實驗·6 時間序列分析的spss應(yīng)用

1、.實驗6 時間序列分析的spss應(yīng)用6.1 實驗?zāi)康膶W會運用SPSS統(tǒng)計軟件創(chuàng)建時間數(shù)列，熟練掌握長期趨勢線性模型擬合和季節(jié)變動測定的SPSS方法與技能。6.2 相關(guān)知識（略）6.3 實驗內(nèi)容6.3.1 用SPSS統(tǒng)計軟件創(chuàng)建時間序列的創(chuàng)建6.3.2用SPSS統(tǒng)計軟件處理長期趨勢線性模型的擬合（最小二乘法、指數(shù)平滑法）及預(yù)測。6.3.3掌握測定季節(jié)變動規(guī)律的SPSS測定方法。6.4實驗要求6.4.1準備實驗數(shù)據(jù)6.4.2用SPSS統(tǒng)計軟件創(chuàng)建彩電出口數(shù)量的時間序列6.4.3用最小二乘法測定長期趨勢，擬合線性趨勢方程，并進行趨勢預(yù)測。6.4.4測定彩電出口數(shù)量的季節(jié)變動規(guī)律。6.4.5用指數(shù)平滑

2、法預(yù)測2014和2015年的彩電出口數(shù)量。6.5 實驗步驟6.5.1 實驗數(shù)據(jù)為了研究某國彩電出口的情況，某研究機構(gòu)收集了從2003-2013年某國彩電出口的月度數(shù)據(jù)，如表6-1所示。表6-1 我國 2003-2013年的我國彩電出口的月度數(shù)據(jù)（單位：萬臺）1月2月3月4月5月6月7月8月9月10月11月12月2003年12.5313.7324.4528.7532.4531.1125.9432.9843.4942.9463.2977.282004年30.0139.6329.7742.7432.2531.9432.2732.5932.9230.9847.4452.822005年24.0816.4

3、231.2429.3331.8830.0928.0832.9944.9947.5750.3675.192006年39.0225.8143.3837.3439.2239.8751.1050.9955.1662.7857.7572.202007年28.7639.3846.1039.4138.7440.1845.5943.3146.6854.1753.6561.122008年28.8721.2335.8226.9732.3324.5329.3931.9638.2239.2452.9568.412009年29.9937.0937.7035.3329.5353.6428.9525.8837.6139.8

4、328.4454.852010年55.7713.9643.5032.9632.9147.6539.7439.4850.7060.5368.2283.472011年66.3570.3586.1987.5061.1993.2389.3188.3790.0590.06107.56101.632012年78.3191.9791.73101.6777.6087.6498.8279.90110.86113.29125.58120.242013年101.6593.53127.04133.68143.76155.50170.59168.96186.16181.91253.78201.146.5.2 創(chuàng)建彩電出

5、口數(shù)量時間序列先錄入數(shù)據(jù)，錄入后的SPSS數(shù)據(jù)文件如下圖6-1所示：圖6-1 錄入后的數(shù)據(jù)文件（部分圖）定義日期變量。選擇“數(shù)據(jù)-定義日期”，打開“定義日期”主對話框，選擇相應(yīng)的時間設(shè)置類型，運行完成后，數(shù)據(jù)文件中會增加相應(yīng)的時間變量。在本案例中，數(shù)據(jù)是年份和月份數(shù)據(jù)，且是從2003年1月開始的，所以時間為“年份、月份”類型，且起始年份為2003年，起始月份為1月。圖6-2 “定義日期”對話框運行完成后，在數(shù)據(jù)文件中增加了3個變量，分別是“YEAR_”“MONTH_”及“DATE_”，如圖6-3所示。圖6-3 定義日期變量后的結(jié)果（部分圖）創(chuàng)建時間序列（用移動平均法）選擇“轉(zhuǎn)換-創(chuàng)建時間序列”

6、，打開“創(chuàng)建時間序列”對話框，將“出口量”變量移入右側(cè)的“變量-新名稱”框中，在“函數(shù)”下拉框中選擇“中心移動平均”，在“跨度”中輸入5表示五項移動平均，然后點擊“更改”按鈕，設(shè)置情況如下圖6-4所示：圖6-4 創(chuàng)建時間序列對話框設(shè)置完畢，單擊“確定”按鈕，則會在原數(shù)據(jù)文件中增加一個變量，名稱為“出口量_1”的五項移動平均序列。繪制時間序列趨勢圖選擇“分析-預(yù)測-序列圖”，打開“序列圖”對話框，將“出口量”和“出口量_1”移動右側(cè)的“變量”框，并將定義的日期變量設(shè)為“時間軸”標簽，單擊“確定”按鈕，系統(tǒng)輸出如圖6-5所示的時間序列圖。圖6-5 序列圖設(shè)置對話框圖6-6 生成的時序圖由圖6-6中

7、我們可以看出，彩電出口量趨勢線變得平滑，隨著時間的延長，彩電出口量增加的趨勢特征明顯。但是增長并不是單調(diào)上升的，而是有漲有落，這種升降不是雜亂無章的，與季節(jié)因素有關(guān)。我們知道，影響時間序列的因素有長期趨勢變動、季節(jié)因素、循環(huán)變動和不規(guī)則變動，所以案例中彩電出口量的變動除了增長的長期趨勢和季節(jié)變動的影響外，還受不規(guī)則變動和循環(huán)變動的影響。6.5.3用最小二乘法分析彩電出口量變動的長期趨勢新建一個時間變量，變量名為“時序”，按照時間的順序設(shè)為1，2，3，4，5選擇“分析-回歸-線性”，打開“線性回歸”對話框，如下圖6-7所示。從左邊的待分析變量框中，將變量“出口量”移入“因變量”框中，將變量“時序

8、”移入“自變量”框中。圖6-7 線性回歸對話框單擊“統(tǒng)計量”按鈕，彈出如圖6-8所示的對話框，依次勾選“估計”、“置信區(qū)間”、“協(xié)方差矩陣”、“模型擬合度”、“Durbin-Wstson”，單擊繼續(xù)按鈕，返回主對話框。圖6-8 線性回歸統(tǒng)計量設(shè)置子對話框“繪制”、“保存”、“選項”、“Bootstrap”等選項卡的設(shè)置可參考回歸分析實驗的設(shè)置。單擊“確定”按鈕，提交系統(tǒng)運行。主要運行結(jié)果表6-2 回歸系數(shù)表表6-2是回歸系數(shù)的估計結(jié)果，也是最小二乘法的估計結(jié)果。由表中數(shù)據(jù)可以看出，常數(shù)項和自變量“時序”的t值分別為1.618和11.803。自變量的顯著性概率值為0.000，小于0.05，對因變

9、量有顯著性影響，而常數(shù)項的顯著性概率值為0.108，大于0.05，對因變量的影響不顯著。所以，我們應(yīng)該去掉常數(shù)項，選擇“分析-回歸-線性回歸”，重新打開線性回歸主對話框，然后在單擊“選項”，打開“線性回歸：選項”對話框，不選中“在等式中包含常量”這項，單擊“繼續(xù)”，最后單擊“確定”按鈕，運行結(jié)果如下表6-3所示。表6-3 不含常數(shù)項的回歸分析結(jié)果由表6-3可以看出，自變量的t值為26.401，顯著性概率值為0.000，小于0.05，因此對因變量有顯著影響。即Y=0.879X。6.5.4 測定彩電出口數(shù)量的季節(jié)變動規(guī)律1選擇“分析-預(yù)測-季節(jié)性分解”，打開“周期性分解”對話框，按照圖6-9進行設(shè)

10、置，圖6-9 周期性分解對話框在周期性分解對話框的右上角有“保存”按鈕，點擊“保存”，打開“保存”對話框，本例選擇“添加至文件”。點擊“繼續(xù)”按鈕，返回圖6-9所示的主對話框，然后點擊“確定”按鈕，提交系統(tǒng)運行。圖6-10 “周期：保存”對話框主要運行結(jié)果及分析圖6-11 模型描述截圖圖6-11為模型的描述表，顯示了模型的名稱、類型、季節(jié)性期間的長度和移動平均數(shù)的計算方法等信息。圖6-12 季節(jié)性因素表（截圖）圖6-12是季節(jié)性因素表，由于受季節(jié)性的影響，各月份的彩電出口量有很大不同，可看出9，10，11，12月份的季節(jié)指數(shù)大于1，說明彩電出口在這些月份是旺季，其余月份的季節(jié)指數(shù)小于1，是淡季

11、，其中2月份的出口情況最差，12月份的彩電出口情況最好。圖6-13 出口量季節(jié)變動、循環(huán)變動、長期趨勢和不規(guī)則變動指數(shù)計算結(jié)果（截圖）圖6-13是數(shù)據(jù)文件中顯示的數(shù)據(jù)視圖。從圖6-13中可以看出，數(shù)據(jù)文件中增加了4個序列：ERR_1表示“出口量”序列進行季節(jié)性分解后的不規(guī)則變動序列；SAS_1表示“出口量”序列進行季節(jié)性分解除去季節(jié)性因素后的序列；SAF_1表示“出口量”序列進行季節(jié)性分解產(chǎn)生的季節(jié)性因素序列；STC_1表示“出口量”序列進行季節(jié)性分解出來的序列趨勢和循環(huán)成分。用數(shù)據(jù)文件中新增的這4個序列做時序圖，按照前面的操作步驟，系統(tǒng)運行結(jié)果如下圖6-14所示，這些新序列也可以在不同的圖上

12、顯示。圖6-14 季節(jié)性分解后的時序圖6.5.5用指數(shù)平滑法預(yù)測2014和2015年的彩電出口數(shù)量選擇“分析-預(yù)測-創(chuàng)建模型”，打開“時間序列建模器”對話框，并按照圖6-15進行設(shè)置。首先對“變量”選項卡進行設(shè)置，把“出口量”移到右側(cè)的“因變量”欄，“方法”選擇指數(shù)平滑法。圖6-15 時間序列建模器對話框單擊“條件”按鈕，打開“時間序列建模器：指數(shù)平滑條件”對話框，本案例中選擇“Winters可加性”，這種模型適用于具有線性趨勢和不依賴于序列水平的季節(jié)性效應(yīng)序列，如下圖6-16所示。（在圖6-16所示的對話框中，依次選擇“簡單季節(jié)性”、“Winters可加性”、“Winters相乘性”，分別建

13、立不同的季節(jié)性指數(shù)平滑模型。通過比較發(fā)現(xiàn)，“Winters可加性”的擬合最好，“平穩(wěn)的R方”達到了0.499。因此，選用“Winters可加性”趨勢模型進行預(yù)測。）圖6-16 時間序列建模器：指數(shù)平滑條件對話框“統(tǒng)計量”選項卡設(shè)置。在主對話框中單擊“統(tǒng)計量”按鈕，打開如圖6-17所示的對話框，依次勾選“按模型顯示擬合度量、Ljung-Box統(tǒng)計量和離群值的數(shù)量”、“平穩(wěn)的R方”、“擬合優(yōu)度”、“參數(shù)估計”、“顯示預(yù)測值”選項。圖6-17 輸出統(tǒng)計量對話框“圖表”選項卡設(shè)置。單擊“圖表”按鈕，進入圖表輸出選擇對話框，在選項卡中選擇“序列”、“觀測值”和“預(yù)測值”三項，一般為系統(tǒng)默認?！氨４妗边x項

14、卡的設(shè)置。單擊“保存”按鈕，進入保存輸出選擇對話框，如圖6-18所示，將“預(yù)測值”保存到數(shù)據(jù)文件中，變量名的前綴“預(yù)測值（P）”改為“預(yù)測值”，預(yù)測期在“選項”中設(shè)置。如果要在輸出結(jié)果中顯示“置信區(qū)間的上限”、“置信區(qū)間的下限”、“噪聲殘值”，則可根據(jù)數(shù)據(jù)分析的要求選中。圖6-18 保存選項卡對話框“選項”選項卡設(shè)置。單擊“選項”，進入“選項”對話框，設(shè)置如下圖6-19所示。在預(yù)測階段框中選擇第二個選項，并在日期活動框中輸入2015年12月，表示預(yù)測期到2015年12月，其他為默認設(shè)置。單擊“確定”，提交系統(tǒng)運行。圖6-19 “選項”對話框主要運行結(jié)果表6-5是模型的描述表，表示的對“出口量”變量進行指數(shù)平滑法處理，使用的是Winters加法模型。表6-5 模型描述表表6-6是模型的擬合情況表，包含了八個擬合情況度量指標。表6-6 模型擬合情況表表6-7是模型統(tǒng)計量表，從表中數(shù)據(jù)可以看出模型的決定系數(shù)為0.499，說明擬合模型可以解釋原序列49.9%的信息量，說明模型的擬合效果不是很好。表6-7 模型統(tǒng)計量表表6-8 指數(shù)平滑法模型參數(shù)表表6-9是預(yù)測情況表，表中給出了2014年1月到2015年12月“出口量”變量的預(yù)測值、上區(qū)間和下區(qū)間的值，表中僅顯示了部分數(shù)據(jù)。表6-9 預(yù)測表（部分顯示）圖6-20是觀測值與預(yù)測值的時序圖。圖6-20 觀測值與預(yù)