SPSS时间序列分析ARIMA预测 SPSS时间序列分析定义年月日

品牌型号：联想ThinkBook

系统：windows10 64位旗舰版

软件版本：IBM SPSS Statistics 29.0

在数据分析领域，如果需要根据时间序列观察数据的发展过程和趋势，研究者通常运用SPSS时间序列来制作预测模型，进而类推或预测下一个时间段或若干年内的数值水平。本文以SPSS时间序列分析ARIMA预测，SPSS时间序列分析定义年月日这两个问题为例，带大家了解一下SPSS时间序列的知识。

一、SPSS时间序列分析ARIMA预测

ARIMA模型是从时间序列数值本身的相关性出发，力求建立回归模型，不仅可以充分利用时间序列的数值变化信息，而且能够将多种影响因素纳入模型进行考虑，SPSS的这种时间序列方法基于数值序列反映的趋势来计算和预测若干时间段的数值情况。

1、下图是某矿山1992年至2002年的黄铜矿出口数据，这些数据具体到每年每个月的黄铜矿出口数量，矿山公司想要了解1992年到2002年这十年黄铜矿出口量的总体情况，并且预测后续的黄铜矿出口数值，这就可以通过时间序列的方式进行操作。

2、在SPSS功能应用页面找到数据的定义日期按键，结合案例数据的时间信息，我们选择个案时间依据是年月，在年份的空框输入1992，在月份的空框输入1，可以看到当前日期的显示为1992年1月，按照12个月的周期长度进行操作。

3、确认时间序列的参照标准是年月之后，SPSS的数据视图出现下图所示的DATE数据列，这就是根据上述年月的时间标准来设置的新变量栏。接下来我们点击分析模块的时间序列预测，选择创建传统模型的方式，由此进行针对黄铜矿出口量的时间序列模型建构。

4、在时间序列建模器的功能页面，我们把出口量放入因变量栏中，并将下方的方法设置为指数平滑，模型类型选择简单季节性。数据结算期基于1992年到2002年每个月的黄铜矿出口量数值，预测期的设置需要借助下图最右侧的选项功能来实现。

二、SPSS时间序列分析定义年月日

时间序列具有趋势性、季节性、周期性的特点，趋势性指的是长期上升或下降的趋势，在案例中便是黄铜矿出口量的整体变化，季节性指的是固定周期内的规律波动，例如案例的黄铜矿出口量每年3到8月下降，9到12月上升，周期性指的是非固定周期的波动，本案例主要涉及到趋势性和季节性。所以需要按照上述步骤定义数据序列的时间标准。我们在SPSS功能页面找到定义日期的选项，结合数据信息来进行时间格式的设置，进而确定时间序列的预测标准，这就应用在了本文案例黄铜矿出口量的年月数据方面。

1、在统计的功能模块，我们选择按模型显示拟合测量、杨博克斯统计和离群值数目，并且在拟合测量的显示框中勾选平稳R方和R方，在用于比较模型设计的功能框中选择拟合优度，然后勾选位于页面最下方的显示预测值的选项。

2、为详细了解和掌握黄铜矿出口量的时间序列数据，我们需要绘制时间序列建模的趋势图，所以在图的功能设置中选择序列的单个模型图，使每个图显示的内容都有实测值和预测值。在用于比较模型的图中，我们也勾选上平稳R方和R方的选项。

3、接下来在选项的设置中，我们将预测期定为评估期结束后的第一个个案到指定日期之间的个案，既然黄铜矿出口量数据是1992年到2002年的，那么可以将预测期定义为后续的年份，例如2003年的黄铜矿出口量数据，在年份的空框输入2003，在月份的空框输入12。

4、在模型拟合度表格中，我们可以看到8个拟合度指标以及平均值、最小值、最大值、百分位数，其中，平稳R方值为0.429。模型统计的结果显示，杨博克斯统计量值为38.047，显著性水平p值为0.001，表示黄铜矿出口量存在季节性的时间序列特征，即黄铜矿出口量在不同季节的数值存在显著差异。

5、再来看一下时间序列的趋势预测图，红色实线为实测值，蓝色实线为预测值，每年黄铜矿出口量在3月至8月呈下降趋势，而在9月至12月呈上升趋势，每年黄铜矿出口量的峰值一般是在年底的11月或12月，代表2003年预测数值的蓝色实线也是在年底达到黄铜矿出口量的峰值。

三、小结

以上就是SPSS时间序列分析ARIMA预测，SPSS时间序列分析定义年月日的解答。如果需要根据时间序列来预测数据变化趋势，推荐使用SPSS时间序列进行模型建构。最后，也欢迎大家前往SPSS的中文网站，学习更多关于数据分析的操作技巧。