【SPSS看統(tǒng)計(jì)學(xué)】之時(shí)間序列預(yù)測甄選

1、【SPSSt統(tǒng)計(jì)學(xué)】之時(shí)間序列預(yù)測時(shí)間序列預(yù)測技術(shù)卜面看看如何采用spsSc件進(jìn)行時(shí)間序列的預(yù)測 我們通過案例來說明：假設(shè)我們拿到一個時(shí)間序列數(shù)據(jù)集：某男裝生產(chǎn)線銷售額.一個產(chǎn)品分類銷售公司會根據(jù)過去10年的銷售數(shù)據(jù)來預(yù)測其男裝生產(chǎn)線的月銷售情況.現(xiàn)在我們得到了 10年120個歷史銷售數(shù)據(jù),理論上講,歷史數(shù)據(jù)越多預(yù)測越穩(wěn)定,一般也要24個歷史數(shù) 據(jù)才行!大家看到,原那么上講數(shù)據(jù)中沒有時(shí)間變量,實(shí)際上也不需要時(shí)間變量,但你必須知道時(shí)間的起點(diǎn)和時(shí)間間隔.當(dāng)我們現(xiàn)在預(yù)測方法創(chuàng)立模型時(shí),記?。阂欢ㄒ榷x數(shù)據(jù)的時(shí)間序列和標(biāo)記！1 / 8doc格式可編輯這時(shí)候你要決定你的時(shí)間序列數(shù)據(jù)的開始時(shí)間,時(shí)間間隔

2、,周期！在我們這個案例中,你要決定季度是否 是你考慮周期性或季節(jié)性的影響因素,軟件能夠偵測到你的數(shù)據(jù)的季節(jié)性變化因子.定義了時(shí)間序列的時(shí)間標(biāo)記后,數(shù)據(jù)集自動生成四個新的變量：YEAR QUARTER MONTH和DATE 時(shí)間標(biāo)簽.接下來：為了幫我們找到適當(dāng)?shù)哪Ｐ?最好先繪制時(shí)間序列.時(shí)間序列的可視化檢查通?？梢院芎玫刂笇?dǎo)弁幫助我們進(jìn)行選擇.另外,我們需要弄清以下幾點(diǎn)：?此序列是否存在整體趨勢？如果是,趨勢是顯示持續(xù)存在還是顯示將隨時(shí)間而消逝？?此序列是否顯示季節(jié)變化？如果是,那么這種季節(jié)的波動是隨時(shí)間而加劇還是持續(xù)穩(wěn)定存在？2 / 8doc格式可編輯這時(shí)候我們就可以看到時(shí)間序列圖了!我們看到

3、：此序列顯示整體上升趨勢,即序列值隨時(shí)間而增加.上升趨勢似乎將持續(xù),即為線性趨勢.此 序列還有一個明顯的季節(jié)特征,即年度高點(diǎn)在十二月.季節(jié)變化顯示隨上升序列而增長的趨勢,說明是乘 法季節(jié)模型而不是加法季節(jié)模型.此時(shí),我們對時(shí)間序列的特征有了大致的了解,便可以開始嘗試構(gòu)建預(yù)測模型.時(shí)間序列預(yù)測模型的建立 是一個不斷嘗試和選擇的過程.了三大類預(yù)測方法：1-專家建模器,2-指數(shù)平滑法,3-ARIMA3 / 8doc格式可編輯?指數(shù)平滑法 指數(shù)平滑法有助于預(yù)測存在趨勢和 /或季節(jié)的序列,此處數(shù)據(jù)同時(shí)表達(dá)上述兩種特征.創(chuàng)立最適當(dāng)?shù)闹笖?shù)平滑模型包括確定模型類型此模型是否需要包含趨勢和/或季節(jié),然后獲取最適

4、合選定模型的參數(shù).1-簡單模型預(yù)測即無趨勢也無季節(jié)首先我們采用最為簡單的建模方法,就是簡單模型,這里我們不斷嘗試的目的是讓大家熟悉各種預(yù)測模型, 了解模型在什么時(shí)候不適合數(shù)據(jù),這是成功構(gòu)建模型的根本技巧.我們先不討論模型的檢驗(yàn),只是直觀的 看一下預(yù)測模型的擬合情況,最后我們確定了預(yù)測模型后我們再討論檢驗(yàn)和預(yù)測值.4 / 8doc格式可編輯q 號 N從圖中我們看到,雖然簡單模型確實(shí)顯示了漸進(jìn)的上升趨勢,但弁不是我們期望的結(jié)果,既沒有考慮季節(jié)性變化,也沒有周期性呈現(xiàn),直觀的講根本上與線性預(yù)測沒有差異.所以我們拒絕此模型.2-Holt線性趨勢預(yù)測Holt線性指數(shù)平滑法,一般選擇：針對等級的平滑系數(shù)l

5、apha=0.1,針對趨勢的平滑系數(shù)gamma=0.2；等級, Q L = ayt + 1 ocFt 趨勢: Tt 口心二 電±1 二了Tp初始值：L2=y2 andT?：%«J L KLfr1fti+53與 a qp 即MA平的I斤方焦計(jì)pF郭殖苜曲utt 1nT Tl X AQ Iis1-從上面的擬合情況看,Holt預(yù)測模型更平滑了,也就是說 Holt模型比簡單模型顯現(xiàn)了更強(qiáng)的平滑趨勢,但未考慮季節(jié)因素,還是不理想,所以還應(yīng)放棄此模型.3-簡單季節(jié)性模型5 / 8doc格式可編輯u在加得當(dāng)我們考慮了季節(jié)性變化后,簡單季節(jié)性預(yù)測模型根本上較好的擬合了數(shù)據(jù)的大趨勢,也就是考

6、慮了趨勢和季節(jié).4-Winters相乘法預(yù)測模型我們再次選擇 Winters預(yù)測模型,實(shí)際上這時(shí)候非統(tǒng)計(jì)專業(yè)人士其實(shí)已經(jīng)可以不用考慮Winters模型的原理了,由于對于大局部經(jīng)營分析人員,如果期望把每一個預(yù)測方式的細(xì)節(jié)都搞清楚,弁不容易,也容易陷入 數(shù)量層面的糾葛中,我們只要相信軟件算法就可以了.此時(shí),在數(shù)據(jù)集的時(shí)間跨度為 10年,弁且包含10個季節(jié)峰值出現(xiàn)在每年十二月份中,簡單季節(jié)模型和Winters模型都撲捉到了這10個峰值與實(shí)際數(shù)據(jù)中的10個年度峰值完全匹配的預(yù)測結(jié)果.此時(shí),我們基本上可以得到了 一個比擬滿意的預(yù)測結(jié)果.此時(shí)也說明,無論采用指數(shù)平滑的什么模型,只要考慮了季節(jié)因素,都可以得

7、到較好結(jié)果,不同的季節(jié)性 指數(shù)平滑方法只是細(xì)微差異了.但是,我們仔細(xì)看預(yù)測值和擬合值,還是有一些上升和下降的趨勢和結(jié)構(gòu)沒有撲捉到.預(yù)測還有改良的需 求！6 / 8doc格式可編輯5-ARIMA預(yù)測模型ARIMA模型是自回歸AR和移動平均MA加上差分考慮,但ARIMA模型就比擬復(fù)雜了,對大局部經(jīng)營分析人 員來講,要搞清楚原理和方程公式,太困難了！期望搞清楚的人必須學(xué)過隨機(jī)過程,什么平穩(wěn)過程、白噪聲等,大局部人頭都大了,現(xiàn)在有了軟件就不問為什么了, 只要知道什么數(shù)據(jù)In,什么結(jié)果Out,就可以了時(shí)同序列建模修士專才建模0條件模型離群值模組類型0所有模型囿©快限指數(shù)平滯去模型1瓦南咆加島稚

8、私同I iiii nriBiinriiiiiniiiiiA-riiBiirfeiiiHBri iiirnil iria iiii rwii liraili iHBiiidiiiBirraiiiSmBiiiniiiiiriiiiii «ii liraiiii4號冢建模需考慮季節(jié)性模型的當(dāng)前周期性:1?事件自變量事件供型I變量事群變量是用于模型外暫事件國口水災(zāi)、罷工或即迸新產(chǎn)品鯽效果的糕 殊自變量.粕查要規(guī)為事件變量的廝有變量.騫個變量的瑞嗎方式都原滿足以下條 件：即用1表示認(rèn)定事件產(chǎn)生影響的時(shí)間點(diǎn).我們采用專家建模器,但指定僅限 ARIMA模型,弁考慮季節(jié)性因素.理3芭用Si ID工第始喜西*和智JARIMA口口口中.1.此時(shí),我們看到模型擬合弁相比擬簡單季節(jié)性和Winters模型沒有太