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)內(nèi)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(cè)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(duì)于時(shí)間序列的短期預(yù)測(cè)來說，隨機(jī)時(shí)序arima是一種精度較高的模型。我們已遼寧省歷年（1969-2005）從業(yè)人員人數(shù)為

2、數(shù)據(jù)基礎(chǔ)建立一個(gè)就業(yè)總量的預(yù)測(cè)時(shí)間序列模型,通過spss建立模型并用此模型來預(yù)測(cè)就業(yè)總量的未來發(fā)展趨勢(shì)。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(cè)。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(duì)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(duì)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：首先，對(duì)有缺失值的數(shù)據(jù)進(jìn)行修補(bǔ)，

3、其次將數(shù)據(jù)資料定義為相應(yīng)的時(shí)間序列，最后對(duì)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：datedefine dates，出現(xiàn)窗口：?jiǎn)螕簟緊k(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。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

4、的觀察方法是繪制序列的圖像。2. 選擇菜單選項(xiàng)欄中的analyzeforecastingsequence charts,彈出sequence charts對(duì)話框。單擊【ok(確認(rèn))】按鈕，得到時(shí)序圖： 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(shì)去掉，二次差分可以將序列中的拋物線趨勢(shì)去掉，圖中曲線存在線性趨勢(shì)，用一階差分運(yùn)算去除。3. 選擇菜單：transformcreate time series，彈出對(duì)話框：?jiǎn)螕簟緊k(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_1。數(shù)據(jù)經(jīng)過一階差分后，檢驗(yàn)差分序

5、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(duì)數(shù)據(jù)進(jìn)行平穩(wěn)化處理。4. 選擇菜單analyzetime seriesautoregression。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)生成自相關(guān)和偏自相關(guān)相關(guān)數(shù)據(jù)。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-ljung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-ljung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

6、建立arima模型。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analyzeforecastingcreate models命令，彈出create models對(duì)話框。在該對(duì)話框左側(cè)的variables列表框中選擇一個(gè)變量，將其移入dependent 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(duì)話框。單擊create models對(duì)話框中的ok按鈕，將進(jìn)行arima模型建模和分析，結(jié)果如下：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：通過平穩(wěn)r方值