第8章时间序列分析与预测

1第8章时间序列分析与预测实验一、利用SPSS进行时间序列时序图的绘制一、实验目的及要求熟悉SPSS的时间序列时序图的绘制功能，熟练掌握操作过程，对SPSS运行结果能进行解释。二、实验内容选用我国1978-2003年的国民生产总值数据如图8-1所示（数据来源于《中国统计年鉴》），试绘制时间序列时序图，以观察其发展变化趋势。图8-1data08-1.sav数据文件解：读取数据文件data08-1.sav，点击Graphs菜单，在子菜单列表中点击Sequence，打开时序图对话框，如图8-2设置。图8-2格式对话框2（2）点击Format按钮，打开序列图格式设置对话框，如图8-3设置图8-3格式对话框Timeonhorizontalaxis：用横轴作时间轴，这是系统的缺省设置。不选择该格式时就可以用纵轴作为时间轴。（3）点击OK按钮。得到如图8-4的结果。图8-4国民生产总值时序图从上面的时序图可以看出，我国的国民生产总值随着时间的变化呈现出增长趋势，特别是从1993年开始，我国的经济进入了一个高速的增长时期。显然，从上面的图形可以看出，国民生产总值序列并不是一个平稳时间序列，而是一个具有增长趋势的时间序列。要对其进行时间序列分析，那么首先必须将这个序列平稳化。19781979198019811982198319841985198619871988198919901991199219931994199519961997199819992000200120022003Date0.025000.050000.075000.0100000.0125000.0国民生产总值（亿元）3三、操作练习选取我国1988～2007年20年的粮食产量（万吨）数据（数据来源于《中国统计年鉴》），试绘制时间序列时序图，以观察其发展变化趋势。四、操作练习答案解：读取数据文件data08-2.sav，点击Graphs菜单，在子菜单列表中点击Sequence，打开时序图对话框，如图8-5设置。图8-5格式对话框点击OK按钮。得到如图8-6的结果。年份20072006200520042003200220012000199919981997199619951994199319921991199019891988粮食产量5200050000480004600044000420004000038000图8-6我国粮食产量时序图4从图8-6可看出，我国的粮食产量随着时间的变化呈现出增长趋势，但明显分为三阶段：1988年～1999年12年间呈波浪式上升；2000～20034年间逐年下降；2004～2007年4年间逐年上升。显然，从上面的图形可以看出，我国的粮食产量序列并不是一个平稳时间序列。实验二利用SPSS进行时间序列季节分解一、实验目的及要求熟悉SPSS的时间序列季节分解功能，熟练掌握操作过程，对SPSS运行结果能进行解释。二、实验内容现实中的时间序列通常会包括：长期趋势（T）、季节变动（S）、循环变动（C）和不规则变动（I）。季节分解法可以将时间序列分解为以下形式：加法模型：tttttYTSCI乘法模型：tttttYTSCI乘法模型使用得更多一些。在乘法模型中，时间序列值和长期趋势值用绝对值表示，季节变动、循环变动和不规则变动用相对数表示。实例操作：选用我国1990-2004年的月度社会消费品零售总额数据，用季节分解法分析。解：读取数据文件data08-3.sav。数据文件中变量包括“月度社会消费品零售总额”和变量YEAR_，MONTH_HEDATA_。显然，月度社会消费品零售总额存在着明显的周期波动。此外，随着人民生活水平的不断提高，也有不断增加的趋势，将这些趋势因素和波动因素进行分解。（1）按Analyze→Timeseries→SeasonalDecomposition顺序，打开展开SeasonalDecomposition对话框，如图8-7所示设置。图8-7季节分解对话框5该对话框主要包括：★Variable（s）：用于选入要进行季节分解的原始序列变量；★Model：时间序列季节分解的不同模型选择，包括Multipicative乘法模型和Additive加法模型；★MovingAverageWeight：设定移动平均的权重，有两个可选项。Allpointsequal表示计算周期跨度相等和所有点相等的移动平均，常用于周期是奇数的情形。Endpointsweightedby0.5用相同跨度（周期+1）和端点权重乘以0.5计算移动平均，这个选项仅当时间序列的周期为偶数时才有效。★Displaycasewiselisting：表示输出对每个观测量的季节分解结果。（2）保存选项的设置。单击Save按钮，打开如图8-8所示的子对话框，设置关于保存选项的参数。★Addtofile：作为永久新增变量添加到当前数据集里；★Replaceexisiting：作为临时新增变量添加到当前数据集里，新模型的输出值将覆盖旧模型保存的变量；★Donotcreate：不在当前数据集保存模型结果。季节分解模型将会输出4个结果变量，它们的名称（以3个字母表示）及含义分别为：SAF，表示序列的季节成分；SAS，表示去除季节成分后的序列；STC，表示序列的趋势和循环成分；ERR，表示序列的不规则成分（随机部分）。（3）设置完毕后，单击OK按钮，可得到图8-8结果：图8-8季节分解结果从图8-8的结果可以看出，每年10月到次年2月的社会消费品零售总额季节指数都大于100%，这段时期是销售旺季。下面给出返回到数据编辑窗口的新产生的变量，如图8-9所示：6图8-9季节调整结果从图8-9可以看出，经过季节调整之后的社会消费品零售总额呈现出来的周期波动因素已经减弱。