spss時(shí)間序列模型

1、統(tǒng)計(jì)軟件實(shí)驗(yàn)報(bào)告SPSS軟件的上機(jī)實(shí)踐應(yīng)用時(shí)間序列分析數(shù)學(xué)與統(tǒng)計(jì)學(xué)學(xué)院一、實(shí)驗(yàn)容： 時(shí)間序列是指一個(gè)依時(shí)間順序做成的觀察資料的集合。 時(shí)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(dòng)平均及季 節(jié)分解。本次實(shí)驗(yàn)研究就業(yè)理論中的就業(yè)人口總量問題。 但人口經(jīng)濟(jì)的理 論和實(shí)踐表明， 就業(yè)總量往往受到許多因素的制約， 這些因素之間有 著錯(cuò)綜復(fù)雜的聯(lián)系， 因此，運(yùn)用結(jié)構(gòu)性的因果模型分析和預(yù)測就業(yè)總 量往往是比較困難的。時(shí)間序列分析中的自回歸求積分移動(dòng)平均法 (ARIMA )則是一個(gè)較好的選擇。對于時(shí)間序列的短期預(yù)測來說， 隨機(jī)時(shí)序 ARIMA 是一種精度較高的模型。我們已省歷年( 196

2、9-2005)從業(yè)人員人數(shù)為數(shù)據(jù)基礎(chǔ)建立一個(gè) 就業(yè)總量的預(yù)測時(shí)間序列模型，通過SPSS建立模型并用此模型來預(yù)測 就業(yè)總量的未來發(fā)展趨勢。二、實(shí)驗(yàn)?zāi)康模?. 準(zhǔn)確理解時(shí)間序列分析的方法原理2. 學(xué)會(huì)實(shí)用SPSS建立時(shí)間序列變量3. 學(xué)會(huì)使用SPSS繪制時(shí)間序列圖以反應(yīng)時(shí)間序列的直觀特征。4. 掌握時(shí)間序列模型的平穩(wěn)化方法。5. 掌握時(shí)間序列模型的定階方法。6. 學(xué)會(huì)使用SPSS建立時(shí)間序列模型與短期預(yù)測。7. 培養(yǎng)運(yùn)用時(shí)間序列分析方法解決身邊實(shí)際問題的能力。三、實(shí)驗(yàn)分析：總體分析 ：先對數(shù)據(jù)進(jìn)行必要的預(yù)處理和觀察，直到它變成穩(wěn)態(tài)后再用SPSS對數(shù)據(jù)進(jìn)行分析。數(shù)據(jù)的預(yù)處理階段， 將它分為三個(gè)步驟：

3、 首先，對有缺失值的數(shù) 據(jù)進(jìn)行修補(bǔ)，其次將數(shù)據(jù)資料定義為相應(yīng)的時(shí)間序列， 最后對時(shí)間序 列數(shù)據(jù)的平穩(wěn)性進(jìn)行計(jì)算觀察。數(shù)據(jù)分析和建模階段：根據(jù)時(shí)間序列的特征和分析的要求，選擇 恰當(dāng)?shù)哪Ｐ瓦M(jìn)行數(shù)據(jù)建模和分析。四、實(shí)驗(yàn)步驟：SPSS的數(shù)據(jù)準(zhǔn)備包括數(shù)據(jù)文件的建立、時(shí)間定義和數(shù)據(jù)期間的 指定。SPSS的時(shí)間定義功能用來將數(shù)據(jù)編輯窗口中的一個(gè)或多個(gè)變量指定為時(shí)間序列變量，并給它們賦予相應(yīng)的時(shí)間標(biāo)志，具體操作步驟 是:1.選擇菜單：Date f Define Dates出現(xiàn)窗口:單擊【ok（確認(rèn)）】按鈕，此時(shí)完成時(shí)間的定義，SPSS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。1XYEAR_DATE,967

4、.00196919691047 00197019701113.60197119711105,00197219721114 90107313731055.019741974112S4C197519761U1 10197619761180 60197719771Z54 1(J13TB19/a1321.50197919791M1.70198019801505 1C198119611571.&0198219821633 GO198319631G80 7019S419841769 101985196517M9 W1036.40198719S71858.6019081983« 口 

5、9;T ill a n< r*anw c 口 n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)是否存在離群點(diǎn)和缺損值，最直接的觀察方法是繪制序列的圖像。2. 選擇菜單選項(xiàng)欄中的 Analyze>forecasting>SequeneeCharts彈出 SequenceChartS對話框。單擊【ok（確認(rèn)）】按鈕，得到時(shí)序圖:YEAR, net ipariodic觀察發(fā)現(xiàn)序列沒有明顯的周期性，為非平穩(wěn)時(shí)間序列。一般而言， 一次差分可以將序列中的線性趨勢去掉，二次差分可以將序列中的拋 物線趨勢去掉，圖中曲線存在線性趨勢，用一階差分運(yùn)算去除。3. 選擇菜單：Transform>

6、Create Time Series 彈出對話框:單擊【ok（確認(rèn)）】按鈕，此時(shí)完成線性成分的去除，SPSS將在當(dāng)前數(shù)據(jù)編輯窗口中自動(dòng)生成差分后的新變量X_1XYAR_DATE_7967.00196919691U7 001019708D 001113 5019T1137166 601105.0019721972£601114 90197319739.901085 901974197429.00112G.A01575197&39501U1.101976197615.701180601P7197739 501254 1019T0197073.501321.501979197967

7、.401441 701&S01購0120.201506 101981196163.401571 S01982ffi 501638 60198319S367 001680 701984198442.TO1769.101995196568.40數(shù)據(jù)經(jīng)過一階差分后，檢驗(yàn)差分序列自相關(guān)和偏相關(guān)函數(shù)是否為截尾或拖尾，若是則數(shù)據(jù)已為平穩(wěn)序列可以進(jìn)行 ARIMA建模，否則繼續(xù) 對數(shù)據(jù)進(jìn)行平穩(wěn)化處理。4. 選擇菜單 Analyze宀Time Series宀Autoregress。o把被解釋變量選擇到Dependent框中，選擇解釋變量到Independent（s框中。單擊【ok（確認(rèn)）】按鈕，此時(shí)生成

8、自相關(guān)和偏自相關(guān)相關(guān)數(shù)據(jù)。序列:DIFF(x,1)滿后標(biāo)準(zhǔn)謂崖刁匕oy- lju hg圭把計(jì)呈值df116C9.0591one21 5®12 S2C20023.091I5i512 97C3.0054.001.15312.97C4.011刁.203.1 511 4.3915L01 1B.0621461 5 066&.0207.1911 4巧16 7637,01Q二：.085.14317 1 3S8.029'3.0011 4017 14Cg.04710.0691 3617 39210.06211-.11 91 3S1 0 1B711.0701 2-H731 371

9、1; 51 51 21 m13-.0B11301ti 737131311 4-0411 271 8.94C1 4.1 71吁-.011 2413.3515.220I b-.11 4.1 Z1i a1 a.232b.基于漸近卡畝延似丁'噪音-表中顯示的是自相關(guān)計(jì)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、標(biāo)準(zhǔn)誤差、Box-lju ng統(tǒng)計(jì)量（值、自由度、原 假設(shè)成立的概率值）。通過標(biāo)準(zhǔn)誤差以及 Box-lju ng統(tǒng)計(jì)量的相伴概 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ARIMA模型。1 0-一.JsiD«FF(x3)J 叫 S 63&

10、#171;310!1112 U Mi侑頃Bom延世融冃DIFF(x,1；LJIIII78 S 1C 11 12 113 H 15 1範(fàn)現(xiàn)數(shù)rl自相關(guān)圖顯示序列在2階滯后期時(shí)進(jìn)入平穩(wěn)置信區(qū)間并拖尾，所 以MA (q)的q取值為2。偏自相關(guān)序列在1階滯后期時(shí)進(jìn)入平穩(wěn)置信 區(qū)間并拖尾，所以AR(p)的p取值為1。數(shù)據(jù)經(jīng)過一階差分，所以I (d) 的取值為1。5. 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>Forecasting>Create Models命令，彈出 Create Models對話框。在該對話框左側(cè)的Variables列表框中選擇一個(gè)變量，將其移入Dep

11、endent Variables列表框。在 Method下拉列表框中選擇 ARIMA， 然后選擇ARIMA選項(xiàng)，單擊Criteria按鈕，彈出ARIMA Criteria對 話框。«S«s(ry礙押巒羌四）c平方脳砂日熬討故CDV茁W型滬包恬常辭|卩L綏峽J畑肖'WRD*單擊Create Models對話框中的ok按鈕，將進(jìn)行ARIMA模型建模和分析，結(jié)果如下：按型揣邇複型類型模型口 M業(yè)人數(shù) 棋型 1ARIWI/V1J.2)S£A1MH總Ktfi百牙恆?IDi55DT505豐特蘭JR片414<14414AI441 i4-4414.-fl 144T4

12、F方rN3,M3J 93453993.M3斶,993J 03.093FUSE33.20033.20633.20633.20633.20633 20033.20333JD633 J Da33.2IKfWE1 ml.«41 4441曲41 44411 44414441.4441 44iVaxPE6. STI6.671朋科0.9710 6718.6716 671G0?16s0Ft6 671WE22,陽 $2162322-0232U2312 62322 M32M232U2922J232; &33ivavF75 4417S.M1巫75.414175 441T5 Ml75441?5 J4

13、1r&44irs a<i7037.5037.5 D37.5037 5037 503?503T.'SDST.5D37 503頂測變晝數(shù)穆型擬合筑計(jì) £Ljuna-Bux Q<18)高酚i墳平穩(wěn)豹冃方城計(jì)量DFSig.打業(yè)入數(shù)喉型-T1.414C.55215.9690-皿 qulnz一觀砸 ttl臺(tái)亀怖轉(zhuǎn)25UJUL- 2000 0L 1750 00- 15Q0DC- 1250 flC=1000.0C-平穩(wěn)的R方為0.414說明基本擬合。我們根據(jù)以上方法改變ARIMA（p,d,q）中的系數(shù)重新建模。（p,d,q）取值分別為（1, 1, 0）得出結(jié)果如下:摟型類

14、型舉型ID見業(yè)人蝕棋型ARIMAdJ.Q)費(fèi)里區(qū)書EEzli5IDis5D7690.期.293.233.203293.203.291.293JDS.293R萬剜眄JBI.301991抽1gai991RMEE15 E6335.3S335 3B335.3 E335 3G335 36335 36335.3E335.3 63勢3G3rif-APE1.E43L0431,0431,3*311 6431審？I 643*3L0431.6131佈APE6 1SEE.15E611566.15EB 1566 156eras61566 1t> ISEF"E芳E4575.5352&S4535.5*525 54525乩525 5d5巧占昭754525 5*573.5S773.50773.5 B7F3.56773 56773 66773i6773.5 BT73.5 B?3 5G7hi :7 >1111M30T430r.43D7 430MJOWCJT.4307A307 410穆型預(yù)測變量數(shù)模型擬合垃計(jì) 量LJung-DoxQ(19)蕃群值教平穩(wěn)的R方境計(jì)量DF8ig.址ilk人數(shù)-模型11 6.25017.505022S0.OT-2000.00-1750.