zoukankan      html  css  js  c++  java
  • 用spss进行时间序列分析

      一些概念性的知识点我这里没有写,直接放个例子在这里。

      第一步:

        定义日期标示量:

          打开数据文件,单击"数据",选择"定义日期和时间",弹出"定义日期"对话框,

          数据中的起始时间就是数据文件里面的单元格第一个时间,我的第一个是1997年8月,每行表示的是月度销售量,因此,需要从"定义日期"对话框的左侧"个案是"框中选择"年,月",在左侧输入‘1997’,月框中输入‘8’,表示第一个个案的起始月是1997年8月,然后点击确认,这样spss数据文件里面就会生成3个新的变量

    如下图:

        

      

    第二步:

          了解时间序列的变化趋势,做一个序列表就可以了,单击"分析",里面选择"时间序列预测,选择"序列图"对话框,然后把'平均值'移到"变量"框里面,‘DATE_’移到"时间轴标签"框中,单击"确定"。结果如图

        

       

    根据序列图的分析知道,序列的波动随着季节的波动越来越大,所以我们选择乘法模型;

    第三步:

           单击“分析”,选择时间序列预测,然后选择“季节性分解”,弹出“季节性分解”对话框,确认无误之后点击确定,如图:

        

          

    发现多了四个变量,ERR表示的误差分析;SAS表示的是季节因素校正后序列;SAF表示的季节因子;STC表示的是长期趋势和循环变动序列。

    我们可以把新出现的四个变量、平均值和DATE_做序列图,先把ERR、SAS、STC和平均值和DATE_做个序列图,效果如下:

      

          

    再单独做个SAT和DATE_的时间序列图:

        

     

    后面就是开始预测了:

    1、 单击“分析”,选择“时间序列预测”,然后选择“创建传统模型”,之后就会弹出“时间序列建模”对话框。

    2、 将“平均值”移至“因变量”框中,然后确定中间的“方法”,在下拉列表中选择“专家建模器”项,单击右侧的“条件”按钮,弹出“时间序列建模器:专家建模器条件”对话框。

    3、 在“时间序列建模器:专家建模器条件”对话框的“模型”选项卡中,在“模型类型”框中选择“所有模型”项,并勾选“专家建模器考虑季节性模型”复选框,设置完,点“继续”按钮

    4、 在“时间序列建模器”对话框中,切换至“保存”选项卡中,勾选“预测值”复选框,单击“导出模型条件”框中“XML文件”后面的“浏览”按钮,然后设置导出的模型文件和保存路径,然后单击“确定”按钮就可以了。

    做完上面的步骤之后,在原始数据上面就又会多一列预测值出现。如图:

      

          

     

    之前我们保存了预测的模型,我们现在就利用那个模型进行预测数据。

    1、 单击“分析”,选择“时间序列预测”,然后选择“应用传统模型”,弹出“应用模型序列”对话框。具体的操作如下图:

        

     

     

    做完上面的之后最后一步就是切换至“保存”界面,勾选“预测值”之后单击确定就可以了。

          

     

    从预测值直接看看不出来,我们可以把预测的数据和原始数据放到一起看下,也是直接做序列图就可以。

        

    这样就完成了一次时间序列的模型,具体的预测数据可以看原始数据上面的出现的新的一列数据。

    不足:

      1、发现时间序列预测的定义日期没有年/月/日这样的模型,网上搜了下,有的人说用语法可以时间,但是还不是很熟悉,没有看太懂;

      2、这个只是简单的介绍了下时间序列的大致步骤,并不是一个实例项目。希望下次可以做一个完整的项目出来。  

     

     

          

  • 相关阅读:
    Dijit、ExtJS、jQuery UI 异同浅析
    Sencha Touch和jQuery Mobile该如何选择(转)
    用delphi开发activex打印控件
    组织机构图
    MyBatis自学(1):MyBatis概述
    MyBatis自学(4):动态SQL
    MyBatis自学(3):MyBatis逆向工程
    MyBatis自学(2):MyBatis初识
    MyBatis自学(5):延迟加载
    FileUpload上传图片提示 “GDI+中发生一般性错误”
  • 原文地址:https://www.cnblogs.com/114811yayi/p/5661817.html
Copyright © 2011-2022 走看看