实验·6 时间序列分析的spss应用

1、Spss在实验六时间序列分析中的应用6.1实验目的学会使用SPSS统计软件创建时间序列，掌握拟合长期趋势线性模型和测量季节变化的SPSS方法和技巧。6.2相关知识(略)6.3实验内容6.3.1用SPSS统计软件创建时间序列6.3.2利用SPSS统计软件对长期趋势线性模型进行拟合(最小二乘法、指数平滑法)和预测。6.3.3掌握确定季节变化的SPSS方法。6.4实验要求6.4.1准备实验数据6.4.2利用SPSS统计软件创建彩电出口量时间序列6.4.3用最小二乘法确定长期趋势，拟合线性趋势方程，预测趋势。6.4.4确定彩电出口量的季节变化。6.4.5用指数平滑法预测2014年和2015年彩电出口量

2、。6.5实验步骤6.5.1实验数据为了研究某国彩电出口情况，某研究机构收集了2003年至2013年彩电月度数据，如表6-1所示。表6-1 2003-2013年中国彩电出口月度数据(单位：万)jan二月行进四月可能六月七月八月九月十月十一月十二月2003年12.5313.7324.4528.7532.4531.1125.9432.9843.4942.9463.2977.28200430.0139.6329.7742.7432.2531.9432.2732.5932.9230.9847.4452.822005年24.0816.4231.2429.3331.8830.0928.0832.9944.9

3、947.5750.3675.192006年39.0225.8143.3837.3439.2239.8751.1050.9955.1662.7857.7572.202007年28.7639.3846.1039.4138.7440.1845.5943.3146.6854.1753.6561.122008年28.8721.2335.8226.9732.3324.5329.3931.9638.2239.2452.9568.412009年29.9937.0937.7035.3329.5353.6428.9525.8837.6139.8328.4454.85201055.7713.9643.5032.96

4、32.9147.6539.7439.4850.7060.5368.2283.472011年66.3570.3586.1987.5061.1993.2389.3188.3790.0590.06107.56101.632012年78.3191.9791.73101.6777.6087.6498.8279.90110.86113.29125.58120.242013年101.6593.53127.04133.68143.76155.50170.59168.96186.16181.91253.78201.146.5.2创建彩电出口量时间序列1.先输入数据，输入后的SPSS数据文件如下图6-1所示：图6

5、-1输入后的数据文件(局部图)2.定义日期变量。选择“数据-定义日期”打开“定义日期”主对话框，选择相应的时间设置类型。操作完成后，相应的时间变量将被添加到数据文件中。在这种情况下，数据是年和月数据，从2003年1月开始，因此时间是“年和月”类型，开始年份是2003年，开始月份是1月。图6-2“定义日期”对话框操作完成后，数据文件中增加了三个变量，即“年”、“月”和“日”，如图6-3所示。图6-3定义日期变量后的结果(部分图表)3.创建时间序列(使用移动平均法)选择“转换-创建时间序列”，打开“创建时间序列”对话框，将“导出数量”变量移到右侧的“变量-新名称”框中，在“函数”下拉框中选择“中心

6、移动平均线”，在“跨度”中输入5表示五个移动平均线，然后单击“更改”按钮。设置如下图6-4所示。图6-4创建时间序列对话框设置完成后，单击“确定”按钮，一个名为“导出数量_1”的变量将被添加到五个移动平均序列的原始数据文件中。4.绘制时间序列趋势图选择“分析-预测-序列图”，打开“序列图”对话框，将“导出数量”和“导出数量_1”移到右侧的“变量”框中，将定义的日期变量设置为“时间线”标签，点击“确定”按钮，输出时间序列图，如图6-5所示。图6-5序列图设置对话框图6-6生成的时序图从图6-6可以看出，彩电出口量的趋势线已经变得平缓。随着时间的延长，彩电出口量增长的趋势特征明显。然而，增长不是单

7、调增加的，而是上升和下降的。这种涨跌并不混乱，而是与季节因素有关。我们知道影响时间序列的因素包括长期趋势变化、季节性因素、周期性变化和不规则变化，所以本案彩电出口量的变化除了受长期增长趋势和季节性变化的影响外，还受到不规则变化和周期性变化的影响。6.5.3用最小二乘法分析彩电出口量变化的长期趋势1.创建一个名为“时间序列”的新时间变量，并按时间顺序将其设置为1、2、3、4、5。选择“分析-回归-线性”打开“线性回归”对话框，如下图6-7所示。从左侧要分析的变量框中，将变量“导出数量”移到“因变量”框中，将变量“时间序列”移到“自变量”框中。图6-7线性回归对话框2.点击“统计”按钮，弹出如图6

8、-8所示的对话框，依次勾选“估计”、“置信区间”、“协方差矩阵”、“模型拟合”和“杜宾-沃森”，点击“继续”按钮，返回主对话框。图6-8线性回归统计设置对话框“绘制”、“保存”、“选项”和“引导”选项卡的设置可以参考回归分析实验的设置。点击“确定”按钮提交系统运行。3.主要运行结果表6-2回归系数表表6-2是回归系数的估计结果和最小二乘法的估计结果。从表中数据可以看出，常数项和自变量“时间序列”的t值分别为1.618和11.803。自变量的显著性概率值为0.000，小于0.05，对因变量有显著影响，而常数项的显著性概率值为0.108，大于0.05，对因变量无显著影响。因此，我们应该删除常量项，

9、选择“分析-回归-线性回归”，重新打开线性回归主对话框，然后点击“选项”打开“线性回归：选项”对话框。不要选择“在等式中包含常数”项，单击“继续”，最后单击“确定”。运行结果如下表6-3所示。表6-3不含常量项目的回归分析结果从表6-3可以看出，自变量的T值为26.401，显著性概率值为0.000，小于0.05，因此对因变量有显著影响。即y=0.879x。6.5.4彩电出口量季节变化的确定1.选择“分析-预测-季节分解”打开“周期分解”对话框，按照图6-9进行设置。图6-9周期性分解对话框2.在周期分解对话框的右上角有一个“保存”按钮。单击“保存”以打开“保存”对话框。在本例中，选择“添加到文

10、件”。点击“继续”按钮返回图6-9所示的主对话框，然后点击“确定”按钮提交系统进行操作。图6-10“循环：保存”对话框3.主要运行结果及分析图6-11型号描述截图图6-11是模型的描述表，显示了模型的名称、类型、季节周期长度、移动平均线的计算方法等信息。图6-12季节因素表(截图)图6-12是季节因素表。由于季节的影响，彩电的出口量逐月变化很大。可以看出，9月、10月、11月和12月的季节指数大于1，表明这几个月彩电出口处于旺季，而其他月份的季节指数小于1，属于淡季。其中，二月出口最差，十二月最好。图6-13出口量季节变化、周期变化、长期趋势和不规则变化指数计算结果(截图)图6-13是显示在数

11、据文件中的数据视图。从图6-13可以看出，数据文件中增加了四个序列：ERR_1表示“出口量”序列季节性分解后的不规则变化序列；SAS_1代表季节分解和季节因素剔除后的“出口量”序列；SAF_1表示由“出口数量”序列的季节性分解生成的季节性因素序列；STC_1代表季节性分解的“出口量”序列的序列趋势和循环成分。使用数据文件中添加的这4个序列作为时序图。根据前面的操作步骤，系统操作结果如下图6-14所示。这些新序列也可以显示在不同的图形上。图6-14季节分解后的时序图6.5.5用指数平滑法预测2014年和2015年彩电出口量1.选择“分析-预测-创建模型”打开“时间序列建模器”对话框，并根据图6-

12、15进行设置。首先，设置“变量”选项卡，将“出口数量”移动到右侧的“因变量”列，并为“方法”选择指数平滑方法。图6-15时间序列建模器对话框单击“条件.”按钮打开“时间序列建模器：指数平滑条件”对话框。在这种情况下，选择“温特斯可加性”。该模型适用于具有线性趋势且与序列水平无关的季节效应序列，如下图6-16所示。(在图6-16所示的对话框中，依次选择“简单季节性”、“温特斯可加性”和“温特斯多样性”，分别建立不同的季节性指数平滑模型。通过比较发现，“温特斯可加性”拟合最好，“平稳R平方”达到0.499。因此，选择“温特斯可加性”趋势模型进行预测。)图6-16时间序列建模器：指数平滑条件对话框2

13、.统计选项卡设置。点击主对话框中的“统计”按钮，打开如图6-17所示的对话框，依次勾选“按模型显示拟合度量、Ljung-Box统计量和异常值”、“平稳R平方”、“拟合优度”、“参数估计”和“显示预测值”选项。图6-17输出统计对话框3.图表选项卡设置。点击“图表”按钮，进入图表输出选择对话框，在选项卡中选择“序列”、“观察值”和“预测值”，通常为系统默认。4.“保存”标签的设置。点击“保存”按钮，进入保存输出选择对话框。如图6-18所示，将“预测值”保存到数据文件中，将变量名的前缀“预测值(p)”改为“预测值”，并在“选项”中设置预测周期。如果要在输出结果中显示“置信区间上限”、“置信区间下限

14、”和“噪声剩余值”，可根据数据分析的要求进行选择。图6-18保存标签对话框5.选项选项卡设置。点击“选项”进入“选项”对话框，设置如下图6-19所示。在“预测阶段”框中选择第二个选项，并在“日期活动”框中输入2015年12月，表示预测期截止到2015年12月，其他是默认设置。单击确定提交系统进行操作。图6-19“选项”对话框6.主要运行结果表6-5是模型的描述表，表示“出口量”变量采用指数平滑法处理，采用温特斯加法模型。表6-5型号描述表表6-6是模型的拟合表，包括八个拟合测量指标。表6-6模型拟合表6-7是模型统计比例。从表中数据可以看出，模型的决策系数为0.499，说明拟合模型能够解释原始序列中49.9%的信息，模型的拟合效果不是很好。表6-7模型统计比例表6-8指数平滑模型参数表表6-9为预测表，给出了2014年1月至2015年12月“出口量”变量的预测值、上区间和下区间值，表中仅显示了部分数据。表6-9预测表(部分显示)图6-20是观察值和预测值的时序图。图6-20观察值和预测值的时间