《spss时间序列模型》由会员分享，可在线阅读，更多相关《spss时间序列模型（13页珍藏版）》请在金锄头文库上搜索。
1、统计软件实验报告SPSS 软件的上机实践应用时间序列分析数学与统计学学院一、实验内容：时间序列是指一个依时间顺序做成的观察资料的集合。时间序列 分析过程中最常用的方法是：指数平滑、自回归、综合移动平均及季节分解。本次实验研究就业理论中的就业人口总量问题。但人口经济的理 论和实践表明，就业总量往往受到许多因素的制约，这些因素之间有 着错综复杂的联系，因此，运用结构性的因果模型分析和预测就业总 量往往是比较困难的。时间序列分析中的自回归求积分移动平均法(ARIMA)则是一个较好的选择。对于时间序列的短期预测来说，随 机时序ARIMA是一种精度较高的模型。我们已 XX 省历年(1969-2005)从
2、业人员人数为数据基础建立个就业总量的预测时间序列模型，通过spss建立模型并用此模型来 预测就业总量的未来发展趋势。二、实验目的：1. 准确理解时间序列分析的方法原理2. 学会实用SPSS建立时间序列变量3. 学会使用 SPSS 绘制时间序列图以反应时间序列的直观特征。4. 掌握时间序列模型的平稳化方法。5. 掌握时间序列模型的定阶方法。6. 学会使用 SPSS 建立时间序列模型与短期预测。7. 培养运用时间序列分析方法解决身边实际问题的能力。三、实验分析：总体分析：先对数据进行必要的预处理和观察，直到它变成稳态后再用SPSS 对数据进行分析。. 可修编.数据的预处理阶段，将它分为三个步骤：首
3、先，对有缺失值的数 据进行修补，其次将数据资料定义为相应的时间序列，最后对时间序 列数据的平稳性进行计算观察。数据分析和建模阶段：根据时间序列的特征和分析的要求，选择 恰当的模型进行数据建模和分析。四、实验步骤：SPSS 的数据准备包括数据文件的建立、时间定义和数据期间的 指定。SPSS 的时间定义功能用来将数据编辑窗口中的一个或多个变量 指定为时间序列变量，并给它们赋予相应的时间标志，具体操作步骤 是：1.选择菜单：DateDefine Dates，岀现窗口:单击【o k（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。XYEAR_ ATE_967.0
4、0196919691047.0 019T019T01113.60197119711105.00197219721114.90197319731085.90197419741125.401975197S1U1 10197619761180.60197719771Z54.1019781321.50197919791441.0198019801505.10199119911571.60198219S21638.60198319831 6.80 70198419041769.10198519861799.1U198619861835.40193719871858.60198819884 凸7 A o
5、na mea riari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。2. 选择菜单选项栏中的 AnalyzeforecastingSequence Charts,弹岀Sequence Charts对话框。sTla騎序列囹自撚对数转换週）差焙回:事节性差分1当前周期；无糾助Date. Format: YYY. DIFF（x,1k_1 /来自天蟆型的预 /来自站楔型_1的预 /柔自工眾型_1的预 撐来自工碾型-1的预 褂来自沪揆型的预 /来自工嵌型_1的预 诊来自（眾型_1的预 /乘自天眾型的预 / IFF（x_1.1x_1_1 砂瘵化均
6、值X X OFF借化均值X,1-每个娈呈对应一个图表【）确定粘贴画重詈取洋时间线-格式曰娈星凹：冷规业人數K0时间轴祈签妙| EAR, riot peMdit PiC转换单击【0k（确认）】按钮，得到时序图:数1ECO.OT-1200JM-500.03-15K.-U I I I I I I II I I I I I I I I I I I 196S1 9T1 1 9731 97S19771979-19HI 19B319ES1E6719H91 991 19931 99S-1997 19ES 2Dai 2DD32CCfiYEARp not ipe-ricbdic观察发现序列没有明显的周期性，为非平
7、稳时间序列。一般而言， 一次差分可以将序列中的线性趋势去掉，二次差分可以将序列中的抛 物线趋势去掉，图中曲线存在线性趋势，用一阶差分运算去除。3选择菜单：TransformCreate Time Series,弹岀对话框:单击【o k（确认）】按钮，此时完成线性成分的去除，SPSS 将在当前 数据编辑窗口中自动生成差分后的新变量X_1。YEAR_date_x_1967.00196919691047 001970197080 001113.601971197166.601105.0019721972-5.6014.90137319739.901085.9019M1974-29.001126.40
8、1975197639.S01141.101976197615.701180 601977197739.501254.10nre197373.501321.501979197967.401441.7019801980120.201505.1U1981198163.401571 60198219S266.501638.601983198367.001680.701984198442.101769.1019951905ee.40数据经过一阶差分后,检验差分序列自相关和偏相关函数是否为截尾 或拖尾，若是则数据已为平稳序列可以进行ARIMA建模，否则继续 对数据进行平稳化处理。4选择菜单 Analyze
9、Time SeriesAutoregression。把被解释变量 选择到Dependent框中，选择解释变量到Independent(s)框中。单击【o k(确认)】按钮，此时生成自相关和偏自相关相关数据。序列:DIFF(x,1)帝后自相兌标准课青box-Ljung值dfCig.h14!541 finA1nn(52.3371 581 2.6262.0023.0911 551 2.9703.0054.0011 531 2.9704.01 15.20 91 511 4.8915.01 16.0E2.1 ie1 5.066E.0207.1 911 461 6.7837.01 98.S51 431 7
10、.1 39S.0299.0011 401 7 1 409.0471 0.0691 381 7.3921 .0661 1-.1 1 9.1 351 0 1 C71 11 7-n?R1加1 a 511 ?1 m1 3-.0611 301 8.7371 3.1 311 4-.0411 271 8.B401 4.1 711 5-.01 41 241 8.B541 5.2201 B-.1 1 41 21I 3 7481 6232送霜辭籃辭泌上碍）表中显示的是自相关计算结果，从左向右，依次列出的是：滞后 数、自相关系数值、标准误差、Box-jung统计量（值、自由度、原假 设成立的概率值）。通过标准误差以
11、及Box-jung统计量的相伴概率都 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ARIM A模型。自相关图显示序列在2阶滞后期时进入平稳置信区间并拖尾，所 以MA (q)的q取值为2。偏自相关序列在1阶滞后期时进入平稳置信 区间并拖尾，所以AR(P)的P取值为1。数据经过一阶差分，所以1(d) 的取值为1。5.当时间序列的数据已经准备好以后，选择菜单栏中的AnalyzeForecastingCreate Models 命令，弹岀 Create Models 对话框。 在该对话框左侧的Variables列表框中选择一个变量，将其移入 Dependent Variables列
12、表框。在Method下拉列表框中选择ARIMA,然后选择A RIM A选项，单击C riteria按钮，弹岀A RIMA Criteria对话框。单击 Create Models 对话框中的 ok 按钮，将进行 ARIMA 模型建模和分析，结果如下：摟型描述模型类型模型心从业人数棋型 1ARIMA(1,1,2)農军肪.件均值SE百舟恆51D255D759095T1?J v ；414414.414.414414414.414.41441*R方.993.933.393.gs3.993.993.993.353.993.593RM5E33.20633.20633.2 D633.2 D633.20633
13、.20033.20033.2 D633.2 D633.206rwE1 4441.4J41.4441.4441心1 4441 4U1.441.441 444MaPE6.B71E.6716.0716.0710.6710.671E.6716.0716.0716.BF1MAE22.B2322.62322.62322.02322.62322.62322.62322.62322.02322.B2375 44175.41曲41丁5.呵75 44175 44175.441曲415.441T5 441正总1匕却B :7.5037.5037.5D37.5D37.5037.5037.5037.5 D37.5 D37.503離型绸计量模型预測变星数模型拟合统计 fiLjung-Box Q(1 8)平稳的只芳统计呈DFSig.从业人数-模型 11.4146.55215.959Q
