮、簡(jiǎn)化數(shù)據(jù)信息，以利數(shù)據(jù)的深入處理，或通過概率直方圖和正態(tài)性檢驗(yàn)分息，以利數(shù)據(jù)的深入處理，或通過概率直方圖和正態(tài)性檢驗(yàn)分析數(shù)據(jù)的統(tǒng)計(jì)特性。通常使用的特征參數(shù)有樣本均值、樣本方析數(shù)據(jù)的統(tǒng)計(jì)特性。通常使用的特征參數(shù)有樣本均值、樣本方差、標(biāo)準(zhǔn)偏度系數(shù)、標(biāo)準(zhǔn)峰度系數(shù)等。差、標(biāo)準(zhǔn)偏度系數(shù)、標(biāo)準(zhǔn)峰度系數(shù)等。相關(guān)分析相關(guān)分析所謂相關(guān)分析就是測(cè)定

4、時(shí)間序列數(shù)據(jù)內(nèi)部的相關(guān)程度，給出相所謂相關(guān)分析就是測(cè)定時(shí)間序列數(shù)據(jù)內(nèi)部的相關(guān)程度，給出相應(yīng)的定量度量，并分析其特征及變化規(guī)律。應(yīng)的定量度量，并分析其特征及變化規(guī)律。理論上，自相關(guān)系數(shù)序列與時(shí)間序列具有相同的變化周期所理論上，自相關(guān)系數(shù)序列與時(shí)間序列具有相同的變化周期所以，根據(jù)樣本自相關(guān)系數(shù)序列隨增長(zhǎng)而衰減的特點(diǎn)或其周期變以，根據(jù)樣本自相關(guān)系數(shù)序列隨增長(zhǎng)而衰減的特點(diǎn)或其周期變化的特點(diǎn)判斷序列是否具有平穩(wěn)性，識(shí)別序列的模型，從而建化的特點(diǎn)判斷序列是否具有平穩(wěn)性，識(shí)別序列的模型，從而建立相應(yīng)的模型。立相應(yīng)的模型。3.其他注意事項(xiàng)項(xiàng) 進(jìn)行時(shí)間序列預(yù)處理的時(shí)候，常常需要對(duì)數(shù)據(jù)一些變換，例如，進(jìn)行時(shí)間序列

5、預(yù)處理的時(shí)候，常常需要對(duì)數(shù)據(jù)一些變換，例如，取對(duì)數(shù)，做一階差分，做季節(jié)差分等。取對(duì)數(shù)，做一階差分，做季節(jié)差分等。11.1.2 時(shí)間時(shí)間序列預(yù)處預(yù)處理的SPSS操作詳詳解 Step01:數(shù)數(shù)據(jù)準(zhǔn)備備 選擇菜單欄中的選擇菜單欄中的【Data(數(shù)據(jù)數(shù)據(jù))】【Define Dates(定義日期定義日期)】命命令，彈出令，彈出【Define Dates(定義日期定義日期) 】對(duì)話框?qū)υ捒?。如果選擇月度數(shù)據(jù)或季度數(shù)據(jù)，將會(huì)出現(xiàn)如果選擇月度數(shù)據(jù)或季度數(shù)據(jù)，將會(huì)出現(xiàn)【Periodicity at higher level(更高級(jí)別的周期更高級(jí)別的周期)】。在其下方將顯示數(shù)據(jù)的最大周期長(zhǎng)度，月。在其下方將顯示數(shù)

6、據(jù)的最大周期長(zhǎng)度，月度數(shù)據(jù)默認(rèn)周期長(zhǎng)度為度數(shù)據(jù)默認(rèn)周期長(zhǎng)度為12，季度數(shù)據(jù)默認(rèn)周期長(zhǎng)度為，季度數(shù)據(jù)默認(rèn)周期長(zhǎng)度為4。單擊單擊【OK(確認(rèn)確認(rèn))】按鈕，此時(shí)完成時(shí)間的定義，按鈕，此時(shí)完成時(shí)間的定義，SPSS將在當(dāng)前數(shù)據(jù)將在當(dāng)前數(shù)據(jù)編輯窗口中自動(dòng)生成標(biāo)志時(shí)間的變量。編輯窗口中自動(dòng)生成標(biāo)志時(shí)間的變量。Step02：數(shù)數(shù)據(jù)采樣樣選擇菜單欄中的選擇菜單欄中的【Data(數(shù)據(jù)數(shù)據(jù))】【Select Cases(選擇個(gè)案選擇個(gè)案)】命令，命令，彈出彈出【Select Cases(選擇個(gè)案選擇個(gè)案)】對(duì)話框。對(duì)話框。Step03：直觀觀分析當(dāng)數(shù)據(jù)準(zhǔn)備好，為認(rèn)識(shí)數(shù)據(jù)的變化規(guī)律，判斷數(shù)據(jù)是否存在離當(dāng)數(shù)據(jù)準(zhǔn)備好，為

7、認(rèn)識(shí)數(shù)據(jù)的變化規(guī)律，判斷數(shù)據(jù)是否存在離群點(diǎn)和缺損值，最直接的觀察方法是繪制序列的圖像。群點(diǎn)和缺損值，最直接的觀察方法是繪制序列的圖像。選擇菜單欄中的選擇菜單欄中的【Data(數(shù)據(jù)數(shù)據(jù))】【Forecasting(預(yù)測(cè)預(yù)測(cè))】【Sequence Charts(序列圖序列圖)】命令，彈出命令，彈出【Sequence Charts(序列圖序列圖)】對(duì)話框。對(duì)話框。Step04：特征分析選擇菜單欄中的選擇菜單欄中的【Data(數(shù)據(jù)數(shù)據(jù))】【Graphs(圖形圖形)】【Chart Builder(圖表構(gòu)建程序圖表構(gòu)建程序)】命令，彈出命令，彈出【Chart Builder(圖表構(gòu)建程序圖表構(gòu)建程序)】對(duì)

8、話框。對(duì)話框。在在【Gallery(庫庫)】選項(xiàng)卡中選擇選項(xiàng)卡中選擇【Histogram(直方圖直方圖)】，并將直方圖形，并將直方圖形拖入拖入【 Chart preview uses example data(圖預(yù)覽使用實(shí)例數(shù)據(jù)圖預(yù)覽使用實(shí)例數(shù)據(jù)) 】下方下方的白色區(qū)域，然后將所需要畫直方圖的變量拖入的白色區(qū)域，然后將所需要畫直方圖的變量拖入X軸，單擊軸，單擊【OK(確認(rèn)確認(rèn))】按鈕就畫出直方圖了，圖中將顯示該變量的均值、方差、樣本容量。按鈕就畫出直方圖了，圖中將顯示該變量的均值、方差、樣本容量。Step05 ：相關(guān)關(guān)分析選擇菜單欄中的選擇菜單欄中的【Analyze(分析分析)】【Foreca

9、sting(預(yù)測(cè)預(yù)測(cè))】【Autocorrelations(自相關(guān)自相關(guān))】命令，彈出命令，彈出【Autocorrelations(自相關(guān)自相關(guān))】對(duì)話框。對(duì)話框。在左側(cè)的候選變量列表框中選擇一個(gè)變量，將其移入在左側(cè)的候選變量列表框中選擇一個(gè)變量，將其移入【Variables(變變量量)】列表框中。列表框中。單擊單擊【Options】按鈕，彈出按鈕，彈出【Options(選項(xiàng)選項(xiàng))】對(duì)話框。對(duì)話框。11.1.3 實(shí)實(shí)例圖圖文分析：社會(huì)會(huì)商品零售總總額額的預(yù)處預(yù)處理1. 實(shí)實(shí)例內(nèi)內(nèi)容為了分析社會(huì)商品零售總額的變動(dòng)趨勢(shì)，收集了我國(guó)為了分析社會(huì)商品零售總額的變動(dòng)趨勢(shì)，收集了我國(guó)2000年年1月到月到

10、2010年年5月社會(huì)商品零售總額的數(shù)據(jù)，現(xiàn)在對(duì)數(shù)據(jù)進(jìn)行時(shí)間序列的預(yù)月社會(huì)商品零售總額的數(shù)據(jù)，現(xiàn)在對(duì)數(shù)據(jù)進(jìn)行時(shí)間序列的預(yù)處理。處理。2 實(shí)實(shí)例操作Step01：數(shù)數(shù)據(jù)準(zhǔn)備輸備輸入社會(huì)會(huì)商品零售總額總額的數(shù)數(shù)據(jù)，然后選擇選擇菜單欄單欄中的【Data(數(shù)數(shù)據(jù))】【Define Dates(定義義日期)】命令，彈彈出【Define Dates(定義義日期) 】對(duì)話對(duì)話框，選擇選擇【Years, month(年，月)】選項(xiàng)選項(xiàng),并并在【First Case is 】選項(xiàng)組選項(xiàng)組的【Year(年)】文本框中輸輸入“2000”，在【month(月)】文本框中輸輸入“1” 。Step02：標(biāo)標(biāo)志時(shí)間時(shí)間的變變

11、量出現(xiàn)現(xiàn)單擊單擊【OK(確認(rèn)認(rèn))】按鈕鈕，此時(shí)時(shí)完成時(shí)間時(shí)間的定義義，SPSS將將在當(dāng)當(dāng)前數(shù)數(shù)據(jù)編編輯輯窗口中自動(dòng)動(dòng)生成標(biāo)標(biāo)志時(shí)間時(shí)間的變變量，同時(shí)時(shí)在輸輸出窗口中將會(huì)將會(huì)出現(xiàn)現(xiàn)一個(gè)簡(jiǎn)個(gè)簡(jiǎn)明的日志，說說明時(shí)間標(biāo)時(shí)間標(biāo)志變變量及其格式和包含的周期等。Step03 ：數(shù)數(shù)據(jù)采樣樣選擇選擇菜單欄單欄中的【Data(數(shù)數(shù)據(jù))】【Select Cases(選擇個(gè)選擇個(gè)案)】命令，彈彈出【Select Cases (選擇個(gè)選擇個(gè)案) 】對(duì)話對(duì)話框，點(diǎn)選選【Based on time or case range(基于時(shí)間時(shí)間或個(gè)個(gè)案全距) 】單選鈕單選鈕，并單擊并單擊【range(范圍圍)】按鈕鈕，此時(shí)會(huì)時(shí)

12、會(huì)出現(xiàn)現(xiàn)新的對(duì)話對(duì)話框，在【First case(第一個(gè)個(gè)個(gè)個(gè)案)】選項(xiàng)組選項(xiàng)組的【Year(年)】文本框中輸輸入“2000”，在【month(月)】文本框中輸輸入“1”，在【First case(最后個(gè)個(gè)個(gè)個(gè)案)】選項(xiàng)組選項(xiàng)組的【Year(年)】文本框中輸輸入“2009”，在【month(月)】文本框中輸輸入“12” 。單擊單擊【Continue(繼續(xù)繼續(xù))】按鈕鈕，然后單擊單擊【Select Cases (選擇個(gè)選擇個(gè)案)】對(duì)話對(duì)話框中的【OK(確認(rèn)認(rèn))】按鈕鈕，此時(shí)時(shí)在輸輸出窗口中將會(huì)將會(huì)出現(xiàn)現(xiàn)一個(gè)簡(jiǎn)個(gè)簡(jiǎn)明的日志，說說明此時(shí)時(shí)只對(duì)對(duì)2000年1月都2009年12月的數(shù)數(shù)據(jù)做分析與與建模。

13、 Step04 ：直觀觀分析選擇選擇菜單欄單欄中的【Data(數(shù)數(shù)據(jù))】【Forecasting(預(yù)測(cè)預(yù)測(cè))】【Sequence Charts(序列圖圖)】命令，彈彈出【Sequence Charts(序列圖圖)】對(duì)話對(duì)話框，在該對(duì)話該對(duì)話框左側(cè)側(cè)的候選變選變量列表框中選擇選擇【VAR00001】選項(xiàng)選項(xiàng)，將將其移入【Variables(變變量)】列表框中, 選擇選擇【Year, not periodic】將將其移入【Time Axis Labels(時(shí)間軸標(biāo)簽時(shí)間軸標(biāo)簽)】列表框，單擊單擊【OK(確認(rèn)認(rèn))】按鈕鈕即可生成線圖線圖。 Step05 ：特征分析選擇選擇菜單欄單欄中的【Data(數(shù)

14、數(shù)據(jù))】【Graphs(圖圖形)】【Chart Builder(圖圖表構(gòu)構(gòu)建程序)】命令，彈彈出【Chart Builder(圖圖表構(gòu)構(gòu)建程序)】對(duì)話對(duì)話框。在【Gallery(庫庫)】選項(xiàng)選項(xiàng)卡中選擇選擇【Histogram(直方圖圖)】選項(xiàng)選項(xiàng)，并將并將直方圖圖形拖入【 Chart preview uses example data(圖預(yù)覽圖預(yù)覽使用實(shí)實(shí)例數(shù)數(shù)據(jù)) 】下方的白色區(qū)區(qū)域，然后將將【VAR00001】拖入X軸軸，單擊單擊【OK(確認(rèn)認(rèn))】按鈕鈕即可生成直方圖圖。 圖圖11-1311-13 Step06 ：相關(guān)關(guān)分析選擇選擇菜單欄單欄中的【Analyze(分析)】【Forecas

15、ting(預(yù)測(cè)預(yù)測(cè))】【Autocorrelations(自相關(guān)關(guān))】命令，彈彈出【Autocorrelations(自相關(guān)關(guān)) 】對(duì)話對(duì)話框。將將【VAR00001】移入【Variables(變變量)】列表框中,在【Display(顯顯示)】選項(xiàng)組選項(xiàng)組中勾選選所以復(fù)選復(fù)選框，即展示自相關(guān)關(guān)函數(shù)圖數(shù)圖、又偏相關(guān)關(guān)函數(shù)圖數(shù)圖。單擊單擊【OK(確認(rèn)認(rèn))】按鈕鈕即可繪繪制自相關(guān)關(guān)函數(shù)圖數(shù)圖和偏相關(guān)關(guān)函數(shù)圖數(shù)圖。3 實(shí)實(shí)例結(jié)結(jié)果及分析 （1）直觀分析的輸出結(jié)果）直觀分析的輸出結(jié)果我國(guó)我國(guó)2000年年1月到月到2009年年12月社會(huì)商品零售總額的線圖，從圖上可月社會(huì)商品零售總額的線圖，從圖上可以看出該

16、序列有明顯的趨勢(shì)性或周期性這說明該序列，而且無離群以看出該序列有明顯的趨勢(shì)性或周期性這說明該序列，而且無離群點(diǎn)和缺失值點(diǎn)和缺失值（2）特征分析結(jié)果）特征分析結(jié)果我國(guó)我國(guó)2000年年1月到月到2009年年12月社會(huì)商品零售總額的直方圖，如圖月社會(huì)商品零售總額的直方圖，如圖11-16所示。從圖上可以看出該序列的樣本均值為所示。從圖上可以看出該序列的樣本均值為5655.5333，樣本標(biāo)，樣本標(biāo)準(zhǔn)差為準(zhǔn)差為2559.27829，樣本容量為，樣本容量為120個(gè)。個(gè)。（3）相關(guān)分析結(jié)果）相關(guān)分析結(jié)果（1）樣本自相關(guān)系數(shù)的值）樣本自相關(guān)系數(shù)的值 在在SPSS中給出了不同滯后期（中給出了不同滯后期（Lag列）

17、的樣本自相關(guān)系數(shù)的值列）的樣本自相關(guān)系數(shù)的值（Autocorrelation列），樣本自相關(guān)系數(shù)的標(biāo)準(zhǔn)誤差（列），樣本自相關(guān)系數(shù)的標(biāo)準(zhǔn)誤差（Std Error列），以及列），以及Box-ljung Statistic的值、自由度（的值、自由度（d f列）列）和相伴概率（和相伴概率（Sig）。通過標(biāo)準(zhǔn)誤差值以及）。通過標(biāo)準(zhǔn)誤差值以及Box-ljung Statistic的相伴概率都可以說該時(shí)間序列不是白噪聲，是具有自相關(guān)性的相伴概率都可以說該時(shí)間序列不是白噪聲，是具有自相關(guān)性的時(shí)間序列，可以建立的時(shí)間序列，可以建立ARIMA等模型。等模型。Box-ljung Statistic的的相伴概率是在近

18、似認(rèn)為相伴概率是在近似認(rèn)為Box-ljung Statistic服從卡方分布得到。服從卡方分布得到。 （2）樣本自相關(guān)系數(shù)的圖形 在SPSS中畫出了樣本自相關(guān)系數(shù)圖。圖中的橫軸為滯后期（Lag Number），縱軸為樣本自相關(guān)系數(shù)（ACF）。圖中用條形形狀來表示樣本自相關(guān)系數(shù)，并畫出了95%的置信上下限的線條。從下圖可以看出該時(shí)間序列的自相關(guān)系數(shù)并不呈負(fù)指數(shù)收斂到零，其衰減速度比較慢，不是平穩(wěn)時(shí)間序列。（3）樣本偏相關(guān)系數(shù)的值）樣本偏相關(guān)系數(shù)的值在在SPSS中給出了不同滯后階（中給出了不同滯后階（Lag列）列）的樣本偏相關(guān)系數(shù)的值（的樣本偏相關(guān)系數(shù)的值（Partial Autocorrelat

19、ions 列），樣本偏相關(guān)系數(shù)列），樣本偏相關(guān)系數(shù)的標(biāo)準(zhǔn)誤差（的標(biāo)準(zhǔn)誤差（Std Error列）。從表列）。從表10-3樣本偏相關(guān)系數(shù)的數(shù)據(jù)表可以看出樣本偏相關(guān)系數(shù)的數(shù)據(jù)表可以看出該時(shí)間序列不是白噪聲。該時(shí)間序列不是白噪聲。（4）樣本偏相關(guān)系數(shù)的圖形）樣本偏相關(guān)系數(shù)的圖形圖中的橫軸為滯后期（圖中的橫軸為滯后期（Lag Number），縱軸為樣本偏相關(guān)系數(shù)（），縱軸為樣本偏相關(guān)系數(shù)（PACF）。圖中用條形形狀來表示樣本偏相關(guān)系數(shù)，并畫出了）。圖中用條形形狀來表示樣本偏相關(guān)系數(shù)，并畫出了95%的的置信上下限的線條。從下圖可以看出該時(shí)間序列的偏相關(guān)系數(shù)在一置信上下限的線條。從下圖可以看出該時(shí)間序列的

20、偏相關(guān)系數(shù)在一階滯后期、階滯后期、12階滯后期比較大，說明該時(shí)間序列具有周期性，不是階滯后期比較大，說明該時(shí)間序列具有周期性，不是平穩(wěn)時(shí)間序列。平穩(wěn)時(shí)間序列。 11.2 時(shí)間時(shí)間序列的確定性分析11.2.1 確定性分析的基本原理1、使用目的傳統(tǒng)時(shí)間序列分析認(rèn)為長(zhǎng)期趨勢(shì)變動(dòng)、季節(jié)性變動(dòng)、周期變動(dòng)傳統(tǒng)時(shí)間序列分析認(rèn)為長(zhǎng)期趨勢(shì)變動(dòng)、季節(jié)性變動(dòng)、周期變動(dòng)是依一定的規(guī)則而變化的，不規(guī)則變動(dòng)因素在綜合中可以消除。是依一定的規(guī)則而變化的，不規(guī)則變動(dòng)因素在綜合中可以消除?；谶@種認(rèn)識(shí)，形成了確定性時(shí)間序列分析?；谶@種認(rèn)識(shí)，形成了確定性時(shí)間序列分析。通過確定性時(shí)間序列分析，一方面能夠使序列的長(zhǎng)期趨勢(shì)變動(dòng)通過確

21、定性時(shí)間序列分析，一方面能夠使序列的長(zhǎng)期趨勢(shì)變動(dòng)特征、季節(jié)效應(yīng)、周期變動(dòng)體現(xiàn)得更加明顯；另一方面能確立特征、季節(jié)效應(yīng)、周期變動(dòng)體現(xiàn)得更加明顯；另一方面能確立模型，從而成功捕捉數(shù)據(jù)的隨模型，從而成功捕捉數(shù)據(jù)的隨“時(shí)間時(shí)間”變化的、變化的、“動(dòng)態(tài)動(dòng)態(tài)”的、的、“整體整體”的統(tǒng)計(jì)規(guī)律。因此，對(duì)時(shí)間序列進(jìn)行確定分析，從而的統(tǒng)計(jì)規(guī)律。因此，對(duì)時(shí)間序列進(jìn)行確定分析，從而建立模型是非常必要的。建立模型是非常必要的。2、基本原理 （1）指數(shù)數(shù)平滑法指數(shù)數(shù)平滑法有助于預(yù)測(cè)預(yù)測(cè)存在趨勢(shì)趨勢(shì)和（或）季節(jié)節(jié)的序列。指數(shù)數(shù)平滑法分為兩為兩步來來建模，第一步確定模型類類型，確定模型是否需要包含趨勢(shì)趨勢(shì)、季節(jié)節(jié)性，創(chuàng)創(chuàng)建最

22、適當(dāng)當(dāng)?shù)闹笖?shù)數(shù)平滑模型，第二步選選擇擇最適合選選定模型的參數(shù)參數(shù)。指數(shù)平滑模法一般分為無季節(jié)性模型、季節(jié)性模型。無季節(jié)性指數(shù)平滑模法一般分為無季節(jié)性模型、季節(jié)性模型。無季節(jié)性模型包括簡(jiǎn)單指數(shù)平滑法、布朗單參數(shù)線性指數(shù)平滑法等，季模型包括簡(jiǎn)單指數(shù)平滑法、布朗單參數(shù)線性指數(shù)平滑法等，季節(jié)性模型包括溫特線性和季節(jié)性指數(shù)平滑法。節(jié)性模型包括溫特線性和季節(jié)性指數(shù)平滑法。指數(shù)平滑法，又稱指數(shù)加權(quán)平均法，實(shí)際是加權(quán)的移動(dòng)平均法，指數(shù)平滑法，又稱指數(shù)加權(quán)平均法，實(shí)際是加權(quán)的移動(dòng)平均法，它是選取各時(shí)期權(quán)重?cái)?shù)值為遞減指數(shù)數(shù)列的均值方法。它是選取各時(shí)期權(quán)重?cái)?shù)值為遞減指數(shù)數(shù)列的均值方法。（2）季節(jié)節(jié)分解法 季節(jié)分解的

23、一般步驟如下：季節(jié)分解的一般步驟如下：第一步，確定季節(jié)分解的模型；第一步，確定季節(jié)分解的模型；第二步，計(jì)算每一周期點(diǎn)（每季度，每月等等）的季節(jié)指數(shù)第二步，計(jì)算每一周期點(diǎn)（每季度，每月等等）的季節(jié)指數(shù)（乘法模型）或季節(jié)變差（加法模型）；（乘法模型）或季節(jié)變差（加法模型）；第三步，用時(shí)間序列的每一個(gè)觀測(cè)值除以適當(dāng)?shù)募竟?jié)指數(shù)（或第三步，用時(shí)間序列的每一個(gè)觀測(cè)值除以適當(dāng)?shù)募竟?jié)指數(shù)（或減去季節(jié)變差），消除季節(jié)影響；減去季節(jié)變差），消除季節(jié)影響；第三步，對(duì)消除了季節(jié)影響的時(shí)間序列進(jìn)行適當(dāng)?shù)内厔?shì)性分析；第三步，對(duì)消除了季節(jié)影響的時(shí)間序列進(jìn)行適當(dāng)?shù)内厔?shì)性分析；第四步，剔除趨勢(shì)項(xiàng)，計(jì)算周期變動(dòng)；第四步，剔除趨勢(shì)

24、項(xiàng)，計(jì)算周期變動(dòng)；第五步，剔除周期變動(dòng)，得到不規(guī)則變動(dòng)因素；第五步，剔除周期變動(dòng)，得到不規(guī)則變動(dòng)因素；第六步，用預(yù)測(cè)值乘以季節(jié)指數(shù)（或加上季節(jié)變差），乘以周第六步，用預(yù)測(cè)值乘以季節(jié)指數(shù)（或加上季節(jié)變差），乘以周期變動(dòng)，計(jì)算出最終的帶季節(jié)影響的預(yù)測(cè)值。期變動(dòng)，計(jì)算出最終的帶季節(jié)影響的預(yù)測(cè)值。11.2.2 指數(shù)數(shù)平滑法的SPSS操作詳詳解Step01 ：打開開【Create Models(創(chuàng)創(chuàng)建模型)】對(duì)話對(duì)話框當(dāng)時(shí)間序列的數(shù)據(jù)已經(jīng)準(zhǔn)備好以后，選擇菜單欄中的當(dāng)時(shí)間序列的數(shù)據(jù)已經(jīng)準(zhǔn)備好以后，選擇菜單欄中的【Analyze(分分析析)】【Forecasting(預(yù)測(cè)預(yù)測(cè))】【Create Models

25、(創(chuàng)創(chuàng)建模型)】命令，彈彈出【Create Models(創(chuàng)創(chuàng)建模型)】對(duì)話對(duì)話框。Step02 ：指數(shù)數(shù)平滑模型選擇選擇在該對(duì)話框的左側(cè)的在該對(duì)話框的左側(cè)的【Variables(變量變量)】列表框中選擇一個(gè)變量，列表框中選擇一個(gè)變量，將其移入將其移入【Dependent Variables(因變量因變量】列表框。在列表框。在【Method(模型模型)】下拉列表框中選擇建模方法，在下拉列表框中選擇建模方法，在【Method(模型模型)】下拉列下拉列表框中選擇表框中選擇【Exponential Smoothing(指數(shù)平滑法指數(shù)平滑法)】選項(xiàng)，并單選項(xiàng)，并單擊擊【Criteria(條件條件)】按

26、鈕，彈出按鈕，彈出【Exponential Smoothing Criteria(指數(shù)平滑條件指數(shù)平滑條件)】對(duì)話框。對(duì)話框。Step03 ：統(tǒng)計(jì)統(tǒng)計(jì)量的選擇選擇 在【Create Models(創(chuàng)建模型)】對(duì)話框的菜單中，選擇【Statistics(統(tǒng)計(jì)量)】， 彈出【Statistics(統(tǒng)計(jì)量)】對(duì)話框。Step04 :圖圖表的選擇選擇【Plot(圖圖表)】選項(xiàng)選項(xiàng)卡分成兩兩部分.Plots for Comparing Models: 模型比較圖較圖。Plots for individual Models: 模型當(dāng)模型的圖。模型當(dāng)模型的圖。Step05 ：輸輸出的選擇選擇【Output

27、Filter(輸輸出過濾過濾)】選項(xiàng)選項(xiàng)卡中包括兩兩部分。Include all models in output: 輸出所有的模型，系統(tǒng)默認(rèn)選項(xiàng)。輸出所有的模型，系統(tǒng)默認(rèn)選項(xiàng)。Filter models based on goodness fit輸出基于擬合優(yōu)度過濾的輸出基于擬合優(yōu)度過濾的模型。模型。 Step06：保存變變量的選擇選擇 在 【Save(保存)】選項(xiàng)卡中包括兩部分。Save Variables: 保存變量；Export Model File: 選擇是否導(dǎo)出模型文件保存變量,將模型文件保存在指定的目錄中。選擇好以后，在【Create Models(創(chuàng)建模型)】對(duì)話框的菜單中，單

28、擊【Options(選項(xiàng))】按鈕，彈出【Options(選項(xiàng))】對(duì)話框。圖圖11-2411-24 Step07：某些選項(xiàng)選項(xiàng)的選擇選擇 11.2.3 實(shí)實(shí)例圖圖文分析：進(jìn)進(jìn)出口貿(mào)貿(mào)易總額總額的指數(shù)數(shù)平滑建模1 .實(shí)實(shí)例內(nèi)內(nèi)容以我國(guó)以我國(guó)1950-2005年進(jìn)出口貿(mào)易總額年度數(shù)據(jù)為例，嘗試建立指數(shù)年進(jìn)出口貿(mào)易總額年度數(shù)據(jù)為例，嘗試建立指數(shù)平滑模型。平滑模型。2. 實(shí)實(shí)例操作Step01：打開開【Create Models(創(chuàng)創(chuàng)建模型)】對(duì)話對(duì)話框選擇菜單欄中的選擇菜單欄中的【Analyze(分析分析)】【Forecasting(預(yù)測(cè)預(yù)測(cè))】【Create Models(創(chuàng)建模型創(chuàng)建模型)】命令，

29、彈出命令，彈出【Create Models(創(chuàng)建模型創(chuàng)建模型)】對(duì)話對(duì)話框。將該對(duì)話框左側(cè)的框。將該對(duì)話框左側(cè)的【 VAR00001】變量移入變量移入【Dependent Variables(因變量因變量】列表。在列表。在【Method(模模型型)】下拉列表框中選擇下拉列表框中選擇【Exponential Smoothing(指數(shù)平滑法指數(shù)平滑法)】選項(xiàng)。選項(xiàng)。單擊單擊【Criteria(條件條件)】按鈕，彈出按鈕，彈出【Exponential Smoothing Criteria(指數(shù)平滑條件指數(shù)平滑條件)】對(duì)話框。對(duì)話框。Step02：指數(shù)數(shù)平滑模型選擇選擇由于數(shù)數(shù)據(jù)具有明顯顯的趨勢(shì)趨勢(shì)性

30、，所以選選【Browns linear trend (Brown線線性趨勢(shì)趨勢(shì))】,點(diǎn)擊擊【Continue(繼續(xù)繼續(xù))】，返回到了【Create Models(創(chuàng)創(chuàng)建模型)】對(duì)話對(duì)話框。單擊單擊【Statistics(統(tǒng)計(jì)量統(tǒng)計(jì)量)】選項(xiàng)卡，選項(xiàng)卡， 彈出如下圖所示的界面。彈出如下圖所示的界面。Step03 ：統(tǒng)計(jì)統(tǒng)計(jì)量的選擇選擇在【Statistics(統(tǒng)計(jì)統(tǒng)計(jì)量)】選項(xiàng)選項(xiàng)卡中，選擇對(duì)選擇對(duì)展示模型擬擬合度量、ljung -Box 統(tǒng)計(jì)統(tǒng)計(jì)量、被模型過濾過濾掉的樣樣本數(shù)數(shù)據(jù)的個(gè)數(shù)個(gè)數(shù)的選項(xiàng)選項(xiàng)，選擇顯選擇顯示模型參數(shù)參數(shù)的估計(jì)值計(jì)值，選擇選擇好以后，單擊單擊 【Save(保存)】選項(xiàng)選項(xiàng)

31、卡，對(duì)話對(duì)話框顯顯示如下圖圖所示。 Step05 :完成操作選擇好以后，單擊選擇好以后，單擊【OK(確認(rèn)確認(rèn))】輸出結(jié)果，此時(shí)，輸出結(jié)果，此時(shí)，SPSS將在將在當(dāng)前數(shù)據(jù)編輯窗口中自動(dòng)生成代帶前綴當(dāng)前數(shù)據(jù)編輯窗口中自動(dòng)生成代帶前綴Predicted的預(yù)測(cè)值和的預(yù)測(cè)值和帶前綴帶前綴NResidual的殘差的值。的殘差的值。3 實(shí)實(shí)例結(jié)結(jié)果及分析（1）模型描述）模型描述該模型為該模型為Model_1，模型的類型為，模型的類型為Brown的線性趨勢(shì)模型。的線性趨勢(shì)模型。（2）模型擬合優(yōu)度）模型擬合優(yōu)度對(duì)對(duì)VAR00001建立建立Winters的乘積季節(jié)模型的擬合優(yōu)度，包括了調(diào)整的乘積季節(jié)模型的擬合優(yōu)度

32、，包括了調(diào)整R-Square,標(biāo)準(zhǔn)化的標(biāo)準(zhǔn)化的BIC等所有擬合優(yōu)度的值。等所有擬合優(yōu)度的值。（3）模型的統(tǒng)計(jì)量的結(jié)果）模型的統(tǒng)計(jì)量的結(jié)果由于在由于在【Statistics(統(tǒng)計(jì)量統(tǒng)計(jì)量)】對(duì)話框中，選擇了展示模型擬合度量、對(duì)話框中，選擇了展示模型擬合度量、ljung- Box統(tǒng)計(jì)量、被模型過濾掉的樣本數(shù)據(jù)的個(gè)數(shù)的選項(xiàng)，所以，統(tǒng)計(jì)量、被模型過濾掉的樣本數(shù)據(jù)的個(gè)數(shù)的選項(xiàng)，所以，在輸出結(jié)果中出現(xiàn)了調(diào)整在輸出結(jié)果中出現(xiàn)了調(diào)整R-Square,標(biāo)準(zhǔn)化的標(biāo)準(zhǔn)化的BIC的值，的值，ljung- Box統(tǒng)計(jì)量的值。統(tǒng)計(jì)量的值。從表從表10-5中可以看出中可以看出Box-ljung 統(tǒng)計(jì)量的相伴概率是統(tǒng)計(jì)量的相

33、伴概率是0.524，可以，可以接受殘差序列是沒有自相關(guān)性的。接受殘差序列是沒有自相關(guān)性的。由于在由于在【Statistics(統(tǒng)計(jì)量統(tǒng)計(jì)量)】對(duì)話框中，選擇顯示模型參數(shù)的估計(jì)對(duì)話框中，選擇顯示模型參數(shù)的估計(jì)值，所以，在輸出結(jié)果中出現(xiàn)模型的參數(shù)估計(jì)的結(jié)果。從表值，所以，在輸出結(jié)果中出現(xiàn)模型的參數(shù)估計(jì)的結(jié)果。從表10-6可可以看出，水平指標(biāo)的估計(jì)值是以看出，水平指標(biāo)的估計(jì)值是0.492，趨勢(shì)指標(biāo)的估計(jì)值是，趨勢(shì)指標(biāo)的估計(jì)值是0.071，季節(jié)效應(yīng)指標(biāo)為季節(jié)效應(yīng)指標(biāo)為0.849，T統(tǒng)計(jì)量的相伴概率都接受這些參數(shù)都是為統(tǒng)計(jì)量的相伴概率都接受這些參數(shù)都是為非零的假設(shè)的。非零的假設(shè)的。 （4）模型的擬合圖）

34、模型的擬合圖在獲得了參數(shù)估計(jì)值和模型結(jié)構(gòu)后，代入初值，便可以擬合數(shù)據(jù)，在獲得了參數(shù)估計(jì)值和模型結(jié)構(gòu)后，代入初值，便可以擬合數(shù)據(jù)，從而繪制圖像。擬合數(shù)據(jù)以前綴為從而繪制圖像。擬合數(shù)據(jù)以前綴為Predicted的變量的變量PredictedVAR000001 Model1出現(xiàn)在出現(xiàn)在SPSS的當(dāng)前數(shù)據(jù)編輯窗口中。的當(dāng)前數(shù)據(jù)編輯窗口中。11.2.4 季節(jié)節(jié)分解的SPSS操作詳詳解Step01 ：選擇選擇菜單欄單欄中的【Analyze(分析分析)】【Forecasting(預(yù)預(yù)測(cè)測(cè))】【Seasonal Decomposition(周期性分解周期性分解)】命令，彈出命令，彈出【Seasonal Dec

35、omposition(周期性分解周期性分解)】對(duì)話框。對(duì)話框。Step02 ：季節(jié)節(jié)分解模型的選擇選擇在在【Seasonal Decomposition(周期性分解周期性分解)】對(duì)話框的左側(cè)的候選對(duì)話框的左側(cè)的候選變量列表框中選擇一個(gè)變量，將其移入變量列表框中選擇一個(gè)變量，將其移入【Variables(變量變量)】列表框。列表框。在在【Model Type(模型類型模型類型)】復(fù)選框中選擇模型類型；單擊復(fù)選框中選擇模型類型；單擊【Save】按鈕，彈出按鈕，彈出【Save(保存保存)】對(duì)話框。對(duì)話框。Step03 ：完成操作如果不改變變【Save(保存)】對(duì)話對(duì)話框中的默認(rèn)選項(xiàng)認(rèn)選項(xiàng)，單擊單擊【

36、Seasonal Decomposition(周期性分解)】對(duì)話對(duì)話框中的【OK(確認(rèn)認(rèn))】按鈕鈕，將進(jìn)將進(jìn)行季節(jié)節(jié)分解。11.2.3 實(shí)實(shí)例圖圖文分析：社會(huì)會(huì)住宿與與餐飲飲消費(fèi)費(fèi)的季節(jié)節(jié)分解1 .實(shí)實(shí)例內(nèi)內(nèi)容以我國(guó)以我國(guó)1996年年2009年的社會(huì)住宿與餐飲消費(fèi)（單年的社會(huì)住宿與餐飲消費(fèi)（單位為億元）的月度數(shù)據(jù)為例，嘗試進(jìn)行季節(jié)分解。位為億元）的月度數(shù)據(jù)為例，嘗試進(jìn)行季節(jié)分解。2. 實(shí)實(shí)例操作 Step01：打開開【Seasonal Decomposition(周期性分解)】對(duì)話對(duì)話框選擇菜單欄中的選擇菜單欄中的【Analyze(分析分析)】【Forecasting(預(yù)測(cè)預(yù)測(cè))】【Seaso

37、nal Decomposition(周期性分解周期性分解)】命令，命令，彈出彈出【Seasonal Decomposition(周周期性分解期性分解)】對(duì)話框。將該對(duì)話框左側(cè)對(duì)話框。將該對(duì)話框左側(cè)的的【 VAR00001】移入移入【Variables(變量變量)】列表框。在列表框。在【Model Type(模模型類型型類型)】列表框中選擇列表框中選擇【Multiplicative】，在，在【Moving Average Weight(移動(dòng)平均權(quán)重移動(dòng)平均權(quán)重)】列表框中的選擇列表框中的選擇【All points equal(所有點(diǎn)相等所有點(diǎn)相等)】，并選，并選擇擇【Display casewi

38、se listing(顯示對(duì)顯示對(duì)象刪除列表象刪除列表)】顯示對(duì)象刪除列表。顯示對(duì)象刪除列表。Step02：完成操作單擊單擊【Seasonal Decomposition(周期性分解周期性分解)】對(duì)話框中的對(duì)話框中的【OK(確認(rèn)確認(rèn))】按鈕，此時(shí)，按鈕，此時(shí)，SPSS將彈出一個(gè)對(duì)話框，提示在當(dāng)前數(shù)據(jù)編將彈出一個(gè)對(duì)話框，提示在當(dāng)前數(shù)據(jù)編輯窗口中將自動(dòng)生成四個(gè)變量，再單擊輯窗口中將自動(dòng)生成四個(gè)變量，再單擊【OK(確認(rèn)確認(rèn))】按鈕，完成操按鈕，完成操作。作。 Step03：數(shù)數(shù)據(jù)窗口的變變化單擊單擊【OK(確認(rèn)認(rèn))】按鈕鈕后，在當(dāng)當(dāng)前數(shù)數(shù)據(jù)編輯編輯窗口將將自動(dòng)動(dòng)生成四個(gè)變個(gè)變量。第一個(gè)變個(gè)變量為為不

39、規(guī)則變動(dòng)規(guī)則變動(dòng)因素（前綴綴ERR），第二變變量為為季節(jié)調(diào)節(jié)調(diào)整后的變變量（前綴綴SAS），第三變變量為為季節(jié)節(jié)因子(前綴綴SAF)，第四個(gè)變個(gè)變量為為平滑后的趨勢(shì)趨勢(shì)和循環(huán)環(huán)波動(dòng)變動(dòng)變量（前綴綴STC）。3 實(shí)實(shí)例結(jié)結(jié)果及分析（1）模型描述）模型描述該模型為該模型為MOD-1，模型的類型為，模型的類型為Multiplicative模型，季節(jié)的周期模型，季節(jié)的周期長(zhǎng)度為長(zhǎng)度為12，移動(dòng)平均的方法是跨度為周期長(zhǎng)度的等權(quán)重的中心移動(dòng)，移動(dòng)平均的方法是跨度為周期長(zhǎng)度的等權(quán)重的中心移動(dòng)平均。平均。（2）季節(jié)分解表）季節(jié)分解表由于選擇由于選擇【Display casewise listing(顯示對(duì)象刪

40、除顯示對(duì)象刪除列表列表)】，所以，顯示季節(jié)分解表。表中第一列為時(shí)，所以，顯示季節(jié)分解表。表中第一列為時(shí)間變量，第二列為原始數(shù)據(jù)。第三列為移動(dòng)平均序列，間變量，第二列為原始數(shù)據(jù)。第三列為移動(dòng)平均序列，第四列為原始數(shù)據(jù)除以移動(dòng)平均序列的比值；第五列第四列為原始數(shù)據(jù)除以移動(dòng)平均序列的比值；第五列是季節(jié)因子，第六列是季節(jié)調(diào)整后的數(shù)據(jù)，第七列為是季節(jié)因子，第六列是季節(jié)調(diào)整后的數(shù)據(jù)，第七列為平滑后的趨勢(shì)和循環(huán)波動(dòng)變量，第七列為不規(guī)則變動(dòng)平滑后的趨勢(shì)和循環(huán)波動(dòng)變量，第七列為不規(guī)則變動(dòng)因素。因素。11.3 時(shí)間時(shí)間序列的隨隨機(jī)性分析 11.3.1隨隨機(jī)性分析的原理1.使用目的雖然長(zhǎng)期趨勢(shì)的分析，季節(jié)變動(dòng)的分析

41、和循環(huán)波動(dòng)的分析控制雖然長(zhǎng)期趨勢(shì)的分析，季節(jié)變動(dòng)的分析和循環(huán)波動(dòng)的分析控制著時(shí)間序列變動(dòng)的基本樣式，但畢竟不是時(shí)間序列變動(dòng)的全貌，著時(shí)間序列變動(dòng)的基本樣式，但畢竟不是時(shí)間序列變動(dòng)的全貌，而且用隨機(jī)過程理論和統(tǒng)計(jì)理論來考察長(zhǎng)期趨勢(shì)、季節(jié)性變動(dòng)而且用隨機(jī)過程理論和統(tǒng)計(jì)理論來考察長(zhǎng)期趨勢(shì)、季節(jié)性變動(dòng)等許多因素的共同作用的時(shí)間序列更具有合理性和優(yōu)越性根等許多因素的共同作用的時(shí)間序列更具有合理性和優(yōu)越性根據(jù)隨機(jī)過程理論和統(tǒng)計(jì)理論，對(duì)時(shí)間序列進(jìn)行分析，從而形成據(jù)隨機(jī)過程理論和統(tǒng)計(jì)理論，對(duì)時(shí)間序列進(jìn)行分析，從而形成了時(shí)間序列的隨機(jī)分析。了時(shí)間序列的隨機(jī)分析。通過隨機(jī)性時(shí)間序列分析，一方面能夠建立比較精確地反

42、映序通過隨機(jī)性時(shí)間序列分析，一方面能夠建立比較精確地反映序列中所包含的動(dòng)態(tài)依存關(guān)系的數(shù)學(xué)模型，并借以對(duì)系統(tǒng)的未來列中所包含的動(dòng)態(tài)依存關(guān)系的數(shù)學(xué)模型，并借以對(duì)系統(tǒng)的未來進(jìn)行預(yù)報(bào)，另一方面，能夠比較精確揭示系統(tǒng)動(dòng)態(tài)結(jié)構(gòu)和規(guī)律進(jìn)行預(yù)報(bào)，另一方面，能夠比較精確揭示系統(tǒng)動(dòng)態(tài)結(jié)構(gòu)和規(guī)律的統(tǒng)計(jì)方法。隨機(jī)性時(shí)間序列分析大大豐富和發(fā)展了時(shí)間序列的統(tǒng)計(jì)方法。隨機(jī)性時(shí)間序列分析大大豐富和發(fā)展了時(shí)間序列分析的理論和方法，成為時(shí)間序列分析的主流。分析的理論和方法，成為時(shí)間序列分析的主流。2、基本原理 時(shí)間序列的隨機(jī)分析通常利用時(shí)間序列的隨機(jī)分析通常利用Box-Jenkins建模方法。利用建模方法。利用Box-Jenki

43、ns方方法建模的步驟為：法建模的步驟為：（1）計(jì)算觀測(cè)序列的樣本相關(guān)系數(shù)和樣本偏相關(guān)系數(shù)。）計(jì)算觀測(cè)序列的樣本相關(guān)系數(shù)和樣本偏相關(guān)系數(shù)。（2）模式識(shí)別：檢驗(yàn)序列是否為平穩(wěn)非白噪聲序列。如果序列是白噪聲）模式識(shí)別：檢驗(yàn)序列是否為平穩(wěn)非白噪聲序列。如果序列是白噪聲序列，建模結(jié)束；如果序列為非平穩(wěn)序列，采用非平穩(wěn)時(shí)間序列的建模方序列，建模結(jié)束；如果序列為非平穩(wěn)序列，采用非平穩(wěn)時(shí)間序列的建模方法，建立法，建立ARIMA模型或模型或SARIMA模型；如果序列為平穩(wěn)序列，建立模型；如果序列為平穩(wěn)序列，建立ARMA模型。模型。（3）初步定階和參數(shù)估計(jì)：模型識(shí)別后，框定所屬模型的最高階數(shù)；然）初步定階和參數(shù)估

44、計(jì)：模型識(shí)別后，框定所屬模型的最高階數(shù)；然后在已識(shí)別的類型中，從低階到高階對(duì)模型進(jìn)行擬合及檢驗(yàn)。后在已識(shí)別的類型中，從低階到高階對(duì)模型進(jìn)行擬合及檢驗(yàn)。（4）擬合優(yōu)度檢驗(yàn)：利用定階方法對(duì)不同的模型進(jìn)行比較，以確定最適）擬合優(yōu)度檢驗(yàn)：利用定階方法對(duì)不同的模型進(jìn)行比較，以確定最適宜的模型。宜的模型。（5）適應(yīng)性檢驗(yàn)：對(duì)選出的模型進(jìn)行適應(yīng)性檢驗(yàn)和參數(shù)檢驗(yàn)，進(jìn)一步從）適應(yīng)性檢驗(yàn)：對(duì)選出的模型進(jìn)行適應(yīng)性檢驗(yàn)和參數(shù)檢驗(yàn)，進(jìn)一步從選出的模型出發(fā)確定最適宜的模型。選出的模型出發(fā)確定最適宜的模型。（6）預(yù)測(cè)：利用所建立的模型，進(jìn)行預(yù)測(cè)。）預(yù)測(cè)：利用所建立的模型，進(jìn)行預(yù)測(cè)。11.3.2 ARIMA模型的SPSS操作

45、詳詳解Step01 ：打開開【Create Models(創(chuàng)創(chuàng)建模型)】對(duì)話對(duì)話框當(dāng)時(shí)間當(dāng)時(shí)間序列的數(shù)數(shù)據(jù)已經(jīng)經(jīng)準(zhǔn)備備好以后，xz 選擇選擇菜單欄單欄中的【Analyze(分析)】【Forecasting(預(yù)測(cè)預(yù)測(cè))】【Create Models(創(chuàng)創(chuàng)建模型)】命令，彈彈出【Create Models(創(chuàng)創(chuàng)建模型)】對(duì)話對(duì)話框。在該對(duì)話該對(duì)話框左側(cè)側(cè)的【Variables(變變量)】列表框中選擇選擇一個(gè)變個(gè)變量，將將其移入【Dependent Variables(因變變量】列表框。在【Method(模型)】下拉列表框中選擇選擇【ARIMA】，然后選擇選擇【ARIMA】選項(xiàng)選項(xiàng)，并單擊并單擊【C

46、riteria(條條件)】按鈕鈕，彈彈出【ARIMA Criteria(ARIMA條條件)】對(duì)話對(duì)話框。Step02 ：ARIMA模型選擇選擇對(duì)話框中的第一部分為對(duì)話框中的第一部分為【ARIMA Order(ARIMA序列序列)】, 第二部分第二部分為為【Transformation(轉(zhuǎn)換轉(zhuǎn)換)】。Step03 ：離群值值的處處理在在【ARIMA Criteria(ARIMA條件條件)】對(duì)話框中單擊對(duì)話框中單擊【Outliers(離群離群值值)】選項(xiàng)卡，選項(xiàng)卡， 彈出彈出【Outliers(離群值離群值)】對(duì)話框，這樣可以選擇對(duì)對(duì)話框，這樣可以選擇對(duì)離群點(diǎn)的處理方式。離群點(diǎn)的處理方式。 Ste

47、p04 ：完成操作單擊單擊【Create Models(創(chuàng)建模型創(chuàng)建模型)】對(duì)話框中的對(duì)話框中的【OK(確認(rèn)確認(rèn))】按鈕，將進(jìn)行按鈕，將進(jìn)行ARIMA模型建模。模型建模。11.3.3 實(shí)實(shí)例圖圖文分析：旅客周轉(zhuǎn)轉(zhuǎn)量的ARIMA建模1. 實(shí)實(shí)例內(nèi)內(nèi)容以我國(guó)以我國(guó)2004年年1月到月到2009年年12月旅客周轉(zhuǎn)量的數(shù)據(jù)月旅客周轉(zhuǎn)量的數(shù)據(jù)為例，嘗試建立為例，嘗試建立ARIMA模型。模型。2. 實(shí)實(shí)例操作Step01：打開開【Seasonal Decomposition(周期性分解)】對(duì)話對(duì)話框選擇選擇菜單欄單欄中的【Analyze(分析)】【Forecasting(預(yù)測(cè)預(yù)測(cè))】【Create Mod

48、els(創(chuàng)創(chuàng)建模型)】命令，彈彈出【Create Models(創(chuàng)創(chuàng)建模型)】對(duì)話對(duì)話框。將該對(duì)話將該對(duì)話框左側(cè)側(cè)的【 VAR00001】移入【Dependent Variables(因變變量】列表框。在【Method(模型)】下拉列表框中選擇選擇【ARIMA】，并選擇并選擇【Criteria(條條件)】選項(xiàng)選項(xiàng)，彈彈出【ARIMA Criteria(ARIMA條條件)】對(duì)話對(duì)話框。Step02：ARIMA模型選擇選擇在在【ARIMA Order(ARIMA序列序列)】選項(xiàng)組中輸入階數(shù)都為選項(xiàng)組中輸入階數(shù)都為1，建立，建立ARIMA(1,1,1)(1,1,1)模型，單擊模型，單擊【Contin

49、ue(繼續(xù)繼續(xù))】按鈕，返回按鈕，返回【Create Models(創(chuàng)建模型創(chuàng)建模型)】對(duì)話框。對(duì)話框。 Step03：統(tǒng)計(jì)統(tǒng)計(jì)量的選擇選擇單擊單擊【Create Models(創(chuàng)創(chuàng)建模型)】中的【Statistics(統(tǒng)計(jì)統(tǒng)計(jì)量)】對(duì)話對(duì)話框中，選擇選擇展示模型擬擬合度量、Box-ljung 統(tǒng)計(jì)統(tǒng)計(jì)量、被模型過濾過濾掉的樣樣本數(shù)數(shù)據(jù)的個(gè)數(shù)個(gè)數(shù)的選項(xiàng)選項(xiàng)，選擇顯選擇顯示模型參數(shù)參數(shù)的估計(jì)值計(jì)值，選擇選擇好以后，單單擊擊【Save(保存)】選項(xiàng)選項(xiàng)卡。Step04：保持變變量的選擇選擇在 【Save(保存)】選項(xiàng)選項(xiàng)卡中選擇選擇保存預(yù)測(cè)值預(yù)測(cè)值，保存殘殘差的值值。Step05：完成操作單擊對(duì)話

50、單擊對(duì)話框中的【OK(確認(rèn)認(rèn))】按鈕鈕，將進(jìn)將進(jìn)行ARIMA模型建模,完成操作。此時(shí)時(shí)，輸輸出結(jié)結(jié)果，同時(shí)時(shí)在當(dāng)當(dāng)前數(shù)數(shù)據(jù)編輯編輯窗口中自動(dòng)動(dòng)生成帶帶前綴綴Predicted的預(yù)測(cè)值預(yù)測(cè)值和帶帶前綴綴NResidual的殘殘差的值值。3 實(shí)實(shí)例結(jié)結(jié)果及分析（1）模型描述）模型描述該模型為該模型為Model-1，模型的類型為，模型的類型為ARIMA(1,1,1)(1,1,1)模型。模型。（2）模型擬合優(yōu)度）模型擬合優(yōu)度對(duì)對(duì)VAR00001建立建立ARIMA(1,1,1)(1,1,1)模型的擬合優(yōu)度，包括了調(diào)模型的擬合優(yōu)度，包括了調(diào)整整R-Square,標(biāo)準(zhǔn)化的標(biāo)準(zhǔn)化的BIC等所有擬合優(yōu)度的值。等

51、所有擬合優(yōu)度的值。 （3）模型的統(tǒng)計(jì)量的結(jié)果）模型的統(tǒng)計(jì)量的結(jié)果由于在由于在【Statistics(統(tǒng)計(jì)量統(tǒng)計(jì)量)】對(duì)話框中，選擇了展示模型擬合度量、對(duì)話框中，選擇了展示模型擬合度量、ljung- Box統(tǒng)計(jì)量、被模型過濾掉的樣本數(shù)據(jù)的個(gè)數(shù)的選項(xiàng)，所以，統(tǒng)計(jì)量、被模型過濾掉的樣本數(shù)據(jù)的個(gè)數(shù)的選項(xiàng)，所以，在輸出結(jié)果中出現(xiàn)了調(diào)整在輸出結(jié)果中出現(xiàn)了調(diào)整R-Square，標(biāo)準(zhǔn)化的，標(biāo)準(zhǔn)化的BIC的值，的值，ljung- Box統(tǒng)計(jì)量的值。統(tǒng)計(jì)量的值。從表從表11-11中可以看出標(biāo)準(zhǔn)中可以看出標(biāo)準(zhǔn)BIC值為值為9.187。由于在由于在【Statistics(統(tǒng)計(jì)量統(tǒng)計(jì)量)】對(duì)話框中，選擇顯示模型參數(shù)的估

52、計(jì)對(duì)話框中，選擇顯示模型參數(shù)的估計(jì)值，所以，在輸出結(jié)果中出現(xiàn)模型的參數(shù)估計(jì)的結(jié)果。值，所以，在輸出結(jié)果中出現(xiàn)模型的參數(shù)估計(jì)的結(jié)果。從表從表11-12可以看出，可以看出，AR(1)的參數(shù)估計(jì)值是的參數(shù)估計(jì)值是0.029，T統(tǒng)計(jì)量的相伴統(tǒng)計(jì)量的相伴概率為概率為0.862，接受，接受AR(1)為零的原假設(shè)。為零的原假設(shè)。MA(1)的參數(shù)估計(jì)值是的參數(shù)估計(jì)值是0.884，T統(tǒng)計(jì)量的相伴概率為統(tǒng)計(jì)量的相伴概率為8.499，拒絕，拒絕MA(1)為零的原假設(shè)。為零的原假設(shè)。SAR(1)的參數(shù)估計(jì)值是的參數(shù)估計(jì)值是0.366，所以，該模型不是最優(yōu)的模型，對(duì)數(shù)據(jù)，所以，該模型不是最優(yōu)的模型，對(duì)數(shù)據(jù)的分析不是十分的恰當(dāng)。的分析不是十分的恰當(dāng)。（4）模型的擬合圖）模型的擬合圖在獲得了參數(shù)估計(jì)值和模型結(jié)構(gòu)后，代