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)學與統(tǒng)計學學院一、 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雜的聯(lián)系，因此，運用結(jié)構(gòu)性的因果模型分析和預測就業(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測來說，隨機時序ARIMA是一種精度較高的模型。我們已遼寧省歷年（1969-2005）從業(yè)人員人數(shù)為

2、數(shù)據(jù)基礎(chǔ)建立一個就業(yè)總量的預測時間序列模型,通過spss建立模型并用此模型來預測就業(yè)總量的未來發(fā)展趨勢。二、 實驗目的：1. 準確理解時間序列分析的方法原理2. 學會實用SPSS建立時間序列變量3. 學會使用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. 學會使用SPSS建立時間序列模型與短期預測。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)的預處理階段，將它分為三個步驟：首先，對有缺失值的數(shù)據(jù)進行修補，

3、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?shù)哪Ｐ瓦M行數(shù)據(jù)建模和分析。四、 實驗步驟：SPSS的數(shù)據(jù)準備包括數(shù)據(jù)文件的建立、時間定義和數(shù)據(jù)期間的指定。SPSS的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)的時間標志，具體操作步驟是：1. 選擇菜單：DateDefine Dates，出現(xiàn)窗口：單擊【ok(確認)】按鈕，此時完成時間的定義，SPSS將在當前數(shù)據(jù)編輯窗口中自動生成標志時間的變量。當數(shù)據(jù)準備好，為認識數(shù)據(jù)的變化規(guī)律，判斷數(shù)據(jù)是否存在離群點和缺損值，最直接

4、的觀察方法是繪制序列的圖像。2. 選擇菜單選項欄中的Analyze>forecasting>Sequence Charts,彈出Sequence Charts對話框。單擊【ok(確認)】按鈕，得到時序圖： 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：Transform>Create Time Series，彈出對話框：單擊【ok(確認)】按鈕，此時完成線性成分的去除，SPSS將在當前數(shù)據(jù)編輯窗口中自動生成差分后的新變量X_1。數(shù)據(jù)經(jīng)

5、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AnalyzeTime SeriesAutoregression。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)】按鈕，此時生成自相關(guān)和偏自相關(guān)相關(guān)數(shù)據(jù)。表中顯示的是自相關(guān)計算結(jié)果，從左向右，依次列出的是：滯后數(shù)、自相關(guān)系數(shù)值、標準誤差、Box-ljung統(tǒng)計量（值、自由度、原假設(shè)成立的概率值）。通過標準誤差以及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

6、自相關(guān)性的時間序列，可以建立ARIMA模型。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p取值為1。數(shù)據(jù)經(jīng)過一階差分，所以I（d）的取值為1。5. 當時間序列的數(shù)據(jù)已經(jīng)準備好以后，選擇菜單欄中的Analyze>Forecasting>Create Models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 Variables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對話框中的ok按鈕，將進行ARIMA模型建模和分析，結(jié)果如下：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：通過平穩(wěn)R方