spss時間序列模型

1、統(tǒng)計軟件實驗報告SPSS軟件的上機實踐應(yīng)用時間序列分析數(shù)學(xué)與統(tǒng)計學(xué)學(xué)院一、實驗內(nèi)容： 時間序列是指一個依時間順序做成的觀察資料的集合。 時間序列 分析過程中最常用的方法是： 指數(shù)平滑、 自回歸、綜合移動平均及季 節(jié)分解。本次實驗研究就業(yè)理論中的就業(yè)人口總量問題。 但人口經(jīng)濟的理 論和實踐表明， 就業(yè)總量往往受到許多因素的制約， 這些因素之間有 著錯綜復(fù)雜的聯(lián)系， 因此，運用結(jié)構(gòu)性的因果模型分析和預(yù)測就業(yè)總 量往往是比較困難的。時間序列分析中的自回歸求積分移動平均法 （ARIMA ）則是一個較好的選擇。對于時間序列的短期預(yù)測來說， 隨機時序 ARIMA 是一種精度較高的模型。精品我們已遼寧省歷年

2、( 1969-2005)從業(yè)人員人數(shù)為數(shù)據(jù)基礎(chǔ)建立 一個就業(yè)總量的預(yù)測時間序列模型，通過SPSS建立模型并用此模型來 預(yù)測就業(yè)總量的未來發(fā)展趨勢。二、實驗?zāi)康模?. 準(zhǔn)確理解時間序列分析的方法原理2. 學(xué)會實用SPSS建立時間序列變量3. 學(xué)會使用SPSS繪制時間序列圖以反應(yīng)時間序列的直觀特征。4. 掌握時間序列模型的平穩(wěn)化方法。5. 掌握時間序列模型的定階方法。6. 學(xué)會使用SPSS建立時間序列模型與短期預(yù)測。7. 培養(yǎng)運用時間序列分析方法解決身邊實際問題的能力。三、實驗分析：總體分析 ：先對數(shù)據(jù)進行必要的預(yù)處理和觀察，直到它變成穩(wěn)態(tài)后再用SPSS對數(shù)據(jù)進行分析。數(shù)據(jù)的預(yù)處理階段， 將它分為

3、三個步驟： 首先，對有缺失值的數(shù) 據(jù)進行修補，其次將數(shù)據(jù)資料定義為相應(yīng)的時間序列， 最后對時間序 列數(shù)據(jù)的平穩(wěn)性進行計算觀察。數(shù)據(jù)分析和建模階段：根據(jù)時間序列的特征和分析的要求，選擇 恰當(dāng)?shù)哪Ｐ瓦M行數(shù)據(jù)建模和分析。四、實驗步驟：SPSS勺數(shù)據(jù)準(zhǔn)備包括數(shù)據(jù)文件的建立、時間定義和數(shù)據(jù)期間的 指定。SPSS勺時間定義功能用來將數(shù)據(jù)編輯窗口中的一個或多個變量指定為時間序列變量，并給它們賦予相應(yīng)的時間標(biāo)志，具體操作步驟 是：1.選擇菜單：Date f Define Dates ，出現(xiàn)窗口:單擊【ok（確認(rèn)）】按鈕，此時完成時間的定義，SPSS各在當(dāng)前數(shù)據(jù)編 輯窗口中自動生成標(biāo)志時間的變量1XYEAR_D

4、ATE,967.00196919691047 00197019701113.60197119711105,00197219721114 90107313731055.019741974112S4C197519761U1 10197619761180 60197719771Z54 1(J13TB19/a1321.50197919791M1.70198019801505 1C198119611571.&0198219821633 GO198319631G80 7019S419841769 101985196517M9 W1036.40198719S71858.6019081983 口 T ill

5、a nforecastingSequenee Charts, 彈出Sequenee Chart對話框。單擊【ok（確認(rèn)）】按鈕，得到時序圖:YEAR, not pariadjc觀察發(fā)現(xiàn)序列沒有明顯的周期性，為非平穩(wěn)時間序列。一般而言， 一次差分可以將序列中的線性趨勢去掉，二次差分可以將序列中的拋 物線趨勢去掉，圖中曲線存在線性趨勢，用一階差分運算去除。3. 選擇菜單：TransformCreate Time Series 彈出對話框:單擊【ok（確認(rèn)）】按鈕，此時完成線性成分的去除，SPSS各在當(dāng)前數(shù)據(jù)編輯窗口中自動生成差分后的新變量 X_1XYAR_DATE_7967.00196919691

6、U7 001019708D 001113 5019T1137166 601105.0019721972601114 90197319739.901085 901974197429.00112G.A01575197&39501U1.101976197615.701180601P7197739 501254 1019T0197073.501321.501979197967.401441 701&S01購0120.201506 101981196163.401571 S01982ffi 501638 60198319S367 001680 701984198442.TO1769.1019951965

7、68.40數(shù)據(jù)經(jīng)過一階差分后，檢驗差分序列自相關(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)序列可以進行 ARIMA 建模，否則繼續(xù) 對數(shù)據(jù)進行平穩(wěn)化處理。4. 選擇菜單 Analyze宀Time Series宀Autoregressi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，此時生成自相關(guān)和偏自相關(guān)相關(guān)數(shù)據(jù)。序列:DIFF(x,1)滿后標(biāo)準(zhǔn)謂崖刁匕oy- lju hg圭把計呈值df116C9.0591one21 512 S2C20023.091I5i512 97C3.0054.001.15312.97C4.011

8、刁.203.1 511 4.3915L01 1B.0621461 5 066&.0207.1911 4巧16 7637,01Q二：.085.14317 1 3S8.0293.0011 4017 14Cg.04710.0691 3617 39210.06211-.11 91 3S1 0 1B711.0701 2-H731 371 51 51 21 m13-.0B11301ti 737131311 4-0411 271 8.94C1 4.1 71吁-.011 2413.3515.220I b-.11 4.1 Z1i a1 a.232b.基于漸近卡畝延似丁噪音-表中顯示的是自相關(guān)計算結(jié)果，從左向右，

9、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-lju ng統(tǒng)計量（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)計量的相伴概率都 可以說該時間序列不是白噪聲，是具有自相關(guān)性的時間序列，可以建立ARIMA模型1 0-oDFF(x3)J 叫 S 6331Q! 11 12 UO Mi (ft UR Bom延世融冃DIFF(x,1；LJU uuIIII78 S 1C 11 12 113 H 15 1範(fàn)現(xiàn)數(shù)rl自相關(guān)圖顯示序列在2階滯后期時進入平穩(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階滯后期時進入平穩(wěn)置信 區(qū)間并拖尾，所以AR(p)的卩取值為

10、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 Mode命令，彈出 Create Models對話框。在該對話框左側(cè)的Variables列表框中選擇一個變量，將其移入Dependent Variable列表框。在 Method下拉列表框中選擇 ARIMA，然后選擇ARIMA選項，單擊Criteria按鈕，彈出ARIMA Criteria對話框單擊Create Models寸話框中的ok按鈕，將進行ARIMA模型建模和分析，結(jié)果如下:複型類型模型口 M業(yè)人數(shù) 棋型 1ARIWI/V1J.2)S

11、A1MH總Ktfi百牙恆?IDi55DT505豐特蘭JR片41414414AI441 i4-4414.-fl 144T4F方rN3,M3J 93453993.M3斶,993J 03.093FUSE33.20033.20633.20633.20633.20633 20033.20333JD633 J Da33.2IKfWE1 ml.41 4441曲41 44411 44414441.4441 44iVaxPE6. STI6.671朋科0.9710 6718.6716 671G0?16s0Ft6 671WE22,陽 $2162322-0232U2322 62322 M32M232U2922J232

12、; &33ivavF75 4417S.M1巫75.414175 441T5 Ml75441?5 J41r&44irs ai7037.5037.5 D37.5037 5037 503?503T.SDST.5D37 503頂測變晝數(shù)穆型擬合筑計 Ljuna-Bux Q18)高酚i墳平穩(wěn)豹冃方城計量DFSig.打業(yè)入數(shù)喉型-T1.414C.55215.9690200&址業(yè)人數(shù)-棋型 預(yù)測UCLLCL1 947.832013751881.52對于毎個視型-預(yù)測部在請求的 預(yù)測時間段宛圍內(nèi)的最石一個菲 缺失值之后克嘉二存所有舒測信xuqEnN丄抽皿-2000 0C=1750 0C- 15Q0DC-125

13、0 AC*陽K對一一一摸型？IIM0S gs 1暑 -1gg 1S3 H 丄留9期 丄爸日58 -S-J3 -1W77 -TS3JS1000.0C-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:機型糞型舉型ID規(guī)業(yè)人數(shù)橡型ARIMA(1J.Q)腔剪書5E首并伍謹(jǐn) kli |5102550759045科自佛一.遜.293_2052B3293.2帕195山S3J03.沁R萬眄JBI.301991抽1.991991RUSE15 E6335.3S335 3B335.3 E335 36335 3G3

14、35 36335.3 B335.3 B3勢363WPELS431月輻1,91311陰1 .聲3I翊1J0431.0431.BI3r 1SEIME25 54575.53525,54535.5535乩氣?525 5i5罵弓昭25 54525 5573.56773.68773JB7F3.56773 56773.56773 56773L5BT73.5 B?73 567hi :7 1111M30TJ30K.43D707 W0?430T.4307A307 410楔型統(tǒng)計暈機型預(yù)測變量數(shù)棋型擬合絨計 量Ljung-BoxQtl 8)蕃群值數(shù)申穩(wěn)的尺方筑計星DFSiQ.鳳業(yè)人數(shù)-模型.1129316250V.5050預(yù)測dOG從亂人刼極型 預(yù)測UCLLCL1684 472056.371912.56對于每個複型預(yù)測都在情求的 預(yù)測時間段飛圍內(nèi)旳晟后一個?E 靦失值2后畔始1也所育預(yù)測值 的非缺失值鄒可用前最后fj 間段或諱求預(yù)測時間段的結(jié)束曰 朗皿較早韋勺準(zhǔn)：詰束-2250.002000.