版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
實驗spss中時間序列分析一、實驗?zāi)康牧私鈖11中時間序列分析的簡單方法二、實驗原理介紹1.SPSS中時間序列分析簡要介紹時間序列分析的方法可以分為兩大類:Timedomain和Frequencydomain。前者將時間序列看成是過去一些點的函數(shù),或者認為序列具有時間系統(tǒng)變化的趨勢,它可以用不多的參數(shù)來加以描述,或者說可以通過差分、周期等還原成隨機序列。后者則認為時間序列是由數(shù)個正弦波成分疊加而成,當(dāng)序列的確來自一些周期函數(shù)集合時,該方法特別有用。不同的專業(yè)領(lǐng)域習(xí)慣用不同的方法:經(jīng)濟學(xué)習(xí)慣用Timedomain,而電力工程專家則對Frequencydomain更感興趣。下面講述的都是Timedomain由于時間序列模型的復(fù)雜性,它在p中橫跨了數(shù)據(jù)整理、統(tǒng)計分析和繪圖三大部分,具體來說是:預(yù)處理模塊:包括用于填充序列缺失值的Tranform|replaceMiingValue過程,建立時間變量的Data|Definedate過程和將序列平穩(wěn)化的Tranform|CreateTimeSerie過程。圖形化觀察/分析:時間序列在分析中高度依賴圖形。Sp為其提供了特有的觀察工具:序列圖60口口0口。0的@M)、自相關(guān)/偏自相關(guān)圖(AutocorrelationFunction,ACF&AutocorrelationFunction,PACF)、交叉相關(guān)圖(CrocorrelationFunction,CCF)、周期圖(Periodogram)和譜密度圖(SpectralChart)。后三者被統(tǒng)一放置在Graph|TimeSerie菜單中。2.時間序列的建立和平穩(wěn)化在對數(shù)據(jù)擬合時間序列模型前需要進行一系列的準(zhǔn)備工作,首先,如果數(shù)據(jù)存在缺失值的話就要進行填補;第二,SPSS是不會自動將數(shù)據(jù)文件識別為時間序列的,必須要加以定義;第三,原始的時間序列往往要經(jīng)過初步的計算(平穩(wěn)化)才能更好的用于進一步分析。缺失值的填補一ReplaceMiingValue過程大多數(shù)時間序列模型都要求數(shù)據(jù)序列完整無缺,但這實際上非常難以做到。當(dāng)序列中存在缺失值時,顯然不可能采用剔除的方法,因為這樣會使得缺失值之后數(shù)據(jù)的周期發(fā)生錯位。在這種情況下就應(yīng)當(dāng)使用ReplayMiingValue過程對缺失值采用適當(dāng)?shù)姆椒ㄟM行填充,并將結(jié)果存入一個新變量。例子:打開數(shù)據(jù)文件gnp.av,刪除變量gnp在第8、14條記錄中的數(shù)值,然后選擇適當(dāng)?shù)娜笔е堤畛浞椒▽ζ溥M行填充。缺失值填充方法有好幾種,但各有使用范圍,現(xiàn)在gnp序列的規(guī)律并不清楚,為保險起見,我們只利用缺失值附近的數(shù)據(jù)進行填充。方法:Tranform|ReplaceMiingValue圖1圖1中解釋如下:NewVariable框:缺失值填充前后的變量對應(yīng)列表Name框:存儲填補序列的新變量名稱Method下拉列表:可供選擇的序列填充方法Seriemean:全體序列的均數(shù),默認值Meanofnearbypoint:相鄰若干點的均數(shù),在下方的Spanofnearbypoint單選框組中設(shè)置使用的相鄰點數(shù)。Medianofnearbypoint:相鄰若干點的中位數(shù),在下方的Spanofnearbypoint單選框中設(shè)置使用的相鄰點數(shù)Linearinterpolation:線性內(nèi)插,即缺失值相鄰兩點的均數(shù),但如果缺失值是在序列的最前/最后,則無法被填充。Lineartrendatpoint:該點的線性趨勢,將記錄號作為自變量,序列值作為因變量進行回歸,求得該點的估計值。Spanofnearbypoint單選框組:設(shè)置相應(yīng)填充方法中需要使用的相鄰記錄數(shù)。Change:將所做得設(shè)定應(yīng)用于相應(yīng)變量時間變量的定義一Definedate過程時間序列數(shù)據(jù)的一個明顯的特點就是記錄依時間排列。在SPSS中需要定義時間變量。只有在定義后,SPSS才承認該序列的諸如周期等時間特征。例:美國1947年第一季度到1970年第四季度的GNP在gnp.av文件中,其中只有一個變量gnp記錄著各季度的GNP值,請根據(jù)提供的時間范圍為其定義時間變量。方法:對于這種時間序列數(shù)據(jù),在數(shù)據(jù)輸入時僅僅需要輸入每個時間點上的具體數(shù)值,而時間變量應(yīng)當(dāng)用專門的過程來定義。在數(shù)據(jù)輸入時即使直接輸入時間變量,包括Seaon、Year,SPSS也不會自動認為它們是時間變量,從而無法進行時間序列分析。采用Data|Definedate過程來完成。圖2下面對圖2簡單講解如下:CaeAre框:提供了各種時間的組合供用戶選擇。序列的周期由時間組合的最小時間單位決定,如Year,quarter的周期是4FirtCaeI框組:要求輸入第一個數(shù)據(jù)(該數(shù)據(jù)可以是缺失值)的時間,根據(jù)CaeAre框中的選擇不同,相應(yīng)的內(nèi)容也會有所變動。右側(cè)會顯示相應(yīng)等級的周期數(shù)CurrentDate欄:在界面左下角,定義好周期后,如果再次進入該對話框,則會顯示當(dāng)前數(shù)據(jù)的時間信息。上述操作后,數(shù)據(jù)文件中將加入兩個新產(chǎn)生的時間變量year_、quarter」分別代表年、季度,另有一個變量date_,表示大致的日期(由于信息不全,只能是大致的日期,并且是字符串變量)時間序列的平穩(wěn)化一CreateTimeSerie過程在時間變量定義完成后,時間序列就基本建成了。但是,并非隨便建立一個序列就算萬事大吉,時間序列分析都是建立在序列平穩(wěn)的條件上的。一個平穩(wěn)的隨機序列過程有以下要求:均數(shù)不隨時間變化;方差不隨時間變化;自相關(guān)系數(shù)只與時間間隔有關(guān),而與所處的時間無關(guān)。實際上大多數(shù)的時間序列都是不平穩(wěn)的。在做時間序列分析時,首先就是識別序列的平穩(wěn)性,并且把不平穩(wěn)的序列轉(zhuǎn)化為平穩(wěn)序列。CreateTimeSerie過程是SPSS用來對原始序列進行初步處理,以使序列達到平穩(wěn)化的模塊。它可以從原序列變量中通過差分、移動平均等變換同時計算一個或多個新序列,以幫助用戶識別原序列的波動規(guī)律。對時間序列進行平穩(wěn)性檢驗的圖檢驗方法有時序圖檢驗和自相關(guān)圖檢驗。時序圖檢驗:根據(jù)平穩(wěn)時間序列均值、方差為常數(shù)的性質(zhì),平穩(wěn)序列的時序圖應(yīng)該顯示出該序列始終在一個常數(shù)值附近隨機波動,而且波動的范圍有界,無明顯趨勢及周期特征。自相關(guān)圖檢驗:平穩(wěn)序列通常具有短期相關(guān)性。該性質(zhì)用自相關(guān)系數(shù)來描述,就是隨著延遲期數(shù)的增加,平穩(wěn)序列的自相關(guān)系數(shù)會很快的衰減向零。(注:時間序列的自相關(guān)是指序列前后期數(shù)值之間的相關(guān)關(guān)系,對這種相關(guān)系數(shù)程度的測定是自相關(guān)系數(shù))。如果在ACF圖中,隨著lag的增大,自相關(guān)系數(shù)不是迅速減少,則要考慮時間序列是否不平穩(wěn),是否有繼續(xù)差分的必要。例:前面已經(jīng)為數(shù)據(jù)gnp.av建立了時間變量,現(xiàn)在對該序列進行平穩(wěn)化。方法:時間序列分析的第一步一般先做一個觀測值和時間的時序圖。這對序列的整體印象和后面的分析都非常有幫助。對序列進行上述處理后,再對新生成的變量做時序圖,可以發(fā)現(xiàn)雖然序列還存在周期性(季節(jié)波動),但是趨勢問題和方差不齊已經(jīng)得到較好的解決。如果還希望去除季節(jié)波動,則可以對新生成的序列用季節(jié)差分Tranform|CreateTimeSerie的方法去除。差分會帶來一個問題,就是序列開始的數(shù)據(jù)減少。差分次數(shù)越多,減少的數(shù)據(jù)越多。如果過度差分會使還原到原始序列的難度加大,這是需要盡量避免的。讓上述時間序列平穩(wěn)化的方法如下:圖3主要對圖3中的function下拉列表進行講解,這是CreateTimeSerie過程的核心。通過不同的計算方法可以得到相應(yīng)的新序列。Difference:計算變量的一般差分(非季節(jié)性)。差分是序列平穩(wěn)化時的常用手段,其作用是消除前后數(shù)據(jù)的依賴性。差分的次數(shù)可以在下方Order的框中指定。差分會損失數(shù)據(jù),差分n次,則數(shù)據(jù)損失n個。SeaonalDifference:季節(jié)性差分。差分的間距由數(shù)據(jù)的周期決定。沒有定義周期的數(shù)據(jù)不能做季節(jié)性差分。差分n次,數(shù)據(jù)損失季節(jié)的n倍。Centeredmovingaverage:中心移動平均,以當(dāng)前值為中心,計算指定范圍的均值。取移動平均的效果是把序列的噪聲部分抵消,而把平滑部分保留。Priormovingaverage:前移動平均,計算當(dāng)前值以前指定范圍的數(shù)的均值。Runningmedian:移動中位數(shù),計算當(dāng)前值為中心,一定范圍的中位數(shù)。Cumulativeum:累計和,以原序列的累積和為新序列Lag:滯后值,所謂滯后就是讓原序列往后滯留指定的OrderLead:提前值,和滯后相反,讓原序列提前指定的Order。Smoothing:計算原序列的T4253H平滑序列。3.時間序列的圖形化觀察時間序列有特有的圖形觀察工具,分別是:SequenceChart:序列圖,實際上是一種特殊的線圖,但比一般的線圖有更多適合時間序列特點的功能AutocorrelationChart:做單個序列,任意滯后(包括負的滯后,也就是超前)的自相關(guān)和偏自相關(guān)圖。ACF和PACF是描述單個時間序列的重要工具。Cro-CorrelationChart:交叉相關(guān)圖,做兩個或兩個以上的時間序列,任意滯后的交叉相關(guān)圖。互相關(guān)函數(shù)(Cro-correlationFunction,CCF)是分析兩個序列關(guān)系的有力工具。無論何時使用互相關(guān)函數(shù)來了解兩個序列之關(guān)系時,必須確信兩個序列是平穩(wěn)的(即,每個序列的均值和方差在整個序列中大概一樣)。原因是如果序列值隨時間上升或下降,總可以把二者串起來,以至于即使兩個序列毫不相關(guān),但也顯得高度相關(guān)。SpectralChart:周期圖和譜密度圖,在譜分析時給出一個或多個序列的周期圖和譜密度圖。譜圖和自相關(guān)圖實質(zhì)上是相同的,包含的是相同的信息,只不過表現(xiàn)形式不同。后面的三種是專用的時間序列圖,被統(tǒng)一放在YGraph|TimeSerie菜單中,它們對選擇某些時間序列分析的統(tǒng)計模型的參數(shù),以及對模型的殘差評估尤其重要。序列圖在Graph|Sequence菜單項。自相關(guān)系數(shù)是序列和自身的提前或滯后序列間的相關(guān)系數(shù)。如果滯后為1,則是1階自相關(guān)系數(shù),滯后為2則為2階自相關(guān)系數(shù)。自相關(guān)系數(shù)回答幾個相鄰數(shù)據(jù)的相關(guān)性。如果一階自相關(guān)系數(shù)大,可以知道相鄰時墊支存在較強相關(guān)性。二階自相關(guān)系數(shù)大則說明相隔兩個時點的值也密切相關(guān)。但是高階的自相關(guān)是否真的非常重要呢?是它的確有意義,還是因為低階自相關(guān)系數(shù)較大才引起高階自相關(guān)系數(shù)也大呢?如果建立一個由以前值預(yù)測現(xiàn)在值的回歸模型,需要包括多少個以前值?偏自相關(guān)函數(shù)(PACF)就是用于回答這個問題的。PACF是從高階開始,逐個檢驗每階的偏相關(guān)系數(shù)是否有意義,直到第一個有意義的為止。這時的階數(shù)就是模型中應(yīng)該包含的最大階數(shù)。Ma某imumNumberoflag:指定需要計算自相關(guān)和偏相關(guān)的最大的滯后數(shù)lag。根據(jù)經(jīng)驗lag=20就夠了,或者比該序列的最大周期大一些。季節(jié)解構(gòu)模塊是用于分析有季節(jié)變化的時間序列的工具。它的基本思想是一個時間序列的信息可以來自四個方面:線性趨勢、季節(jié)變化、循環(huán)變化和誤差。而這四種信息可以通過乘法模型組合,也可以通過加法模型組合。根據(jù)模型結(jié)構(gòu)的不同,季節(jié)解構(gòu)分解信息的方法也不同。季節(jié)解構(gòu)模塊要求序列無缺失值,或者已經(jīng)用適當(dāng)?shù)姆椒◤浹a。例:用美國1947年1月到1969年12月住宅建筑的數(shù)據(jù)nrc.av為例,對序列nrc2進行季節(jié)解構(gòu)分析圖4下面對圖4中的設(shè)置做簡單的介紹。Variable框:選入需要分析的變量Model單選框組:用于選擇模型的種類,有兩個選擇:相乘模型(Multiplicative)和相加模型(Additive)。MovingAverageWeight單選框組:決定計算移動平均數(shù)的方法Allpointequal:以季節(jié)因素的長度為長度計算均數(shù),所有的記錄權(quán)重一樣。當(dāng)周期長度為奇數(shù)時多選。Endpointweightedby0.5:以周期長度+1作為長度計算移動均數(shù)。兩端的數(shù)的權(quán)重取0.5,中間的權(quán)重都是1。當(dāng)周期長度為偶數(shù)時多選。Diplaycaewieliting:要求輸出計算的完整結(jié)果,包括計算的全部過程。Output窗口中的部分輸出結(jié)果如下:原序列經(jīng)過以周期為長度的移動平均后得到的值已經(jīng)去除了季節(jié)因素和誤差,僅僅包含線性趨勢、循環(huán)變化。所以上圖的Ratio就是包含季節(jié)和誤差的。(注意此模型為乘法模型)。求整個序列相同月份的Ratio的平均數(shù)并扣除誤差成分就得到相應(yīng)月份的季節(jié)因子(Seaonalfactor)。其中誤差是通過求各個月份Ratio的均數(shù)的均數(shù)得到的。然后原序列扣除季節(jié)因子就得到季節(jié)調(diào)整后的序列(Seaonaladjutederie)。最后還給出了平滑了循環(huán)因素的序列和不規(guī)則成分的大小。分析結(jié)果以新變量的形式加在數(shù)據(jù)文件后面,可以用于進一步的分析,比如做時序圖。E某ponentialSmoothing過程指數(shù)平滑法用序列過去值的加權(quán)均數(shù)來預(yù)測將來的值,并且給序列中近期的數(shù)據(jù)以較大的權(quán)重,遠期的數(shù)據(jù)給以較小的權(quán)重。理由是隨著時間的流逝,過去值的影響逐漸減小。指數(shù)平滑發(fā)只適合于影響隨時間的消逝呈指數(shù)下降的數(shù)據(jù)。指數(shù)平滑法適用于呈水平發(fā)展的序列。對于上升的數(shù)據(jù),預(yù)測總是偏低;下降的數(shù)據(jù),預(yù)測總偏高。對于有上升或下降趨勢的序列可以通過差分使序列平穩(wěn)化,對于有季節(jié)變化的數(shù)據(jù)可以用季節(jié)差分處理。使用菜單Analyze|TimeSerie|E某ponentialSmooth
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 人人文庫網(wǎng)僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 學(xué)校安全工作與應(yīng)急管理計劃
- 電視設(shè)備租賃合同三篇
- 數(shù)控板料折彎機相關(guān)行業(yè)投資規(guī)劃報告
- 亞硝酸鹽中毒解毒藥行業(yè)相關(guān)投資計劃提議
- 型材:異型鋼相關(guān)項目投資計劃書
- 《液壓與氣動》課件 1齒輪泵的結(jié)構(gòu)和工作原理
- 市場管理服務(wù)相關(guān)項目投資計劃書
- 鐵路行業(yè)安全巡查的標(biāo)準(zhǔn)化計劃
- 《解除迷茫規(guī)劃人生》課件
- 普通話教程課件普通話水平測試
- 軟件系統(tǒng)運行維護流程及的方案
- 大學(xué)生人身安全教育智慧樹知到期末考試答案章節(jié)答案2024年齊魯工業(yè)大學(xué)
- 醫(yī)師定期考核 (公共衛(wèi)生)試題庫500題(含答案)
- 人教版(2012)音樂一年級上冊國旗國旗真美麗 說課教案
- 國際經(jīng)濟學(xué)智慧樹知到期末考試答案章節(jié)答案2024年河南大學(xué)
- 特殊教育概論-期末大作業(yè)-國開-參考資料
- 學(xué)校課題結(jié)題報告會活動方案
- 《食品化學(xué)》課件-3 水分活度和等溫吸濕曲線
- 醫(yī)院培訓(xùn)課件:《一例腸造口患者的病例討論》
- 外委單位安全管理制度
- CHT 9009.2-2010 基礎(chǔ)地理信息數(shù)字成果1:5 000 1:10 000 1:25 000 1:50 000 1:100 000數(shù)字高程模型
評論
0/150
提交評論