1、第17章 時(shí)間序列分析,Time Series,返回,各種時(shí)間序列分析過程 修補(bǔ)缺失值與創(chuàng)建時(shí)間序列 序列圖 操作 實(shí)例 建立時(shí)間序列模型 操作 實(shí)例 應(yīng)用時(shí)間序列模型 操作 自相關(guān) 操作 實(shí)例,季節(jié)分解法 操作 實(shí)例 頻譜分析法 頻譜分析操作 實(shí)例 互相關(guān) 操作 實(shí)例 習(xí)題17及參考答案 結(jié)束,目 錄,返回,各種時(shí)間序列分析過程,返回,修補(bǔ)缺失值過程與對話框,返回,創(chuàng)建時(shí)間序列對話框,運(yùn)行函數(shù)Lag時(shí)的結(jié)果說明,返回,序列圖,Sequence Charts,返回,序列圖過程 主對話框,返回,時(shí)間軸參考線對話框,返回,定義時(shí)間軸的格式對話框,返回,序列圖應(yīng)用實(shí)例輸出,模型描述表,樣品處理摘要,

2、含有基準(zhǔn)線的序列圖,返回,建立時(shí)間序列模型,Create models,返回,時(shí)間序列建模提示框,Time Serises Modeler 對話框Variables選項(xiàng)卡,返回,專家建模標(biāo)準(zhǔn)模型選項(xiàng)卡,返回,判斷異常值選項(xiàng)卡,指數(shù)平滑標(biāo)準(zhǔn)模型選項(xiàng)卡,返回,ARIMA Criteria Model選項(xiàng)卡,返回,偵查異常值的選項(xiàng)卡,返回,自變量轉(zhuǎn)換選項(xiàng)卡,返回,時(shí)間序列模型Statistics選項(xiàng)卡,返回,Time Serises Modler Plots選項(xiàng)卡,返回,Time Serises Modler Output Filter對話框,返回,Time Serises Modler Save選

3、項(xiàng)卡,返回,時(shí)間序列模型 Option選項(xiàng)卡,返回,時(shí)間序列分析實(shí)例輸出,模型描述,均數(shù)絕對百分比誤差頻數(shù)圖,最大絕對百分比誤差頻數(shù)圖,返回,時(shí)間序列分析實(shí)例輸出(1),模型擬合,返回,時(shí)間序列分析實(shí)例輸出(2),模型統(tǒng)計(jì)數(shù)據(jù),返回,時(shí)間序列分析實(shí)例輸出(3),預(yù)測部分結(jié)果,數(shù)據(jù)編輯器中的新變量,返回,應(yīng)用時(shí)間序列模型,（Apply models ）,返回,Apply time Series models對話框,返回,自相關(guān),（Autocorrelations ）,返回,Autocorrelations對話框,返回,Options選項(xiàng)卡,返回,自相關(guān)分析實(shí)例輸出,模型描述,樣品處理摘要,自相關(guān)

4、表,返回,自相關(guān)分析實(shí)例輸出（1）,自相關(guān)圖,偏自相關(guān)表,偏自相關(guān)圖,返回,季 節(jié) 分 解 法,Seasonal Deccomposition,返回,季節(jié)分解主對話框,返回,季節(jié)分解法分析實(shí)例輸出,模型描述,季節(jié)因素,數(shù)據(jù)文件中增加的4個(gè)新變量,返回,頻譜分析,Spectral Analyze,返回,譜圖選擇對話框,返回,頻譜分析實(shí)例輸出,模型描述,周期圖,密度圖,返回,互相關(guān),Cross -Autocorrelation,返回,Cross-Autocorrelation對話框,返回,Options對話框,返回,互相關(guān)實(shí)例輸出,模型描述,樣品處理摘要,返回,互相關(guān)實(shí)例輸出（1）,互相關(guān)系數(shù)表,

5、男女服裝銷售量的互相關(guān)圖,返回,17 習(xí)題,1、 時(shí)間序列的基本概念。 時(shí)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(shí)間序列模型進(jìn)行擬合處理前，應(yīng)做哪些準(zhǔn)備工作？ 3、 在哪個(gè)過程中可進(jìn)行缺失值的修補(bǔ)？修補(bǔ)缺失值的方法共有幾種？ 4、 在哪個(gè)過程中可定義時(shí)間變量？ 5、 時(shí)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(gè)時(shí)間序列的新變量？在SPSS的哪個(gè)過程中來建時(shí)間序列的新變量？ 7、光盤中Data17-07.sav（Data17-07a.sav是Data17-07.sav使用中文標(biāo)簽名的同一個(gè)文件）記錄了一個(gè)郵購公司在1989年1月至1998年1

6、2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(xué)過的時(shí)間序列方法對其進(jìn)行分析，并預(yù)測1999年4月的男裝的銷售量。,返回,時(shí)間序列習(xí)題參考答案,1、 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。 2、 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)后再用這些過程對其進(jìn)行分析。根據(jù)對數(shù)據(jù)建模前的預(yù)處理工作的先后順序，將它分為三個(gè)步驟：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。 3、 修補(bǔ)缺失值可在Transform

7、菜單的Replace Missing Values過程中進(jìn)行。修補(bǔ)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(shí)間變量可在Data菜單的Define dates過程里實(shí)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(shí)間的變化而變化、自相關(guān)系數(shù)是否只與時(shí)間間隔有關(guān)而與所處的時(shí)間無關(guān)。 6、在時(shí)間序列分析中，為檢驗(yàn)時(shí)間序列的平穩(wěn)性，經(jīng)常要用一階差分、二階差分，有時(shí)為

8、選擇一個(gè)合適的時(shí)間序列的模型還要對原時(shí)間序列數(shù)據(jù)進(jìn)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(shí)間序列的數(shù)據(jù)庫中，再建一個(gè)新的時(shí)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(shí)間序列變量的函數(shù)建立一個(gè)新的變量。,返回,時(shí)間序列習(xí)題參考答案（1）,7、一、定義時(shí)間序列 （說明：1、對data17-07a.sav和data17-07.sav都要做這個(gè)工作。2、在第四步起data17-07.sav）,返回,時(shí)間序列習(xí)題參考答案（2）,二、序列圖分析,返回,時(shí)間序列習(xí)題參考答案（3）,返回,時(shí)間序列習(xí)題參考答案（4）,序列圖顯示了許多峰值，其中許多峰值是等間隔出現(xiàn)

9、的，有很清楚的上升趨勢。等間隔的峰值暗示存在時(shí)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。 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(diǎn)顯著偏離。這些點(diǎn)可能是異常值，它可以而且應(yīng)該由Expert Modeler解決。,返回,時(shí)間序列習(xí)題參考答案（5）,三、自相關(guān)分析,返回,時(shí)間序列習(xí)題參考答案（6）,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）。由于原假設(shè)（假設(shè)基本過程是獨(dú)立的，也即假定時(shí)間序列所反映的隨機(jī)過程是白噪聲）成

10、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,時(shí)間序列習(xí)題參考答案（7）,在滯后12處的重要的頂點(diǎn)暗示在數(shù)據(jù)中存在周期為12（12個(gè)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(gè)十分明確的結(jié)論。,返回,時(shí)間序列習(xí)題參考答案（8）,四、建立時(shí)間序列模型,返回,時(shí)間序列習(xí)題參考答案（9）,返回,時(shí)間序列習(xí)題參考答案（10）,返回,時(shí)間序列習(xí)題參考答案（11）,預(yù)測值與觀察值很好地?cái)M合在一起，表明模型有令人滿意的預(yù)測能力。,返回,時(shí)間序列習(xí)題參考答案（12）,該模型描述表包含每個(gè)估計(jì)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

11、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(dòng)平模型。 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階差分反映了數(shù)據(jù)中明顯的上升趨勢。,返回,時(shí)間序列習(xí)題參考答案（13）,模型統(tǒng)計(jì)表給出了匯總信息和對每個(gè)估計(jì)模型最佳擬合的統(tǒng)計(jì)量。每個(gè)模型的結(jié)果用模型描述表中提供的模型標(biāo)識符被標(biāo)識。模型包含你最初指定的5個(gè)候選預(yù)測因子中的兩個(gè)預(yù)測因子。所以專家建模已經(jīng)識別出兩個(gè)可以用來預(yù)測的自變量。盡管時(shí)間序列模型主動(dòng)提供了許多不同的最佳擬合統(tǒng)計(jì)量，但我們只選擇了平穩(wěn)值。該統(tǒng)計(jì)量提供了由模型解釋的序列中總變異的百分比的估計(jì)，當(dāng)有趨勢或季節(jié)性模式時(shí)平穩(wěn)是最適宜的，就像

12、本例的情況一樣。本例是個(gè)很大的值說明擬合很好。Ljung-Box統(tǒng)計(jì)量同改良的Box-Pierce統(tǒng)計(jì)量一樣知名，提供了模型是否被正確地指定的象征。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(gè)異常值。這些點(diǎn)中的每一個(gè)都已適當(dāng)?shù)乇荒M處理，所以不需要你從序列中移走它們。,返回,時(shí)間序列習(xí)題參考答案（14）,ARIMA模型參數(shù)表顯示模型中所有參數(shù)的值，及由模型標(biāo)識符標(biāo)識的每個(gè)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(jì)量表中的

13、兩個(gè)預(yù)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0.05）。,返回,時(shí)間序列習(xí)題參考答案（15）,五、預(yù)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,時(shí)間序列習(xí)題參考答案（16）,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(yù)測值。這些預(yù)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(yù)測1999年3月的男裝銷售量。,返回,時(shí)間序列習(xí)題參考答案（17）,六、數(shù)據(jù)轉(zhuǎn)換,返回,時(shí)間序列習(xí)題參考答案（18）,返回,時(shí)間序列習(xí)題參考答案（19）,七、預(yù)測1999年3月的男裝銷售量,返回,時(shí)間序列習(xí)題參考答案（20）,返回,時(shí)