2021SPSS时间序列分析实操试题及答案解析

2021SPSS时间序列分析实操试题及答案解析

一、单项选择题（总共10题，每题2分）1.在SPSS时间序列分析中，设置时间变量时，“日期”类型数据不包括以下哪一项？A.年-月B.年-季度C.年-周D.年-时2.用于检验时间序列是否为白噪声的常用方法是？A.ADF检验B.Ljung-Box检验C.KPSS检验D.协整检验3.ARIMA(p,d,q)模型中，“d”表示？A.自回归阶数B.差分次数C.移动平均阶数D.滞后阶数4.以下哪种情况最适合使用Holt-Winters加法模型？A.序列无趋势、无季节B.序列有稳定趋势、季节波动随时间递增C.序列有稳定趋势、季节波动幅度固定D.序列趋势和季节均不明显5.SPSS中“创建传统时间序列模型”功能不支持以下哪种模型？A.ARIMAB.指数平滑C.自回归模型（AR）D.向量自回归（VAR）6.平稳时间序列的均值和方差应满足？A.均值随时间变化，方差恒定B.均值恒定，方差随时间变化C.均值和方差均随时间变化D.均值和方差均不随时间变化7.分析时间序列的自相关函数（ACF）和偏自相关函数（PACF）时，若ACF拖尾、PACF在k阶后截尾，可能对应哪种模型？A.AR(k)B.MA(q)C.ARMA(p,q)D.随机游走8.在SPSS中进行时间序列预测时，“训练样本”和“验证样本”的主要作用是？A.训练样本用于建模，验证样本用于参数估计B.训练样本用于参数估计，验证样本用于评估模型预测能力C.训练样本和验证样本均用于参数估计D.训练样本和验证样本均用于模型预测9.若时间序列存在明显的季节性（周期为12），进行差分处理时通常优先选择？A.1阶差分B.12阶差分C.1阶和12阶的组合差分D.无需差分10.白噪声序列的主要特征是？A.自相关系数显著非零B.无记忆性，未来值无法由历史值预测C.均值随时间递增D.方差随时间递减二、填空题（总共10题，每题2分）1.SPSS中设置时间变量的操作路径是：数据→________→定义日期/时间。2.时间序列的基本构成要素包括趋势、季节、________和随机波动。3.ARIMA模型的全称是________。4.指数平滑法中，平滑系数α越接近1，模型对近期数据的加权越________（填“大”或“小”）。5.检验时间序列平稳性的常用方法是________检验。6.若时间序列的自相关函数（ACF）呈现缓慢衰减，通常说明序列存在________。7.在SPSS中，“时间序列图”的主要作用是直观观察序列的________和季节特征。8.白噪声检验的原假设是序列为________，备择假设是序列存在自相关。9.Holt-Winters乘法模型适用于季节波动幅度随________变化的序列。10.预测误差的常用评估指标包括均方误差（MSE）、平均绝对误差（MAE）和________。三、判断题（总共10题，每题2分）1.时间序列数据必须按时间顺序排列，否则无法进行分析。（）2.所有时间序列都需要进行差分处理才能建模。（）3.指数平滑法只能用于无趋势、无季节的序列。（）4.ARIMA模型要求序列是平稳的，若原序列非平稳，需先进行差分。（）5.自相关函数（ACF）反映的是序列与其滞后k期值的线性相关程度。（）6.白噪声序列的所有自相关系数均为0，因此无法用于预测。（）7.在SPSS中，“自动时间序列建模”功能会自动选择最优的ARIMA或指数平滑模型。（）8.季节性序列的周期可以通过观察自相关函数图的峰值间隔确定。（）9.预测时，训练样本占比越高，模型对历史数据的拟合越好，预测效果一定更优。（）10.若模型残差为白噪声，说明模型已捕捉序列的所有信息，无需进一步优化。（）四、简答题（总共4题，每题5分）1.简述SPSS中设置时间变量的操作步骤及注意事项。2.如何通过ACF和PACF图判断ARIMA模型的p和q参数？3.指数平滑法与ARIMA模型的主要区别是什么？4.简述时间序列预测中“训练样本”和“验证样本”的作用及划分原则。五、讨论题（总共4题，每题5分）1.某企业月度销售额数据存在明显上升趋势和稳定季节性（周期12），请讨论应如何选择SPSS中的时间序列模型，并说明理由。2.若ARIMA模型拟合后残差的Ljung-Box检验p值大于0.05，说明什么问题？此时应如何改进模型？3.讨论时间序列平稳性的重要性，若序列非平稳可能对建模产生哪些影响？4.结合SPSS实操，说明如何评估预测模型的效果，并列举3种常用评估指标的计算方法。答案及解析一、单项选择题1.D（SPSS日期类型通常为年-月、年-季度、年-周，不包含年-时）2.B（Ljung-Box检验用于白噪声检验）3.B（d表示差分次数）4.C（加法模型适用于季节波动幅度固定的情况）5.D（向量自回归属于多元模型，传统时间序列模型功能不支持）6.D（平稳序列的均值和方差均不随时间变化）7.A（PACF截尾对应AR模型）8.B（训练样本用于参数估计，验证样本评估预测能力）9.B（季节性周期为12时优先12阶差分）10.B（白噪声无记忆性，无法预测）二、填空题1.定义日期/时间（原题已提示，正确路径为数据→定义日期/时间）2.循环波动3.自回归积分移动平均模型4.大5.ADF（或KPSS）6.趋势（或非平稳性）7.趋势8.白噪声9.趋势（或水平）10.平均绝对百分比误差（MAPE）三、判断题1.√（时间顺序是时间序列分析的基础）2.×（仅非平稳序列需要差分）3.×（Holt-Winters模型可处理趋势和季节）4.√（ARIMA要求平稳，非平稳需差分）5.√（ACF衡量滞后k期的线性相关）6.√（白噪声无自相关，无法预测）7.√（SPSS自动建模会筛选最优模型）8.√（季节性周期可通过ACF峰值间隔判断）9.×（训练样本过高可能过拟合，验证样本不足影响评估）10.√（残差白噪声说明模型充分拟合）四、简答题1.操作步骤：点击“数据”→“定义日期/时间”，选择数据列和日期类型（如年-月），设置起始时间。注意事项：确保时间变量连续无缺失，日期类型与数据实际周期匹配（如月度选“年-月”），缺失值需提前处理。2.若ACF在q阶后截尾、PACF拖尾，对应MA(q)；若PACF在p阶后截尾、ACF拖尾，对应AR(p)；若两者均拖尾，对应ARMA(p,q)。截尾指超过某阶后自相关系数显著为0，拖尾指缓慢衰减。3.指数平滑法通过加权历史数据预测，权重随时间指数递减，适用于短期预测，计算简单；ARIMA模型基于自相关结构建模，需明确p、d、q参数，适用于中短期预测，对数据平稳性要求高。4.训练样本用于模型参数估计，验证样本评估模型泛化能力。划分原则：通常按时间顺序划分（如前80%为训练，后20%为验证），确保验证样本包含近期数据，避免未来数据泄露。五、讨论题1.应选择Holt-Winters加法模型或季节性ARIMA（SARIMA）。因数据有上升趋势（线性趋势）和稳定季节性（季节波动幅度固定），Holt-Winters加法模型可同时捕捉趋势和固定季节效应；SARIMA(p,d,q)(P,D,Q)s（s=12）通过差分（d=1消除趋势，D=1消除季节）和模型参数拟合趋势与季节，适合此类数据。2.残差Ljung-Box检验p>0.05说明残差为白噪声，模型已充分捕捉序列信息，无需改进。若p≤0.05，说明残差存在自相关，需调整模型参数（如增加p/q阶数）或更换模型（如改用SARIMA）。3.平稳性是建模基础，非平稳序列的均值/方差随时间变化，导致自相关系数失真，ARIMA等模型无法有