一、时间序列分析

时间序列分析大致可以分成三大部分，分别是描述过去、分析规律和预测未来。

1.具体步骤：

做时间序列图
判断时间序列包含的变动成分
时间序列分解（有周期性且包含长期趋势、季节变动或循环变动）
建立时间序列分析模型
预测未来的指标数值

二、基本知识

1.时间序列数据

时间序列数据：对同一对象在不同时间连续观察所取得的数据。

例如：中国历年来的GDP数据，某一地方一天的温度数据…

2.时间序列的基本概念

时间序列也称为动态序列，是指某个现象的指标数值按照时间顺序排列而成的数值序列。
时间序列由两个组成要素构成：
1.第一要素是时间要素；年、季度、月、周、日、小时、分、秒…
2.第二要素是数值要素；
时间序列根据时间和数值性质的不同，可以分为时期时间序列和时点时间序列：
1.时期序列中，数值要素反映现象在一定时期内发展的结果；时期序列数值要素可以相加，且有意义，例如中国历年以来的的GDP…
2.时点序列中，数值要素反映现象在一定时间点上的瞬间水平。时点序列数值要素不可以相加，无意义，例如某地点一天时间的温度数据…

3.时间序列分解

因为时间序列是某个指标数值的长期变化的数值表现，所以时间序列数值变化背后必然蕴含着数值变换的规律性，这些规律性就是时间序列分析的切入点。
一般情况下，时间序列的数值变化规律有四种：长期变动趋势、季节变动规律、周期变动规律和不规则变动（随机扰动项）。
一个时间序列往往是以上四类变化形式的叠加。

长期趋势：T
长期趋势指的是统计指标在相当长的一段时间内，受到长期趋势因素的影响，表现出持续上升或者持续下降的趋势；例如随着国家经济的发展，人均收入逐渐提升。
季节趋势：S
季节趋势是指由于季节的转变使得指标指数发生周期性变动。这里的季节是广义的，一般以月、季、周为时间单位，不能以年为单位；例如雪糕和棉衣的销量随着季节气温的变化而周期性变化
循环变动趋势：C
循环变动趋势与季节变动的周期不同，循环变动趋势通常以若干年为周期，在曲线图上表现为波浪式的周期变动。这种周期变动的特征表现为增加和减少交替出现，但是并不具严格规则的周期性连续波动。
不规则变动趋势：I
不规则变动是由于某些随机因素导致的数值变化，这些因素的作用是不可预知和没有规律的，可以视为由于众多偶然因素对时间序列造成的影响（在回归中又被称为扰动项）

4.叠加模型和乘积模型

（1）如果四种变动之间是相互独立的关系，那么叠加模型可以表示为：Y=T+S+C+IY=T+S+C+IY=T+S+C+I
（2）如果四种变动之间存在相互影响关系，那么应该使用乘积模型：Y=T∗S∗C∗IY=T*S*C*IY=T∗S∗C∗I
注意：
数据具有周期性才能使用时间序列分解。
建议：
在具体的时间序列图上，如果随着时间的推移，序列的季节波动变得很大，则反应各种变动之间的关系发生变化，建议使用乘积模型；反之，如果时间序列图的波动保持恒定，则可以直接使用叠加模型；当然，如果不存在季节波动，则两种分解均可以。

二、SPSS软件处理时间序列

1.建模的思路

处理数据的缺失值问题、生成时间变量并绘制出时间序列图；
数据是否为季度数据或者月份数据（至少两个完整的周期，即两年）。如果是的话，则要观察图形中是否存在季节性波动；
根据时间序列图大致判断是否为平稳序列（数据围绕着均值上下波动，无趋势和季节性）；
打开SPSS，分析 — 时间序列预测 — 创建传统模型，看看专家模拟器给出的最优的模型类型；利用SPSS带有的专家模拟器，其帮助用户选择合适的模型，并建立模型。
如果最后的结果是ARIMA(p,0,q)模型，那么可以绘制出时间序列的样本ACF个PACF图形进行分析；如果得到的是ARIMA(p,1,q)模型，可以先对数据进行一阶差分，再用ACF和PACF图形分析；如果得到的结果与季节性相关，可以考虑使用时间序列分解。

2.数据预处理：补充缺失值

缺失值发生在时间序列的开头或者尾部，可采用直接删除的方法；
缺失值发生在时间序列的中间位置，则不能删除。删除后原有的时间序列会错位，因此可以采用替换缺失值的方法。

导入数据 — 转换 — 替换缺失值 — 右移相关变量 — 输入名称，选择方法 — 确定

3.定义时间变量

导入数据 — 数据 — 定义日期和时间 — 选择适合的个案 — 输入第一个个案的信息 — 确定
重要！

4.时间序列图（时序图）

导入数据 — 分析 — 时间序列预测 — 序列图 — 右移变量（即纵坐标）— 右移时间轴标签（即横坐标）— 选择性勾选“每个变量对应一个图表” — 选择性填写”时间线” — 确定 — 双击结果图，进行美化 — 在变量视图中更改变量名称，从而使得时序图中标注的改变

5.季节性分解

导入数据 — 分析 — 时间按序列预测 — 季节性分解 — 右移相关变量 — 选择乘性/加性 — 勾选移动平均值权重（奇数用“所有点相等”，偶数用“端点按0.5加权”）—确定
结果解读：

ERR_1代表不规则变动I（残差或者误差值）；SAS_1代表季节性调整后系列（T+C+I）；SAF_1代表季节性调整因子（S）；STC_1代表趋势循环成分（T+C）。
加性：季节因子和为0，每个周期的数值代表比平均值高或低的数值；乘性：季节因子乘为1，每个周期的数值代表是平均数值的倍数。

6.SPSS时间序列建模器

分析 — 时间序列预测 — 创建传统模型 — 变量 — 右移因变量 — 条件 — 离群值 — 勾选自动检测离群值，勾选所有要检测的离群值类型（筛选异常值）— 统计 — 单个模型的统计 — 勾选参数估算值 — 图 — 勾选拟合值、残差相关系数和残差偏相关系数 — 保存 — 勾选预测值、置信区间的上限和下限 — 选项 — 勾选预测期结束后的第一个个案到指定日期之间的个案 — 输入想要预测到的日期

标注：

预测值和拟合值是不同的，预测值是将样本外年份的数据带入模型计算得到的，而拟合值是将样本年份的数据重新带入模型计算得到的。
这里保存的残差ACF和PACF图形可以辅助判断断残值是否为白噪声，即该时间序列是否能被模型识别完全。
一般比较两个模型的好坏，应当使用平稳的R2R^2R2，或者标准化BIC（BIC准则），这两个指标即考虑了拟合的好坏，又考虑了模型的复杂程度；
R2R^2R2可以用来反映线性模型拟合的好坏，越接近于1，拟合越准确。
正态化BIC的结果越小，模型越合适。
输出结果表格中，模型统计 — 杨·博克斯 — 显著性，这个数值大于0.05，则表示残差是白噪声，模型可以识别完全。
利用ACF图和PACF图，可在论文中增添一句话：从残差的ACF和PACF图形可以看出，所有滞后阶数的自相关系数和偏自相关系数均和0没有显著的差异。

浅尝辄止_数学建模（笔记_时间序列分析及其SPSS实现）相关推荐

python三次样条插值拟合的树行线_数学建模笔记——插值拟合模型(一)
啊好像距离上次写作又过了七天,啊好像我之前计划的一周两三篇,啊辣鸡小说毁我青春,啊我是一只可怜的鸽子. 不管怎样,我又回来了,并坚定地更新着hhh.再过两三天就是我们学校数学建模选拔,再过八九天就是期 ...
图书销量时间序列预测_数学建模_Prophet实现
图书销量时间序列预测_数学建模_Prophet实现前言主要参考代码库导入与函数设置导库展示函数取数据函数训练函数评估函数数据预处理数据集划分数据分布查看销售曲线查看销售预测 ...
数学建模笔记之一起读论文2019年C题——机场的出租车问题
数学建模笔记之一起读论文--机场的出租车问题 2021-8-28 全国大学生数学建模竞赛 2019年C题 B站链接--国赛C题真题解析 1 赛题阅读与分析原题再现: 问题C 机场的出租车问题大多数 ...
数学建模笔记——插值拟合模型（二）
今天是8月21日,距离上次写文章好像将近一个月了--这段时间经历了建模校内选拔赛,考试周,以及与网络小说的斗智斗勇--好吧,其实也没干什么,除了考试就是荒废-- 我最近有在思考一个问题,就是我所关注的 ...
如何用matlaab把csv转为mat文件_数学建模竞赛学习笔记：用TOPSIS模型进行综合评价
笔记整理来自清风老师的数学建模课程(可以在B站里搜索到,头条无法放站外链接,我就不放了):TOPSIS教程目录 1. 层次分析法的局限性(主观求权重方法) 2. TOPSIS法引入 2.1 一个指标 ...
为什么印度盛产码农_印度农产品价格的时间序列分析
为什么印度盛产码农 Agriculture is at the center of Indian economy and any major change in the sector leads to ...
灰色关联度分析_数学建模|关联分析之术|灰度预测模型预备知识
关联分析作者:PureFFFmennory 联系方式:ProdigyYanng@gmail.com 1. 目的现实客观事物的每个现象非常复杂,影响因素繁多.对某一个系统而言,需要对该系统进行因素分 ...
如何用python进行相关性分析_如何利用python进行时间序列分析
题记:毕业一年多天天coding,好久没写paper了.在这动荡的日子里,也希望写点东西让自己静一静.恰好前段时间用python做了一点时间序列方面的东西,有一丁点心得体会想和大家分享下.在此也要特别 ...
spss数据预处理步骤_数学建模准备必备的十个数据分析软件（数学建模从入门到精通）...
前几天咋们聊了很多关于数学建模的干货,比如怎么样去前期准备学习数学建模,又比如数学建模需要哪些疾病软件?再比如数学建模论文摘要写作技巧.昨天那篇更是直接把数学建模常用的思维导图.流程图软件全部统统介绍 ...

浅尝辄止_数学建模（笔记_时间序列分析及其SPSS实现）

文章目录