时间序列(time series)即指在一段时间内,通过对某变量定期等间隔测量而获得一组观察值的集合。
主要介绍模式识别、参数估计、模型诊断;定义时间序列数据、定义日期变量、产生时间序列变量、定义估计区间和验证区间。
spss教程:时间序列分析:[1]基本介绍――方法/步骤spss教程:时间序列分析:[1]基本介绍 1、
通过收集分析时间序列数据,可以找到隐藏在其中的基本变化规律,建立数学模型定量描述序列特征、预测序列未来值。序列分析的三个阶段,识别、估计、诊断。
spss教程:时间序列分析:[1]基本介绍 2、
模式识别:依据特点,选择已有的模型来描述,确定模型的参数数量与种类。方法有:“对其序列及其相关函数作图、序列上升和下降趋势、简化分析的数据转换方法、序列周期性规律”。
spss教程:时间序列分析:[1]基本介绍 3、
参数估计:估计模型中参数,同时要检验参数的显著性。
其中的模块有指数平滑、自回归、ARIMA模型、季节性分解。具体的操作方法可见此系列下的文章。
spss教程:时间序列分析:[1]基本介绍 4、
模型诊断:检验模型与实际数据的吻合程度,相关方法有计算残差、序列值或者作图,观察图形是最直观简便的。
通过残差和可信区间序列来估计模型的准确性;用“标准误”判断模型中参数的显著性;标准化P-P、标准化Q-Q判断残差分布是否为正态分布。
spss教程:时间序列分析:[1]基本介绍 5、
定义时间序列数据:一个时间序列对应一个变量,一个个案对应序列中的一个元素。时间序列的观察值是以等时间间隔点按时间顺序采集的。
spss教程:时间序列分析:[1]基本介绍 6、
定义日期变量:数据的具体观察日期在时间序列分析中并不重要,但可做序列值的标签。操作见图片。
调出相关操作窗口后,类型很多哟!选择自己需要的变量日期类型,周期会直接显示的,再标注第一个数据的具体日期,这里标注的是1989年1月。操作完成后,在原始的数据编辑窗口中会产生相关定义的变量,见图片。
spss教程:时间序列分析:[1]基本介绍 7、
产生时间序列变量:选择相关的变量来创建时间序列。“名称”是对新的变量的命名。“函数”对原数据数学变换的处理方法,处理后的数据更加具有变化规律,便于建模,这里选择“差值”即第二个数据减第一个数据的结果。
最后结果显示,因是差值的处理方法,所以第一个数据是缺失状态的。
spss教程:时间序列分析:[1]基本介绍_时间序列分析
spss教程:时间序列分析:[1]基本介绍_时间序列分析
spss教程:时间序列分析:[1]基本介绍 8、
定义估计区间和验证区间:将原始数据分为两个部分,一部分做“估计区间”,另一部分作“验证区间”。
“估计区间”用来建立模型,“验证区间”数据用来验证模型的可行性。
操作见图片演示,未被选择的个案会有一个删除符号“/”。
spss教程:时间序列分析:[1]基本介绍_时间序列分析