SPSS时间序列分析案例

1、-. z.用SPSS软件做时间序列分析，有*公司2002年一季度到2010年二季度的34个税后利润数据，要求预测出该公司2010年三季度和四季度的税后利润。要求：画出序列趋势图绘制出自相关图和偏自相关图确定参数和模型给出预测值观测值序列图2税后盈利自相关图序列:税后盈利滞后自相关标准误差aBo*-Ljung 统计量值dfSig.b1.306.1643.4821.0622.198.1624.9872.0833.185.1596.3403.0964.542.15718.3424.0015.084.15418.6415.0026.067.15118.8366.0047.094.14919.2397.

2、0078.458.14629.0938.0009.041.14329.1769.00110.016.14029.18910.00111.012.13729.19711.00212.236.13432.30812.00113-.092.13132.80613.00214-.094.12833.34514.00315-.079.12533.74515.00416.106.12134.51016.005a. 假定的根底过程是独立性白噪音。b. 基于渐近卡方近似。偏自相关序列:税后盈利滞后偏自相关标准误差1.306.1712.115.1713.107.1714.503.1715-.279.1716-.

3、010.1717.046.1718.268.1719-.130.17110-.054.17111-.053.17112-.081.17113-.040.17114-.051.17115-.027.17116-.062.1713、确定参数和模型时间序列建模程序模型描述模型类型模型 ID税后利润模型_1ARIMA(0,1,0)(0,1,0)模型摘要模型统计量模型预测变量数模型拟合统计量Ljung-Bo* Q(18)离群值数平稳的 R 方统计量DFSig.税后利润-模型_105.502E-1717.68818.47604、给出预测值2010年第三季度139621.02万元2010年第四季度 1701

4、44.55万元剔除季节成分后，平滑处理及剔除循环波动因素的序列图SEASON、MOD_6、MUL、EQU、4 中税后利润的季节性调整序列自相关图序列:SEASON、MOD_6、MUL、EQU、4 中税后利润的季节性调整序列滞后自相关标准误差aBo*-Ljung 统计量值dfSig.b1.728.16419.6331.0002.450.16227.3832.0003.310.15931.1693.0004.207.15732.9114.0005.219.15434.9415.0006.241.15137.4846.0007.243.14940.1687.0008.226.14642.5718.0

5、009.183.14344.2139.00010.162.14045.55110.00011.093.13746.01211.00012.006.13446.01512.00013-.047.13146.14513.00014-.021.12846.17214.00015-.022.12546.20415.00016-.036.12146.29416.000a. 假定的根底过程是独立性白噪音。b. 基于渐近卡方近似。偏自相关序列:SEASON、MOD_6、MUL、EQU、4 中税后利润的季节性调整序列滞后偏自相关标准误差1.728.1712-.168.1713.108.1714-.053.1715.206.1716.000.1717.076.1718-.015.1719.014.17110.034.17111-.121.17112-.066.17113-.059.17114.115.17115-.134.17116.019.171模型描述模型类型模型 IDSEASON、MOD_6、MUL、EQU、4 中税后利润的季节性调整序列模型_1ARIMA(0,1,0)(0,0,0)模型统计量模型预测变量数模型拟合统计量Ljung-Bo* Q(18)离群值数平稳的 R 方统计量DFSig.SEASON、MOD_6、MUL、EQU、4