实验八 spss11中的时间序列分析new

实验八 spss11中的时间序列分析new

ID:18491432

大小:140.50 KB

页数:8页

时间:2018-09-18

实验八 spss11中的时间序列分析new_第1页
实验八 spss11中的时间序列分析new_第2页
实验八 spss11中的时间序列分析new_第3页
实验八 spss11中的时间序列分析new_第4页
实验八 spss11中的时间序列分析new_第5页
资源描述:

《实验八 spss11中的时间序列分析new》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库

1、SPSS实验八时间序列分析实验教案实验八spss11中的时间序列分析一、实验目的了解spss11中时间序列分析的简单方法二、实验原理介绍1.SPSS中时间序列分析简要介绍依时间顺序排列起来的一系列观测值称为时间序列,跟大部分的统计不同,这类资料的先后顺序是不能忽视的,更关键的是观测值之间不独立。因此,这类数据不能用普通的统计方法解决。时间序列分析(Timeseries)是专门用于分析这种时间序列资料的统计模型。它考虑的不是变量之间的因果关系,而是重点考察变量在时间方面的发展变化规律,并为之建立数学

2、模型。时间序列分析的方法可以分为两大类:Timedomain和Frequencydomain。前者将时间序列看成是过去一些点的函数,或者认为序列具有时间系统变化的趋势,它可以用不多的参数来加以描述,或者说可以通过差分、周期等还原成随机序列。后者则认为时间序列是由数个正弦波成分叠加而成,当序列的确来自一些周期函数集合时,该方法特别有用。不同的专业领域习惯用不同的方法:经济学习惯用Timedomain,而电力工程专家则对Frequencydomain更感兴趣。下面讲述的都是Timedomain由于时间

3、序列模型的复杂性,它在spss中横跨了数据整理、统计分析和绘图三大部分,具体来说是:²预处理模块:包括用于填充序列缺失值的Transform

4、replaceMissingValues过程,建立时间变量的Data

5、Definedates过程和将序列平稳化的Transform

6、CreateTimeSeries过程。²图形化观察/分析:时间序列在分析中高度依赖图形。Spss为其提供了特有的观察工具:序列图(SequenceChart)、自相关/偏自相关图(AutocorrelationFunction,

7、ACF&AutocorrelationFunction,PACF)、交叉相关图(CrosscorrelationFunction,CCF)、周期图(Periodogram)和谱密度图(SpectralChart)。后三者被统一放置在Graphs

8、TimeSeries菜单中。²分析模块:它们被统一放置在Analysis

9、TimeSeries菜单中,共包括指数平滑法(ExponentialSmoothing过程)、自回归线性模型(Autoregressivemodel)、ARIMA模型和季节解构(Se

10、asonalDecomposition)四种方法。2.时间序列的建立和平稳化在对数据拟合时间序列模型前需要进行一系列的准备工作,首先,如果数据存在缺失值的话就要进行填补;第二,SPSS是不会自动将数据文件识别为时间序列的,必须要加以定义;第三,原始的时间序列往往要经过初步的计算(平稳化)才能更好的用于进一步分析。8SPSS实验八时间序列分析实验教案2.1缺失值的填补-ReplaceMissingValues过程大多数时间序列模型都要求数据序列完整无缺,但这实际上非常难以做到。当序列中存在缺失值时,

11、显然不可能采用剔除的方法,因为这样会使得缺失值之后数据的周期发生错位。在这种情况下就应当使用ReplayMissingValues过程对缺失值采用适当的方法进行填充,并将结果存入一个新变量。例子:打开数据文件gnp.sav,删除变量gnp在第8、14条记录中的数值,然后选择适当的缺失值填充方法对其进行填充。缺失值填充方法有好几种,但各有使用范围,现在gnp序列的规律并不清楚,为保险起见,我们只利用缺失值附近的数据进行填充。方法:Transform

12、ReplaceMissingValues图1图1中

13、解释如下:NewVariable框:缺失值填充前后的变量对应列表Name框:存储填补序列的新变量名称Method下拉列表:可供选择的序列填充方法²Seriesmean:全体序列的均数,默认值²Meanofnearbypoints:相邻若干点的均数,在下方的Spanofnearbypoints单选框组中设置使用的相邻点数。²Medianofnearbypoints:相邻若干点的中位数,在下方的Spanofnearbypoints单选框中设置使用的相邻点数²Linearinterpolation:线性

14、内插,即缺失值相邻两点的均数,但如果缺失值是在序列的最前/最后,则无法被填充。²Lineartrendatpoint:该点的线性趋势,将记录号作为自变量,序列值作为因变量进行回归,求得该点的估计值。Spanofnearbypoints单选框组:设置相应填充方法中需要使用的相邻记录数。Change:将所做得设定应用于相应变量8SPSS实验八时间序列分析实验教案2.2时间变量的定义-Definedates过程时间序列数据的一个明显的特点就是记录依时间排列。在SPSS中需要定义时间变量。

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。