spss 时间序列分析

目录

定义日期标示变量

了解序列发展趋势

季节因素分解

时间序列预测操作

预测

---

定义日期标示变量

【数据】【定义日期和时间】

由于数据起始是2004年1月，选择【年，月】项，右侧输入对应年月，【确定】会出现三个变量

 

 

了解序列发展趋势

【分析】【时间序列预测】【序列图】

将“销售数据移至”【变量】，‘DATE_’变量移至【时间轴标签】【确定】

通过序列图，发现时间序列趋势：

• 如果随着时间的推移，序列的季节波动变得越来越大，建议使用乘法模型
• 如果季节波动基本能维持恒定，加法模型

 

 

季节因素分解

【分析】【时间序列预测】【季节性分解】

‘销售数据’移至右侧【变量框中】，根据上述图选择【乘性】【确定】生成四个新增变量

• 误差序列（前缀-ERR）：从时间序列中移除季节变动，长期趋势和循环变动因素之后留下的序列
• 季节因素校正后序列（前缀-SAS）：移除原始序列季节因素之后的校正序列
• 季节因子（SAF）：从序列中分解出来的姐姐因素，其中变量值根据季节周期的变动进行重复
• 长期趋势和循环趋势变动序列（STC）：原始序列中的长期趋势和循环因素构成的序列

 

 

 

时间序列预测操作

【分析】【时间序列预测】【创建传统模型】

‘销售数据’移至【因变量】，确认中间【方法】选择【专家建模器】【条件】勾选【专家建模器考虑季节性模型】【继续】

保存 xml 文件，spss 就开始使用专家建模方法进行时间序列预测分析了

 

预测

【分析】【时间序列预测】【应用传统模型】打开刚刚 xml 文件，输入结束时间，保存，勾选【预测值】