搜索
第11章SPSS在时间序列预测中的应用时间序列分析是概率统计学科中应用性较强的一个分支，在金融经济、气象水文、信号处理、机械振动等众多领域有从所采用的数学工具和理论，时间序列分析分为时域分析和谱分析两大类分析方法预测的流程通常可以用下图来描述：11.1时间序列的预处理11.1.1预处理的基本原理1.使用目的通过预处理，一方面能够使序列的随“时间”变化的、“动态”的特征体现得更加明显，利用模型的选择；另一方面也使得数据满足与模型的要求。2.基本原理⑴数据采样采样的方法通常有直接采样、累计采样等。⑵直观分析时间序列的直观分析通常包括离群点的检验和处理、缺损值的补足、指标计算范围是否统一等一些比较简单的，可以采用比较简单手段处理的分析。⑶特征分析所谓特征分析就是在对数据序列进行建模之前，通过从时间序列中计算出一些有代表性的特征参数，用以浓缩、简化数据信息，以利数据的深入处理，或通过概率直方图和正态性检验分析数据的统计特性。通常使用的特征参数有样本均值、样本方差、标准偏度系数、标准峰度系数等。⑷相关分析所谓相关分析就是测定时间序列数据内部的相关程度，给出相应的定量度量，并分析其特征及变化规律。理论上，自相关系数序列与时间序列具有相同的变化周期．所以，根据样本自相关系数序列随增长而衰减的特点或其周期变化的特点判断序列是否具有平稳性，识别序列的模型，从而建立相应的模型。3.其他注意事项进行时间序列预处理的时候，常常需要对数据一些变换，例如，取对数，做一阶差分，做季节差分等。11.1.2时间序列预处理的SPSS操作详解Step01:数据准备选择菜单栏中的【数据】→【定义日期】命令，弹出【定义日期】对话框。如果选择月度数据或季度数据，将会出现【更高级别的周期】。在其下方将显示数据的最大周期长度，月度数据默认周期长度为12，季度数据默认周期长度为4。单击【确认】按钮，此时完成时间的定义，SPSS将在当前数据编辑窗口中自动生成标志时间的变量。日Step02：数据采样选择菜单栏中的【数据】→【选择个案】命令，弹出【选择个案】对话框。Step03：直观分析当数据准备好，为认识数据的变化规律，判断数据是否存在离群点和缺损值，最直接的观察方法是绘制序列的图像。选择菜单栏中的【数据】→【预测】→【序列图】命令，弹出【序列图】对话框。Step04：特征分析选择菜单栏中的【数据】→【图形】→【图表构建程序】命令，弹出【图表构建程序】对话框。在【库】选项卡中选择【直方图】，并将直方图形拖入【图预览使用实例数据】下方的白色区域，然后将所需要画直方图的变量拖入X轴，单击【确认】按钮就画出直方图了，图中将显示该变量的均值、方差、样本容量。Step05：相关分析选择菜单栏中的【分析】→【预测】→【自相关】命令，弹出【自相关】对话框。在左侧的候选变量列表框中选择一个变量，将其移入【变量】列表框中。单击【选项】按钮，弹出【选项】对话框。11.1.3实例图文分析：社会商品零售总额的预处理1.实例内容为了分析社会商品零售总额的变动趋势，收集了我国2000年1月到2010年5月社会商品零售总额的数据，现在对数据进行时间序列的预处理。2实例操作Step01：数据准备输入社会商品零售总额的数据，然后选择菜单栏中的【数据】→【定义日期】命令，弹出【定义日期】对话框，选择【年，月】选项,并在【第一个个案】选项组的【年】文本框中输入“2000”，在【月】文本框中输入“1”。Step02：标志时间的变量出现单击【确认】按钮，此时完成时间的定义，SPSS将在当前数据编辑窗口中自动生成标志时间的变量，同时在输出窗口中将会出现一个简明的日志，说明时间标志变量及其格式和包含的周期等。年月日Step03：数据采样选择菜单栏中的【数据】→【选择个案】命令，弹出【选择个案】对话框，点选【基于时间或个案全距】单选钮，并单击【范围】按钮，此时会出现新的对话框，在【第一个个案】选项组的【年】文本框中输入“2000”，在【月】文本框中输入“1”，在【最后个个案】选项组的【年】文本框中输入“2009”，在【月】文本框中输入“12”。单击【继续】按钮，然后单击【选择个案】对话框中的【确认)】按钮，此时在输出窗口中将会出现一个简明的日志，说明此时只对2000年1月都2009年12月的数据做分析与建模。Step04：直观分析选择菜单栏中的【数据】→【预测】→【序列图】命令，弹出【序列图】对话框，在该对话框左侧的候选变量列表框中选择【VAR00001】选项，将其移入【变量】列表框中,选择【Year,notperiodic】将其移入【时间轴标签】列表框，单击【确认】按钮即可生成线图。Step05：特征分析选择菜单栏中的【数据】→【图形】→【(图表构建程序)】命令，弹出【图表构建程序】对话框。在【库】选项卡中选择【直方图】选项，并将直方图形拖入【图预览使用实例数据】下方的白色区域，然后将【VAR00001】拖入X轴，单击【确认】按钮即可生成直方图。图11-13Step06：相关分析选择菜单栏中的【分析】→【预测】→【自相关】命令，弹出【自相关】对话框。将【VAR00001】移入【变量】列表框中,在【显示】选项组中勾选所以复选框，即展示自相关函数图、又偏相关函数图。单击【确认】按钮即可绘制自相关函数图和偏相关函数图。3实例结果及分析（1）直观分析的输出结果我国2000年1月到2009年12月社会商品零售总额的线图，从图上可以看出该序列有明显的趋势性或周期性这说明该序列，而且无离群点和缺失值．（2）特征分析结果我国2000年1月到2009年12月社会商品零售总额的直方图，如图11-16所示。从图上可以看出该序列的样本均值为5655.5333，样本标准差为2559.27829，样本容量为120个。（3）相关分析结果（1）样本自相关系数的值在SPSS中给出了不同滞后期的样本自相关系数的值（自相关系数列），样本自相关系数的标准误差（标准误差列），以及Box-ljung统计量的值、自由度和相伴概率。通过标准误差值以及Box-ljung统计的相伴概率都可以说该时间序列不是白噪声，是具有自相关性的时间序列，可以建立ARIMA等模型。Box-ljung统计的相伴概率是在近似认为Box-ljung统计量服从卡方分布得到。（2）样本自相关系数的图形在SPSS中画出了样本自相关系数图。图中的横轴为滞后期，纵轴为样本自相关系数。图中用条形形状来表示样本自相关系数，并画出了95%的置信上下限的线条。从下图可以看出该时间序列的自相关系数并不呈负指数收敛到零，其衰减速度比较慢，不是平稳时间序列。（3）样本偏相关系数的值在SPSS中给出了不同滞后阶的样本偏相关系数的值，样本偏相关系数的标准误差（标准列）。从表10-3样本偏相关系数的数据表可以看出该时间序列不是白噪声。（4）样本偏相关系数的图形图中的横轴为滞后期，纵轴为样本偏相关系数（PACF）。图中用条形形状来表示样本偏相关系数，并画出了95%的置信上下限的线条。从下图可以看出该时间序列的偏相关系数在一阶滞后期、12阶滞后期比较大，说明该时间序列具有周期性，不是平稳时间序列。11.2时间序列的确定性分析11.2.1确定性分析的基本原理1、使用目的传统时间序列分析认为长期趋势变动、季节性变动、周期变动是依一定的规则而变化的，不规则变动因素在综合中可以消除。基于这种认识，形成了确定性时间序列分析。通过确定性时间序列分析，一方面能够使序列的长期趋势变动特征、季节效应、周期变动体现得更加明显；另一方面能确立模型，从而成功捕捉数据的随“时间”变化的、“动态”的、“整体”的统计规律。因此，对时间序列进行确定分析，从而建立模型是非常必要的。2、基本原理（1）指数平滑法指数平滑法有助于预测存在趋势和（或）季节的序列。指数平滑法分为两步来建模，第一步确定模型类型，确定模型是否需要包含趋势、季节性，创建最适当的指数平滑模型，第二步选择最适合选定模型的参数。指数平滑模法一般分为无季节性模型、季节性模型。无季节性模型包括简单指数平滑法、布朗单参数线性指数平滑法等，季节性模型包括温特线性和季节性指数平滑法。指数平滑法，又称指数加权平均法，实际是加权的移动平均法，它是选取各时期权重数值为递减指数数列的均值方法。（2）季节分解法季节分解的一般步骤如下：第一步，确定季节分解的模型；第二步，计算每一周期点（每季度，每月等等）的季节指数（乘法模型）或季节变差（加法模型）；第三步，用时间序列的每一个观测值除以适当的季节指数（或减去季节变差），消除季节影响；第三步，对消除了季节影响的时间序列进行适当的趋势性分析；第四步，剔除趋势项，计算周期变动；第五步，剔除周期变动，得到不规则变动因素；第六步，用预测值乘以季节指数（或加上季节变差），乘以周期变动，计算出最终的带季节影响的预测值。11.2.2指数平滑法的SPSS操作详解Step01：打开【创建模型】对话框当时间序列的数据已经准备好以后，选择菜单栏中的【分析】→【预测)】→【创建模型】命令，弹出【创建模型】对话框。Step02：指数平滑模型选择在该对话框的左侧的【变量)】列表框中选择一个变量，将其移入【因变量】列表框。在【模型】下拉列表框中选择建模方法，在【模型】下拉列表框中选择【指数平滑法】选项，并单击【条件】按钮，弹出【指数平滑条件】对话框。Step03：统计量的选择在【创建模型】对话框的菜单中，选择【统计量】，弹出【统计量】对话框。Step04:图表的选择【图表】选项卡分成两部分.①模型比较图：②模型当模型的图：Step05：输出的选择【输出过滤】选项卡中包括两部分。①输出所有的模型，系统默认选项。②输出基于拟合优度过滤的模型。Step06：保存变量的选择在【保存】选项卡中包括两部分。①保存变量；②导出模型文件:选择是否导出模型文件保存变量,将模型文件保存在指定的目录中。选择好以后，在【创建模型】对话框的菜单中，单击【(选项】按钮，弹出【选项】对话框。图11-24Step07：某些选项的选择11.2.3实例图文分析：进出口贸易总额的指数平滑建模1.实例内容以我国1950-2005年进出口贸易总额年度数据为例，尝试建立指数平滑模型。2.实例操作Step01：打开【创建模型】对话框选择菜单栏中的【分析】→【预测】→【创建模型】命令，弹出【创建模型】对话框。将该对话框左侧的【VAR00001】变量移入【因变量】列表。在【模型】下拉列表框中选择【指数平滑法】选项。单击【条件】按钮，弹出【指数平滑条件】对话框。Step02：指数平滑模型选择由于数据具有明显的趋势性，所以选【Brown线性趋势】,点击【继续】，返回到了【创建模型】对话框。单击【统计量】选项卡，弹出如下图所示的界面。Step03：统计量的选择在【统计量】选项卡中，选择对展示模型拟合度量、ljung-Box统计量、被模型过滤掉的样本数据的个数的选项，选择显示模型参数的估计值，选择好以后，单击【保存】选项卡，对话框显示如下图所示。Step05:完成操作选择好以后，单击【确认】输出结果，此时，SPSS将在当前数据编辑窗口中自动生成代带前缀Predicted的预测值和带前缀NResidual的残差的值。3实例结果及分析（1）模型描述该模型为模型_1，模型的类型为Brown的线性趋势模型。（2）模型拟合优度对VAR00001建立Winters的乘积季节模型的拟合优度，包括了调整R-Square,标准化的BIC等所有拟合优度的值。（3）模型的统计量的结果由于在【统计量】对话框中，选择了展示模型拟合度量、ljung-Box统计量、被模型过滤掉的样本数据的个数的选项，所以，在输出结果中出现了调整R方,标准化的BIC的值，ljung-Box统计量的值。从表10-5中可以看出Box-ljung统计量的相伴概率是0.524，可以接受残差序列是没有自相关性的。由于在【统计量】对话框中，选择显示模型参数的估计值，所以，在输出结果中出现模型的参数估计的结果。从表10-6可以看出，水平指标的估计值是0.492，趋势指标的估计值是0.071，季节效应指标为