SPSS時間序列分析實驗參考步驟

1、SPSS 時間序列分析實驗參考步驟1 實驗?zāi)康膶W(xué)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。2 相關(guān)知識（略）3 實驗內(nèi)容3.1 用SPSS 統(tǒng)計軟件創(chuàng)建時間序列的創(chuàng)建3.2 用SPSS擬合長期趨勢線性模型（最小二乘法、指數(shù)平滑法）及預(yù)測。3.2 掌握測定季節(jié)變動規(guī)律的SPSS 測定方法。4 實驗要求4.1 準(zhǔn)備實驗數(shù)據(jù)4.2 用SPSS統(tǒng)計軟件創(chuàng)建彩電出口數(shù)量的時間序列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。4.4 測定彩電出口數(shù)量的季節(jié)變動規(guī)律。4.5 用指數(shù)平滑法預(yù)測 2014 和 2015 年的彩電

2、出口數(shù)量。5 實驗步驟5.1 實驗數(shù)據(jù)為了研究我國彩電出口的情況，某研究機構(gòu)收集了從 2003-2013 年我國彩電出口的月度數(shù)據(jù)，如表 1 所示。表1 2003-2013年彩電出口的月度數(shù)據(jù)（單位：萬臺）年月1月2月3月4月5月6月7月8月9月10月11月12月200312.5313.7324.4528.7532.4531.1125.9432.9843.4942.9463.2977.28200430.0139.6329.7742.7432.2531.9432.2732.5932.9230.9847.4452.82200524.0816.4231.2429.3331.8830.0928.083

3、2.9944.9947.5750.3675.19200639.0225.8143.3837.3439.2239.8751.1050.9955.1662.7857.7572.20200728.7639.3846.1039.4138.7440.1845.5943.3146.6854.1753.6561.12200828.8721.2335.8226.9732.3324.5329.3931.9638.2239.2452.9568.41200929.9937.0937.7035.3329.5353.6428.9525.8837.6139.8328.4454.85201055.7713.9643.503

4、2.9632.9147.6539.7439.4850.7060.5368.2283.47201166.3570.3586.1987.5061.1993.2389.3188.3790.0590.06107.56101.63201278.3191.9791.73101.6777.6087.6498.8279.90110.86113.29125.58120.242013101.6593.53127.04133.68143.76155.50170.59168.96186.16181.91253.78201.14數(shù)據(jù)文件：彩電出口數(shù)據(jù).sav5.2 創(chuàng)建彩電出口數(shù)量時間序列 1. 先錄入數(shù)據(jù)，錄入后的

5、SPSS 數(shù)據(jù)文件如下圖 1 所示。第四列的“時序”是為了后面進行趨勢分析準(zhǔn)備的。圖 1 錄入后的數(shù)據(jù)文件（部分圖）2. 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 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 3 所示。圖 3 定義日期變量后的結(jié)果（部分

6、圖）3. 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”，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，然后點擊名稱輸入框右邊的“更改”（25.0等版本為“變化量”）按鈕后，設(shè)置情況如下圖 4 所示：圖 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。4. 繪制時間序列趨勢圖 選擇“分析-（時間序列）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

7、日期變量設(shè)為“時間軸”標(biāo)簽，單擊“確定”按鈕，系統(tǒng)輸出如圖 5 所示的時間序列圖。圖 5 序列圖設(shè)置對話框圖 6 生成的時序圖由圖 6 中我們可以看出，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。5.3 用最小二乘法分析彩電出口量變動的長期趨勢1. 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

8、, 4, , 132；選擇“分析-回歸- 線性”，打開“線性回歸”對話框，如下圖 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”移入“自變量”框中。圖 7 線性回歸對話框2. 單擊“統(tǒng)計量”按鈕，彈出如圖 8 所示的對話框，依次勾選“估計(估算值)” 、“置信區(qū)間”、“協(xié)方差矩陣”、“模型擬合度”、“Durbin-Wstson（德賓-沃森）”，單擊繼續(xù)按鈕，返回主對話框。圖 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。 3. 主要運行結(jié)果表 2回

9、歸系數(shù)表系數(shù)a模型未標(biāo)準(zhǔn)化系數(shù)標(biāo)準(zhǔn)化系數(shù)t顯著性B 的 95.0% 置信區(qū)間B標(biāo)準(zhǔn)錯誤Beta下限上限1(常量)8.2495.1001.618.108-1.84018.339時序.785.067.71911.803.000.654.917a. 因變量：出口量表 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

10、-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 3 所示。表 3 不含常數(shù)項的回歸分析結(jié)果由表 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，其中Y為銷售量，X為時序 。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9進行設(shè)置。圖 9 周期性分解對話框2. 在周期性分解對話框的右上角有“保存”按鈕，點擊“保存”

11、，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 9所示的主對話框，然后點擊“確定”按鈕，提交系統(tǒng)運行。圖 10 “周期-保存”對話框3. 主要運行結(jié)果及分析圖11 模型描述截圖圖 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 12 季節(jié)性因素表（截圖）圖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，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13 出口量季節(jié)變動、循環(huán)

12、變動、長期趨勢和不規(guī)則變動指數(shù)計算結(jié)果（截圖）圖 13 是數(shù)據(jù)文件中顯示的數(shù)據(jù)視圖。從圖13 中可以看出，數(shù)據(jù)文件中增加了如下 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 14 所示，這些新序列也可以在不同的圖上顯示。圖 14 季節(jié)性分解后的時序圖5.5 用指數(shù)平滑法預(yù)測 20

13、14 和 2015 年的彩電出口數(shù)量1. 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 16 所示。（在圖 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”，分別建立不同的季節(jié)性指數(shù)平滑模型。通過比較發(fā)現(xiàn)，“Wint

14、ers可加性”的擬合最好，“平穩(wěn)的R 方”達(dá)到了 0.499 。因此，選用“Winters 可加性”趨勢模型進行預(yù)測。）圖6 時間序列建模器-指數(shù)平滑條件對話框2. “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17 輸出統(tǒng)計量對話框3. “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”、“觀觀測值”和“預(yù)測值”三項，一般為系統(tǒng)默認(rèn)。4. “保存”選項卡的設(shè)置。單擊“保存”按鈕，進

15、入保存輸出選擇對話框，如圖 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18保存選項卡對話框5. “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(rèn)設(shè)置。單擊“確定”，提交系統(tǒng)運行。圖19 “選項”對話框6. 主要運行結(jié)果表 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 5 模型描述表表 6 是模型的擬合情況表，包含了八個擬合情況度量指標(biāo)。表 6 模型擬合情況表表 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