spss时间序列模型

..可修编.《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：准确理解时间序列分析的方法原理学会实用SPSS建立时间序列变量学会使用SPSS绘制时间序列图以反应时间序列的直观特征。掌握时间序列模型的平稳化方法。掌握时间序列模型的定阶方法。学会使用SPSS!立时间序列模型与短期预测。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....可修编.数据的预处理阶段，将它分为三个步骤：首先，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：Date—DefineDates，岀现窗口:单击【ok（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_967.00196919691047.0019T019T01113.60197119711105.00197219721114.90197319731085.90197419741125.401975197S1U110197619761180.60197719771Z54.1019781321.50197919791441.^0198019801505.10199119911571.60198219S21638.601983198316.8070198419041769.10198519861799.1U198619861835.40193719871858.6019881988■4凸"7Aon■ameariari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Analyze>forecasting>SequenceCharts,弹岀SequenceCharts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...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,1}[k_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_1.1}[x_1_1]砂瘵化均值XXOFF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①…■-■■格式曰…娈星凹：冷规业人數[K]0时间轴祈签妙|~|¥EAR,riotpeMditPiC「转换单击【0k（确认）】按钮，得到时序图:数1ECO.OT-1200JM-500.03-15K.®--UIII数1ECO.OT-1200JM-500.03-15K.®--UIIIIIIIIIIIIIIIIIII~196S19T11973197S19771979-19HI19B319ES1E6719H91991'1993199S-199719ES2Dai2DD32CCfiYEARpnotipe-ricbdic观察发现序列没有明显的周期性，为非平稳时间序列。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：Transform>CreateTimeSeries,弹岀对话框:单击【ok（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_1967.00196919691047001970197080001113.601971197166.601105.0019721972-5.6014.90137319739.901085.9019M1974-29.001126.401975197639.S01141.101976197615.701180601977197739.501254.10nre197373.501321.501979197967.401441.7019801980120.201505.1U1981198163.40157160198219S266.501638.601983198367.001680.701984198442.101769.1019951905ee.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—TimeSeries—Autoregression。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【ok(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!541finA1nn(52.33715812.6262.0023.09115512.9703.0054.00115312.9704.0115.20915114.8915.0116.0E2.1ie15.066E.0207.19114616.7837.0198.□S514317.139S.0299.001140171409.04710.06913817.3921□.06611-.119.135101C71117-n?R1加1a511?1m13-.06113018.73713.13114-.04112718.B4014.17115-.01412418.B5415.2201B-.114121I374816232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ARIMA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Analyze>Forecasting>CreateModels命令，弹岀CreateModels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DependentVariables列表框。在Method下拉列表框中选择ARIMA,然后选择ARIMA选项，单击Criteria按钮，弹岀ARIMACriteria对话框。

单击CreateModels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^?Jv；•414414.414.414414414.414.41441*R方.993.933.393.gs3.993.993.993.353.993.593RM5E33.20633.20633.2D633.2D633.20633.20033.20033.2D633.2D633.206rwE14441.4J41.4441.4441心144414U1.^441.^441444Ma^PE6.B71E.6716.0716.0710.6710.671E.6716.0716.0716.BF1MAE22.B2322.62322.62322.02322.62322.62322.62322.62322.02322.B237544175.4^1曲41丁5.呵754417544175.441曲41『5.441T5441正总1匕却B:7.5037.5037.5D37.5D37.5037.5037.5037.5D37.5D37.503離型绸计量模型预測变星数模型拟合统计fiLjung-BoxQ(18)平稳的只芳统计呈DFSig.从业人数-模型11.4146.55215.959Q

预测棋型2006从业人数-模型_1预测1947.63UCL201375LCL1981.52对于毎个模型'预测都拄诘求的预测时風段范圉内盹最后一个非疏失值之后开始-在所有预测佰的菲联失值都可用的最后一个时间段或谙求预测时间段的结束日期(以较早者对准)结束*OAggI2250.00-2000.00-1750.0C-1500.00-1250.00=1000.0C-OAggI2250.00-2000.00-1750.0C-1500.00-1250.00=1000.0C-日期一stssa—拟餅—删平稳的R方为0.414说明基本拟合。我们根据以上方法改变ARIMA(p,d,q)中的系数重新建模。(p,d,q)取值分别为(1,1,0)得岀结果如下：濮型描述模型类型棋型ID以业人敎模型1ARIMA(1,1,0^SE竟IF=：：fL51D255D759095R；-.293.293.293.203.293.293.293.203.203.293I--991■i-i.991.991.991沏991.991.Q91991RM9E35.30335.30335.36335.3B335363353fi33536335.3B335.36335363r^APE1.E43i.e^31.04-31.0431.6431.6431.6431.6431.0431.E4351566.1566.1566.156615ES155&1566.1566.1565156MAE255X53B.5J5躬占话25.545站占话2S545QB54525.^4525.54525.545Ma^E73.56773.50773.5B773.5E773.56773.56773.56773.5E773.5B7?3.567if.茁h?j::7430?/307.^30r.^3074307430^430T.-4307.4307.430

樱型毓计量模型预测变量数模型拟合绒计量Ljung-BoxQ(18)薦群值数平讎的R右统计量DFSig.址业人敏-模型11.29316.25017.5060捕测模型2006从业人數-棋型_1预測1984.47UCL2056.3?LCL1912.56对于每个棋型-预测都在诸求的预测时间段范围内的最后一