SPSS时间序列预测【010期】

**博主提示：订阅本专栏，可免费获得此专栏参考文献电子版资料**

时间序列分析(Time Series Analyze) 是概率统计学科中应用性较强的一个分支， 在金融经济、气象水文、信号处理、机械振动等众多领域都有应用，时间序列分析分为时域分析和谱分
析两大类。

10.1 时间序列的预处理
SPSS无法自动识别时间序列数据并且时间序列数据在处理的过程中必须明确考虑时间序列的非平稳性，因此在进行时间序列分析前，必须对时间序列进行预处理。

10.1.1预处理的基本原理
1.使用目的
通过预处理，一方面能够使序列随“时间”变化的、“动态”的特征体现得更加明显，利于模型的选择；另一方面也使得数据满足模型的要求。

2.基本原理
(1)数据采样。
采样的方法通常有直接采样、累计采样等。
(2)直观分析。
时间序列的直观分析通常包括离群点的检验和处理、缺损值的补足、指标计算范围是否统一等一些可以采用比较简单手段处理的分析。
(3)特征分析。
特征分析就是在对数据序列进行建模之前，通过从时间序列中计算出一些有代表性的特征参数，用以浓缩、简化数据信息，以利数据的深入处理，或通过概率直方图和正态性检验分析
数据的统计特性。通常使用的特征参数有样本均值、样本方差、标准偏度系数、标准峰度系
数等。
(4)相关分析。
相关分析就是测定时间序列数据内部的相关程度，给出相应的定量度量，并分析其特征及变化规律。理论上，自相关系数序列与时间序列具有相同的变化周期。所以，根据样本自相关系数序列随增长而衰减的特点或其周期变