SPSS数据分析-时间序列模型

时间:2022-10-29 21:10:57

我们在分析数据时,经常会碰到一种数据,它是由时间累积起来的,并按照时间顺序排列的一系列观测值,我们称为时间序列,它有点类似于重复测量数据,但是区别在于重复测量数据的时间点不会很多,而时间序列的时间点非常多,并且具有长期性。这种数据资料首先先后顺序不能改变,其次观测值之间不独立,因此普通的分析方法不再适用,需要专门的时间序列模型,这种时间序列分析关注的不再是变量间的关系,而是重点考察变量在时间方面的发展变化规律。

时间序列模型根据分析思想不同可以分为传统时间序列模型和现代时间序列模型 1.传统时间序列模型 它分为时间序列由长期趋势、循环趋势、季节变化、不规则变化四部分组成,通过分析各部分如何结合以及如何相互作用来进行时间序列分析,代表模型有指数平滑模型 2.现代时间序列模型 它把时间序列看做是一个随机概率过程,把任意时间内发生的事情看做是概率作用,由此进行分析,这种模型比传统时间序列模型计算量更大,代表模型有ARIMA模型

时间序列模型对数据要求较高,并且不同的时间趋势有不同的分析方法,因此分析起来比较繁琐,在SPSS中使用的过程较多,主要有 1.数据预处理 此过程包括填补缺失值、定义时间变量,时间序列平稳化,做一些分析前的准备 2.时间序列建模与预测 此过程是选择合适的模型进行建模,并对模型进行各种检验和诊断,以达到最优效果 3.模型调优 我们得出的模型只是针对这一段时间数据的预测,对于长期趋势是否适合还不得而知,随着时间推移,会有新的数据加入,因此需要对模型进行不断的调整校正。

下面我们看一个例子

我们希望根据nrc的数据进行预测,收集了1947年1月至1969年12月的数据,希望据此预测1970年1-12月的数据,数据如下

SPSS数据分析-时间序列模型

首先我们进行预处理的第一步:填补缺失值

时间序列模型对数据完整性要求较高,并且对于缺失值,不能采取剔除的方法处理,因为这样会使周期错位,在SPSS中有两个过程可以对缺失值进行处理,分别是

1.转换—替换缺失值

SPSS数据分析-时间序列模型

2.分析—缺失值分析 该过程专门用于分析并填充缺失值,比较全面,内容也包含上面的替换缺失值过程

SPSS数据分析-时间序列模型

第二步:定义时间变量

SPSS中需要专门设置时间变量,才可以进行后续的时间序列分析,否则即使直接输入时间数值,SPSS也无法自动识别 数据—定义日期

SPSS数据分析-时间序列模型

第三步:时间序列平稳化

时间序列模型都是建立在序列平稳的基础上,一个平稳的随机过程有如下要求:均值、方差不随时间变化;自相关系数只与时间间隔有关,而与所处的时间无关。这个条件比较苛刻,实际很难满足,因此我们首先要识别并将其转化为平稳序列,转化的方法基本上就是差分、移动平均等数据变换。 我们首先通过序列图来进行考察序列是否平稳,序列图是一种线图,是时间序列的基本观察工具

分析—预测—序列图

SPSS数据分析-时间序列模型

SPSS数据分析-时间序列模型

转换—创建时间序列

SPSS数据分析-时间序列模型

SPSS数据分析-时间序列模型

在进行差分转换之后,我们看到原序列的趋势已经被去除,变得平稳起来,那么接下来我们要进一步分析该序列是否已经的确转换为平稳序列了,这要使用自相关图进行查看,自相关图包括自相关图和偏自相关图

分析—预测—自相关

SPSS数据分析-时间序列模型

SPSS数据分析-时间序列模型

SPSS数据分析-时间序列模型

SPSS数据分析-时间序列模型

SPSS数据分析-时间序列模型

自相关图和偏相关图是描述单个变量的工具,但是有时我们需要面对多个时间序列,描述它们之间的相关关系需要使用互相关图。

在进行差分处理和相关平稳化检验之后,我们开始真正的建模

分析—预测—创建模型

SPSS数据分析-时间序列模型

SPSS数据分析-时间序列模型

SPSS数据分析-时间序列模型

SPSS数据分析-时间序列模型

SPSS数据分析-时间序列模型

如果在方法选择上选择专家建模器,那么系统会自动拟合模型,例如本例中拟合的是

SPSS数据分析-时间序列模型

该参数也可以自定义,在方法选择上选择ARIMA并且在条件按钮中输入相应的参数即可

SPSS数据分析-时间序列模型

SPSS数据分析-时间序列模型的更多相关文章

  1. 用SPSS做时间序列

    用SPSS做时间序列 关于时间序列,有好多软件可以支持分析,大家比较熟悉的可能是EVIEWS.SPSS.还有STATA,具体用啥软件,结果都是一样的,但是SPSS作为一款学习简单,使用容易的软件还是值 ...

  2. 快速掌握SPSS数据分析

      SPSS难吗?无非就是数据类型的区别后,就能理解应该用什么样的分析方法,对应着分析方法无非是找一些参考资料进行即可.甚至在线网页SPSS软件直接可以将数据分析结果指标人工智能地分析出来,这有多难呢 ...

  3. 时间序列算法(平稳时间序列模型,AR(p),MA(q),ARMA(p,q)模型和非平稳时间序列模型,ARIMA(p,d,q)模型)的模型以及需要的概念基础学习笔记梳理

    在做很多与时间序列有关的预测时,比如股票预测,餐厅菜品销量预测时常常会用到时间序列算法,之前在学习这方面的知识时发现这方面的知识讲解不多,所以自己对时间序列算法中的常用概念和模型进行梳理总结(但是为了 ...

  4. SPSS数据分析方法不知道如何选择

      一提到数学,高等数学,线性代数,概率论与数理统计,数值分析,空间解析几何这些数学课程,头疼呀.作为文科生,遇见这些课程时,通常都是各种寻求帮助,班上有位宅男数学很厉害,各种被女生‘围观’,这数学为 ...

  5. SPSS数据分析—配对Logistic回归模型

    Lofistic回归模型也可以用于配对资料,但是其分析方法和操作方法均与之前介绍的不同,具体表现 在以下几个方面1.每个配对组共有同一个回归参数,也就是说协变量在不同配对组中的作用相同2.常数项随着配 ...

  6. SPSS数据分析—多分类Logistic回归模型

    前面我们说过二分类Logistic回归模型,但分类变量并不只是二分类一种,还有多分类,本次我们介绍当因变量为多分类时的Logistic回归模型. 多分类Logistic回归模型又分为有序多分类Logi ...

  7. SPSS数据分析—二分类Logistic回归模型

    对于分类变量,我们知道通常使用卡方检验,但卡方检验仅能分析因素的作用,无法继续分析其作用大小和方向,并且当因素水平过多时,单元格被划分的越来越细,频数有可能为0,导致结果不准确,最重要的是卡方检验不能 ...

  8. SPSS数据分析—Poisson回归模型

    在对数线性模型中,我们假设单元格频数分布为多项式分布,但是还有一类分类变量分布也是经常用到的,就是Poisson分布. Poisson分布是某件事发生次数的概率分布,用于描述单位时间.单位面积.单位空 ...

  9. SPSS数据分析—Probit回归模型

    Probit含义为概率单位,和Logistic回归一样,Probit回归也用于因变量为分类变量的情况,通常情况下,两种回归方法的结果非常接近,但是由于Probit回归的结果解释起来比较抽象不易理解,因 ...

随机推荐

  1. 疑问,关于win64无法使用debug的问题

    学习汇编语言的过程中,无法使用debug.exe,怎么办? 使用这篇文章中的解决方案 http://www.cnblogs.com/xuepeng0521/p/3661598.html 结果调试程序的 ...

  2. php js数组问题

    <script type="text/javascript"> var a = new Array(); a = "a"; a = "b& ...

  3. POJ1038 - Bugs Integrated&comma; Inc&period;&lpar;状态压缩DP&rpar;

    题目大意 要求你在N*M大小的主板上嵌入2*3大小的芯片,不能够在损坏的格子放置,问最多能够嵌入多少块芯片? 题解 妈蛋,这道题折腾了好久,黑书上的讲解看了好几遍才稍微有点眉目(智商捉急),接着看了网 ...

  4. Android UI法宝的设计资源的开发

    UI再次推荐设计资源.纯干,没有水~ 各种背景资源库 http://subtlepatterns.com/ ICON资源 https://www.iconfinder.com/ watermark/2 ...

  5. 【转】我是怎么找到电子书的 – IT篇

    多读书,提高自己 电子出版物 IT-ebooks http://it-ebooks.info/ 上万本英文原版电子书,大多数为apress和o'relly的.全都是文字版,体积小又清楚.适合懂英文的人 ...

  6. &lowbar;&lowbar;x&lowbar;&lowbar;&lpar;10&rpar;0906第三天&lowbar;&lowbar;字符实体(转义字符)

    实体:也叫转义字符,在网页中,一些类似“大于号”和“小于号”这样的字符,无法直接使用,需要用特殊的字符串来表示. 实体语法: “&实体名字;” 或者 “&实体编号;” 注意: 最好使用 ...

  7. Linux Postfix 服务

    Linux Postfix 服务 postfix是Wietse Venema在IBM的GPL协议之下开发的MTA(邮件传输代理)开源软件.能够很好地兼容 Sendmail服务程序,可以方便 Sendm ...

  8. python中偏函数的应用

    一.什么是偏函数? (1)在Python的functools模块众多的功能中,其中有一个就是偏函数,我们称之为 partial function 模块的概念我们下一篇在细讲. (2)我们都听过偏将军吧 ...

  9. Spring事务控制

    我们在实际业务场景中,经常会遇到数据频繁修改读取的问题.在同一时刻,不同的业务逻辑对同一个表数据进行修改,这种冲突很可能造成数据不可挽回的错乱,所以我们需要用事务来对数据进行管理. 1. 到底什么是事 ...

  10. Spring 源码学习&lpar;4&rpar; —— 动态AOP使用示例

    在实际工作中, 此bean可能是满足业务需要的核心逻辑, 例如test()方法中可能会封装着某个核心业务, 如果在test()方法前后加入日志来跟踪调试, 直接修改源码并不符合面向对象的设计模式, 而 ...