時間序列分析教材(PPT 70頁)

1、第第1717章章 時間序列分析時間序列分析Time Series 返回返回各種時間序列分析過程各種時間序列分析過程修補缺失值修補缺失值與與創(chuàng)建時間序列創(chuàng)建時間序列序列圖序列圖操作操作實例實例建立時間序列模型建立時間序列模型 操作操作實例實例應(yīng)用時間序列模型應(yīng)用時間序列模型操作操作自相關(guān)自相關(guān) 操作操作實例實例季節(jié)分解法季節(jié)分解法操作操作實例實例頻譜分析法頻譜分析法頻譜分析操作頻譜分析操作實例實例互相關(guān)互相關(guān)操作操作實例實例習題習題17及參考答案及參考答案結(jié)束結(jié)束目目 錄錄返回返回各種時間序列分析過程各種時間序列分析過程返回返回修補缺失值過程與對話框修補缺失值過程與對話框返回返回創(chuàng)建時間序列對話

2、框創(chuàng)建時間序列對話框 運行函數(shù)運行函數(shù)LagLag時的結(jié)果說明時的結(jié)果說明 返回返回序列圖序列圖 Sequence Charts 返回返回序列圖過程序列圖過程 主對話框主對話框返回返回時間軸參考線對話框時間軸參考線對話框 返回返回定義時間軸的格式定義時間軸的格式對話框?qū)υ捒?返回返回序列圖應(yīng)用實例輸出序列圖應(yīng)用實例輸出 模型描述表模型描述表 樣品處理摘要樣品處理摘要 含有基準線的序列圖含有基準線的序列圖 返回返回建立時間序列模型建立時間序列模型 Create models 返回返回時間序列建模提示框 Time Serises Modeler 對話框?qū)υ捒騐ariables選項卡選項卡 返回返回

3、專家建模標準模型選項卡專家建模標準模型選項卡 返回返回判斷異常值選項卡 指數(shù)平滑標準模型選項卡指數(shù)平滑標準模型選項卡 返回返回ARIMA Criteria Model選項卡 返回返回偵查異常值的選項卡 返回返回自變量轉(zhuǎn)換選項卡 返回返回時間序列模型Statistics選項卡 返回返回Time Serises Modler Plots選項卡 返回返回Time Serises Modler Output Filter對話框 返回返回Time Serises Modler Save選項卡 返回返回時間序列模型 Option選項卡 返回返回時間序列分析實例時間序列分析實例輸出輸出模型描述 均數(shù)絕對百分

4、比誤差頻數(shù)圖 最大絕對百分比誤差頻數(shù)圖 返回返回時間序列分析實例時間序列分析實例輸出輸出(1)(1)模型擬合模型擬合 返回返回時間序列分析實例時間序列分析實例輸出輸出(2)(2)模型統(tǒng)計數(shù)據(jù) 返回返回時間序列分析實例時間序列分析實例輸出輸出(3)(3)預測部分結(jié)果 數(shù)據(jù)編輯器中的新變量 返回返回應(yīng)用時間序列模型應(yīng)用時間序列模型 （Apply models ）返回返回Apply time Series models對話框?qū)υ捒?返回返回自相關(guān)自相關(guān) （Autocorrelations ）返回返回 Autocorrelations對話框?qū)υ捒?返回返回 Options選項卡 返回返回 自相關(guān)分析實

5、例輸出 模型描述 樣品處理摘要 自相關(guān)表 返回返回 自相關(guān)分析實例輸出（1）自相關(guān)圖 偏自相關(guān)表 偏自相關(guān)圖 返回返回季 節(jié) 分 解 法Seasonal Deccomposition返回返回季節(jié)分解主對話框季節(jié)分解主對話框返回返回季節(jié)分解法分析實例輸出季節(jié)分解法分析實例輸出 模型描述 季節(jié)因素 數(shù)據(jù)文件中增加的4個新變量 返回返回頻譜分析頻譜分析Spectral Analyze 返回返回 譜圖選擇對話框 返回返回 頻譜分析實例輸出模型描述 周期圖 密度圖 返回返回互相關(guān)互相關(guān) Cross -Autocorrelation 返回返回 Cross-Autocorrelation對話框 返回返回 O

6、ptions對話框 返回返回 互相關(guān)實例輸出模型描述 樣品處理摘要 返回返回 互相關(guān)實例輸出（1）互相關(guān)系數(shù)表 男女服裝銷售量的互相關(guān)圖 返回返回17 17 習題習題 1、 時間序列的基本概念。 時間序列分析過程中有哪幾種常用的方法？2、 對數(shù)據(jù)用時間序列模型進行擬合處理前，應(yīng)做哪些準備工作？3、 在哪個過程中可進行缺失值的修補？修補缺失值的方法共有幾種？4、 在哪個過程中可定義時間變量？5、 時間序列分析是建立在序列的平穩(wěn)的條件上的，怎樣判斷序列是否平穩(wěn)？6、為什么要建一個時間序列的新變量？在SPSS的哪個過程中來建時間序列的新變量？7、光盤中Data17-07.sav（Data17-07a

7、.sav是Data17-07.sav使用中文標簽名的同一個文件）記錄了一個郵購公司在1989年1月至1998年12月間男、女服裝產(chǎn)品的銷售量情況以及一些可能影響服裝銷售的宣傳、服務(wù)方面的變量。試用學過的時間序列方法對其進行分析，并預測1999年4月的男裝的銷售量。 返回返回時間序列習題參考答案時間序列習題參考答案1、 時間序列是指一個依時間順序做成的觀察資料的集合。時間序列分析過程中最常用的方法是：指數(shù)平滑、自回歸、綜合移動平均及季節(jié)分解。2、 先對數(shù)據(jù)進行必要的預處理和觀察，直到它變成穩(wěn)態(tài)后再用這些過程對其進行分析。根據(jù)對數(shù)據(jù)建模前的預處理工作的先后順序，將它分為三個步驟：首先，對有缺失值的

8、數(shù)據(jù)進行修補，其次將數(shù)據(jù)資料定義為相應(yīng)的時間序列，最后對時間序列數(shù)據(jù)的平穩(wěn)性進行計算觀察。3、 修補缺失值可在Transform菜單的Replace Missing Values過程中進行。修補缺失值的方法共有五種，它們分別是：、Series mean； 、Mean of nearby points； 、Median of nearby points； 、Linear interpolation； 、Linear trend at point。4、 定義時間變量可在Data菜單的Define dates過程里實現(xiàn)。5、 判斷序列是否平穩(wěn)可以看它的均數(shù)和方差是否不再隨時間的變化而變化、自相關(guān)系數(shù)

9、是否只與時間間隔有關(guān)而與所處的時間無關(guān)。6、在時間序列分析中，為檢驗時間序列的平穩(wěn)性，經(jīng)常要用一階差分、二階差分，有時為選擇一個合適的時間序列的模型還要對原時間序列數(shù)據(jù)進行對數(shù)轉(zhuǎn)換或平方根轉(zhuǎn)換等。這就需要在已經(jīng)建立的時間序列的數(shù)據(jù)庫中，再建一個新的時間序列的變量。在SPSS的Create Time Series中可根據(jù)現(xiàn)有的數(shù)字型時間序列變量的函數(shù)建立一個新的變量。 返回返回時間序列習題參考答案（時間序列習題參考答案（1 1）7、一、定義時間序列 （說明：1、對data17-07a.sav和data17-07.sav都要做這個工作。2、在第四步起data17-07.sav） 返回返回時間序列習

10、題參考答案（時間序列習題參考答案（2 2）二、序列圖分析 返回返回時間序列習題參考答案（時間序列習題參考答案（3 3）返回返回時間序列習題參考答案（時間序列習題參考答案（4 4）q序列圖顯示了許多峰值，其中許多峰值是等間隔出現(xiàn)的，有很清楚的上升趨勢。等間隔的峰值暗示存在時間序列的周期成分?？紤]到銷售的季節(jié)性，高峰典型地發(fā)生在假期期間，你不必對數(shù)據(jù)中發(fā)現(xiàn)的年季節(jié)成分感到吃驚。q也有峰值似乎沒有成為季節(jié)性模式的一部分，這表示鄰近的數(shù)據(jù)點顯著偏離。這些點可能是異常值，它可以而且應(yīng)該由Expert Modeler解決。 返回返回時間序列習題參考答案（時間序列習題參考答案（5 5）三、自相關(guān)分析 返回返

11、回時間序列習題參考答案（時間序列習題參考答案（6 6） 表中顯示的是自相關(guān)計算結(jié)果，從左向右，依次列出的是：滯后數(shù)、自相關(guān)系數(shù)值值、標準誤差、Box-ljung統(tǒng)計量（值、自由度、原假設(shè)成立的概率值）。由于原假設(shè)（假設(shè)基本過程是獨立的，也即假定時間序列所反映的隨機過程是白噪聲）成立的概率值都小于0.05，所以全部自相關(guān)均有顯著性意義。 返回返回時間序列習題參考答案（時間序列習題參考答案（7 7） 在滯后12處的重要的頂點暗示在數(shù)據(jù)中存在周期為12（12個季度）的季節(jié)成分。檢查偏自相關(guān)函數(shù)圖同樣可得到這個十分明確的結(jié)論。 返回返回時間序列習題參考答案（時間序列習題參考答案（8 8）四、建立時間序

12、列模型 返回返回時間序列習題參考答案（時間序列習題參考答案（9 9）返回返回時間序列習題參考答案（時間序列習題參考答案（1010）返回返回時間序列習題參考答案（時間序列習題參考答案（1111） 預測值與觀察值很好地擬合在一起，表明模型有令人滿意的預測能力。 返回返回時間序列習題參考答案（時間序列習題參考答案（1212）q該模型描述表包含每個估計模型名稱和模型類型。在本例中，因變量是男子服裝銷售量，系統(tǒng)分配的名稱是Model_1。專家建模得出的最佳擬合模型為ARIMA(0,0,0)(0,1,0)，它是1階季節(jié)差分自回歸綜合移動平模型。q模型的季節(jié)性說明了在序列圖中見到的季節(jié)性峰值，1階差分反映了

13、數(shù)據(jù)中明顯的上升趨勢。返回返回時間序列習題參考答案（時間序列習題參考答案（1313） 模型統(tǒng)計表給出了匯總信息和對每個估計模型最佳擬合的統(tǒng)計量。每個模型的結(jié)果用模型描述表中提供的模型標識符被標識。模型包含你最初指定的5個候選預測因子中的兩個預測因子。所以專家建模已經(jīng)識別出兩個可以用來預測的自變量。盡管時間序列模型主動提供了許多不同的最佳擬合統(tǒng)計量，但我們只選擇了平穩(wěn)值。該統(tǒng)計量提供了由模型解釋的序列中總變異的百分比的估計，當有趨勢或季節(jié)性模式時平穩(wěn)是最適宜的，就像本例的情況一樣。本例是個很大的值說明擬合很好。Ljung-Box統(tǒng)計量同改良的Box-Pierce統(tǒng)計量一樣知名，提供了模型是否被正

14、確地指定的象征。顯著性值小于0.05暗示在觀察值序列中存在不是由模型解釋的結(jié)構(gòu)。本例0.984的顯著性值說明它是不顯著的，所以我們可以肯定正確地指定了模型。專家建模偵查出9個異常值。這些點中的每一個都已適當?shù)乇荒M處理，所以不需要你從序列中移走它們。 返回返回時間序列習題參考答案（時間序列習題參考答案（1414） ARIMA模型參數(shù)表顯示模型中所有參數(shù)的值，及由模型標識符標識的每個模型。它列出了模型中所有的變量，包括因變量和由專家建模確定有顯著性的自變量?，F(xiàn)在我們清楚地看到在模型統(tǒng)計量表中的兩個預測因子分別是郵寄商品目錄的數(shù)量和用于訂購的開放式電話線數(shù)量。它們都有顯著性意義（Sig.小于0.0

15、5）。返回返回時間序列習題參考答案（時間序列習題參考答案（1515）五、預測1999年3月的郵寄商品目錄的數(shù)量和用于訂購的開放式電話線數(shù)量。 返回返回時間序列習題參考答案（時間序列習題參考答案（1616） 在數(shù)據(jù)編輯窗中顯示新變量Predicted_mail_Model_1 and Predicted_phone_Model_2，包括其模型預測值。這些預測值被添加到121至123的記錄中。下面用這些值做相應(yīng)變換后來預測1999年3月的男裝銷售量。 返回返回時間序列習題參考答案（時間序列習題參考答案（1717）六、數(shù)據(jù)轉(zhuǎn)換返回返回時間序列習題參考答案（時間序列習題參考答案（1818）返回返回時間序列習題參考答案（時間序列習題參考答案（1919）七、預測1999年3月的男裝銷售量返回返回時間序列習題參考答案（時