IBM SPSS Statistics中应用时间序列预测的步骤（定义时间与序列图）

时间序列，简单来理解，就是统计数值会随着时间的先后顺序而呈现一定趋势的数列。在经济研究中，经常会涉及到时间序列的问题，比如销售数据、GDP数据、人均收入数据等，这些数据会随着时间增长而呈现一定趋势。

时间序列包括年份、季节、月份等趋势类型，由于时间序列具有时间趋势性，因此常用作预测分析。其原理是根据数据在一定时间范围内的趋势，构建预测模型，并用作实际的预测分析。

本文将会运用SPSS构建时间序列模型，来简单预测未来GDP的量。

一、定义时间

由于时间序列涉及到时间的先后顺序，因此，我们需要先构建一个时间的变量。虽然数据已包含了年份变量，但SPSS无法直接将其识别为年份，需通过定义的方式为数据创建一个新的年份变量。

如图2所示，依次单击数据-定义日期和时间选项。

接着，在弹出的定义日期框中，选择个案的时间维度，本例选择“年”。

需注意的是，定义日期时，SPSS是从第一个个案开始赋值的，并且按照升序赋值。但本例中的第一个个案是2019年，且呈现降序年份，因此，需先进行数据的重新排序。

如图4所示，依次单击数据-个案排序。

接着，如图5所示，将年份添加到排序依据，并选择“升序”的排列顺序，即可将数据重新排序为以年份的升序排列。

重新排序数据后，再打开定义日期功能，选择个案是“年”的选项，并将第一个个案值设为“1960”。

完成以上设置后，在SPSS的输出文档会输出新生成的变量，即Year_与DATE_变量。

二、绘制序列图

在进行时间序列模型的创建前，建议先绘制序列图，观察数据的时间趋势性。

如图8所示，依次单击分析-时间序列预测-序列图。

在序列图设置面板，将GDP数值设为变量、新生成的YEAR变量设为时间轴标签。

如图10的序列图所示，GDP的量在1960-1993年之间呈现低速增长，在1994-2002年之间增长速度提升，而从2003年开始呈现高速增长，说明GDP数据呈现明显的时间序列特征。

三、小结

综上所述，在创建时间序列模型前，需先通过IBM SPSS Statistics的定义日期功能，定义时间序列模型的时间变量。另外，还建议使用时间序列中的序列图，验证数据的时间趋势。

关于后续的模型创建与结果解读，将在《SPSS中应用时间序列预测的步骤（模型与结果解读）》一文中会继续进行。

作者：泽洋