spss时间序列分析案例

《spss时间序列分析案例》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、用SPSS软件做时间序列分析，有某公司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：1.画出序列趋势图2.绘制出自相关图和偏自相关图3.确定参数和模型4.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aBox-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.

2、14919.2397.0078.458.14629.0938.0009.041.14329.1769.00110.016.14029.18910.00111.012.13729.19711.00212.236.13432.30812.00113-.092.13132.80613.00214-.094.12833.34514.00315-.079.12533.74515.00416.106.12134.51016.005a.假定的基础过程是独立性（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.

3、503.1715-.279.1716-.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-BoxQ(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

4、139621.02万元2010年第四季度170144.55万元剔除季节成分后，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aBox-Ljung统计量值dfSig.b1.728.16419.6331.0002.450.16227.3832.0003.310.15931.1693.0004.207.15732.9114.0005.219.15434.9415.0006.241.15137.4846.0007.243.14

5、940.1687.0008.226.14642.5718.0009.183.14344.2139.00010.162.14045.55110.00011.093.13746.01211.00012.006.13446.01512.00013-.047.13146.14513.00014-.021.12846.17214.00015-.022.12546.20415.00016-.036.12146.29416.000a.假定的基础过程是独立性（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

6、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-BoxQ(18)离群值数平稳的R方统计量DFSig.SEASON、MOD_

7、6、MUL、EQU、4中税后利润的季节性调整序列-模型_10-2.591E-168.51718.9700给出预测值2010年第三季度127487.38347万元2010年第四季度140349.91149万元