简单的数据预处理到时间序列分析

spss数据预处理到时间序列分析

（六）季节分解

得到时间序列图后就可以进行季节分解了

通常情况下进行季节因素分解，将季节变动因素从原时间序列中去除，生成由剩余三种因素构成序列满足后续分析需求。对时间序列预测时，应考虑将上述四种因素分解出来。分解之后，能够克服其他因素的影响，仅仅考量一种因素对时间序列的影响。分解后可分析之间相互作用，及对时间序列综合影响。当去掉这些因素，可更好进行时间序列间比较，更加客观的反映事物变化发展规律。分解后，序列可建立回归模型，提高预测精度。

根据我们前面得到的时间序列图观察的规律，判断是否需进行季节性分解，显然是需要的。

另外注意随着时间推移，序列季节波动越来越大，用乘法模型更精确，否则用加法模型。

具体的操作可以看下面的图

完成后就到了下面图中的状态

会新生成四个变量，ERR，误差序列，时间序列移除季节因素、长期趋势、和循环变动后留下的序列，是原始序列中不规则变动构成序列；SAS，季节因素校正后序列，是移除原始序列中的季节因素后的校正序列；SAF，季节因子，是从序列中分解出的季节因素。变量值据季节周期变动重复；STC，长期趋势和循环变动趋势，这是原始序列中长期趋势和循环变动构成的序列。

结果如下：

这是我们进行季节分解后的数据

为了用图形更直观的展示结果，我们可以通过绘制序列图方法把原始和除去季节因子的序列（误差序列、季节因素校正后序列、长期无视和循环变动序列）进行比较。具体操作如下：

得到结果：

我们的图形化结果：

分析：
蓝色线：原始序列
紫色线：长期趋势和循环变动序列
浅棕色：季节因素校正后序列
绿色线：误差序列（不规则变动）

可见误差序列数值非常小，所以长期趋势和循环变动序列与季节因素校正后序列能够基本重合，在这之后再单独做”季节因子SAF“的序列图。注意，做‘季节因子’的序列图时，只有一个变量‘季节因子SAF’
操作如下：

得到我们得结果：

我们的图形结果：

可见此时序列比较规律，平稳性较好，时间序列分析完成后平稳化建立模型，根据SAF_1图形规律选择建模方法，如图73-79平稳性主要指序列所有统计性质不会随时间推移变化，平稳的时间序列具备以下特征。均数和方差不随时间变化，自相关系数只与时间间隔有关，与所处时间无关。其中，自相关系数是研究序列中不同时期的相关系数，也就是对时间序列计算其当前和不同滞后期的一系列相关系数。平稳方法，差分，即序列中相邻的两期数据之差。一次差分=Yt-Yt-1，二次差分=(Yt-Yt-1)-(Yt-1-Yt-2)。在spss中平稳化操作过程可用专家建模法自动处理，我们只需要根据模型结果分析出序列经过几阶差分即可。

那么下一步就是构建我们的模型了！！！

选择专家建模器

导出模型文件

勾选”预测值“，可用以生成预测值，保存模型

得到结果

模型描述中为‘简单’，所以只用了一阶差分，R方7%，拟合效果较好。杨-博克斯Q（18）统计量显著性P=0.735，大于0.05（P>0.05期望得到结果），所以接受原假设，认为这个序列残差符合随机分布，没有离群值出现，反映出数据拟合效果可以接受。

下面是我们的拟合图，建立的模型时间序列曲线
附加
我们的得到的时间序列预测模型文件（XML）长这样

OK，到这里，我们可以用得到的模型去预测了~~

spss入门——简单的数据预处理到时间序列分析系列（六）相关推荐

spss入门——简单的数据预处理到时间序列分析系列（四）
简单的数据预处理到时间序列分析 spss数据预处理到时间序列分析 (四)曲线拟合在数据插补之前一定要找找数据的变化趋势,通常数据拟合就是一个较好的方案. 散点进行曲线拟合的方法根据前面所画散点图, ...
spss入门——简单的数据预处理到时间序列分析系列（二）
简单的数据预处理到时间序列分析 spss数据预处理到时间序列分析 (二)时间变量生成及绘制散点图时隔这么久终于又和大家见面了(￣▽￣)~*,咱们继续我们的内容在完成数据导入后,就可以开始下一步的准 ...
spss入门——简单的数据预处理到时间序列分析系列（七）
spss数据预处理到时间序列分析 (七)预测呼~,终于到了我们的这个系列的结尾了,预测2016的数据!! 应用所建立的模型分析预测2016的数据(原因:数据为编撰的,只到2015年) 操作完以后到了 ...
arima 数据预处理_时间序列分析|ARIMA模型分步骤解析及R中实践
你是否想要做时间序列分析,但却不知道代码怎么写? 你是否不清楚时间序列分析各种模型该在什么情况下使用? 本文将针对以上两个问题,带你入门时间序列分析~ 等等! 不止'入门' 读完这篇,你立即就能在R中 ...
Python数据分析入门笔记4——数据预处理之重复值
系列文章目录 Python数据分析入门笔记1--学习前的准备 Python数据分析入门笔记2--pandas数据读取 Python数据分析入门笔记3--数据预处理之缺失值 Python数据分析入门笔记 ...
Python数据分析入门笔记5——数据预处理之异常值
系列文章目录 Python数据分析入门笔记1--学习前的准备 Python数据分析入门笔记2--pandas数据读取 Python数据分析入门笔记3--数据预处理之缺失值 Python数据分析入门笔记 ...
Python数据分析入门笔记9——数据预处理案例综合练习（男篮女篮运动员）
系列文章目录 Python数据分析入门笔记1--学习前的准备 Python数据分析入门笔记2--pandas数据读取 Python数据分析入门笔记3--数据预处理之缺失值 Python数据分析入门笔记 ...
数据可视化 | Tableau从入门到高手入门联接关系数据预处理
Tableau 人人可用.处处可用的分析 Tableau 是一个可视化分析平台,它改变了我们使用数据解决问题的方式,使个人和组织能够充分利用自己的数据.利用 Tableau 查看并理解任何数据. Ta ...
【自动驾驶模拟器AirSim快速入门 | 02】数据预处理：数据挖掘与准备
这是机器未来的第16篇文章原文首发地址:https://blog.csdn.net/RobotFutures/article/details/125321082 开源项目: 项目地址:https:/ ...
你以为的SPSS只是简单的数据分析软件吗？
如果你以为,SPSS只是一个表格界面.添加数据然后进行算法的分析软件.那你基本已经忽略了它其他的才华.Spss的功能不仅限于分析计算,它还有商业智能.预测分析.财务绩效与战略管理的能力.不但能提供对当 ...

spss入门——简单的数据预处理到时间序列分析系列（六）

spss数据预处理到时间序列分析

（六）季节分解

spss入门——简单的数据预处理到时间序列分析系列（六）相关推荐

最新文章

热门文章