Download presentation
Presentation is loading. Please wait.
1
SPSS Forcasting 模块的学习 2009-2-1 薛晓琳 SPSS Inc.
Copyright , SPSS Inc.
2
目录 第一节 时间序列简介 第二节 时间序列的分解 第三节 时间序列建模方法 3.1 指数平滑法 3.2 ARIMA模型 ACF/PACF图
3.3 专家建模器 第四节 时间序列应用示例 Copyright , SPSS Inc.
3
第一节 时间序列简介 时间序列是通过定期度量一段时间内某个变量所获得的一组观测值：X1,X2,….Xt,…,Xn.
假设：(1)数据刻画了历史; (2)历史会重复自己。 目的：预测序列的未来值。 Copyright , SPSS Inc.
4
第二节 时间序列的分解 设Y是一个时间序列，则Y可表示为 其中T为趋势项，时间序列的长期变化 C为循环项，时间超过一年的周期性变动
S为周期项，一年内的周期性变动 e为随机项，偶然因素对时间序列的影响 有时把T和C统称为趋势项，则Y可表示为 Copyright , SPSS Inc.
5
第三节 时间序列建模方法 指数平滑法 ARIMA 专家建模器 Copyright , SPSS Inc.
6
指数平滑法 指数平滑法最早由C.C.Holt于1958年提出，主要包括： 简单的 Holt线性趋势 Brown线性趋势 简单季节性 阻尼趋势
Winters可加的 Winters可乘的 Copyright , SPSS Inc.
7
ARIMA模型 ARIMA(AutoRegressive Integrated Moving Average)模型，自回归积分移动平均模型，又称求和自回归移动平均模型，其中AR为自回归，p为自回归项数；MA为移动平均，q为移动平均项数，d为时间序列成为平稳序列所需差分的次数，ARIMA(p,d,q)的表达式为： Copyright , SPSS Inc.
8
ACF和PACF定义 ACF (Autocorrelation Functions)自相关函数
PACF (Partial Autocorrelation Functions) 偏相关函数 Copyright , SPSS Inc.
9
ACF/PACF图 ARIMA(0,0,1) Copyright , SPSS Inc.
10
ACF/PACF图 ARIMA(0,0,1) Copyright , SPSS Inc.
11
ACF/PACF图 ARIMA(0,0,2) Copyright , SPSS Inc.
12
ACF/PACF图 ARIMA(1,0,0) Copyright , SPSS Inc.
13
ACF/PACF图 ARIMA(1,0,0) Copyright , SPSS Inc.
14
ACF/PACF图 ARIMA(2,0,0) Copyright , SPSS Inc.
15
ACF/PACF图 ARIMA(1,0,1) Copyright , SPSS Inc.
16
ACF/PACF图 ARIMA(0,1,0) Copyright , SPSS Inc.
17
专家建模器 专家建模器会自动查找每个时间序列的最佳拟合模型。 缺省情况下，既考虑ARIMA模型也考虑指数平滑法模型。
可以指定自动检测离群值。 Copyright , SPSS Inc.
18
第四节 时间序列应用示例 全国宽带提供商的分析员需要对用户订阅宽带的情况进行预测，以便预测宽带的利用率。每月历史数据收集在broadband_1.sav中。 下面利用专家建模器进行批量预测。 Copyright , SPSS Inc.
19
时间序列应用示例 在分析前先对时间序列进行绘图，对其周期性进行合理预测。 如图在菜单中选择 分析 预测 序列图…
Copyright , SPSS Inc.
20
时间序列应用示例 把Total Number of Subscriber选入变量栏里。
把Date. Format. “MMMYYYY”选入时间轴标签栏中。 点击确认按钮。 Copyright , SPSS Inc.
21
时间序列应用示例 从图中看出此序列表现出平稳的上升趋势，没有周期性变化的迹象。 下面利用专家建模器进行建模。
Copyright , SPSS Inc.
22
时间序列应用示例 如图所示选择 分析 预测 创建模型… Copyright , SPSS Inc.
23
时间序列应用示例 选择Subscriber for Market 1到Subscriber for Market 85作为因变量。
确认方法栏中为专家建模器。 点击条件。 Copyright , SPSS Inc.
24
时间序列应用示例 取消专家建模器考虑季节性模型的选项。 前面的图可以看出此序列没有季节性，取消此选项可以减少运算时间。 单击继续。
单击主对话框中的选项选项卡。 Copyright , SPSS Inc.
25
时间序列应用示例 在预测期组中选择估计期结束之后到指定日期之间的第一个个案。 在日期网格中，输入2004作为年份，3作为月份。
单击保存选项卡。 Copyright , SPSS Inc.
26
时间序列应用示例 选择保存组中的预测值条目，把变量名的前缀改为英文字母p. 单击浏览按钮
浏览要保存XML文件的文件夹，输入文件名，单击保存。 单击统计量选项卡。 Copyright , SPSS Inc.
27
时间序列应用示例 选择”显示预测值”。 此选项将为每个因变量序列生成一个预测值表，并提供一种不同于把预测值保存为新变量的方法来获得这些值。
单击图选项卡。 Copyright , SPSS Inc.
28
时间序列应用示例 在“单个模型图”中取消选择序列。 在“模型比较图”中选择平均绝对误差百分比和最大绝对误差百分比。 单击确定按钮。
Copyright , SPSS Inc.
29
结果分析 此直方图为所有模型的平均绝对误差百分比。 它表明，所有模型都显示约为1%的不确定性。
Copyright , SPSS Inc.
30
结果分析 此直方图显示所有模型的最大绝对误差百分比。 它表明每个模型的最大误差百分比介于1%-5%之间。 它对于设想预测的最坏情况方案有用。
Copyright , SPSS Inc.
31
结果分析 此处显示了包含模型预测的新变量。一共有85个，此处只显示了4个。变量名由缺省前缀预测值(p)，关联因变量的名称(例如market_1)和模型标识(如模型_1)组成。 Copyright , SPSS Inc.
32
结果分析 此表仅包含预测期中的预测值，不包含估计期中的预测值。 Copyright , SPSS Inc.
Similar presentations
