logo资料库

SPSS预测的教程举例.doc

发布时间：2022-06-18 发布人：admin 分类：说明书 资料大小：1.17M 资料格式：doc 举报 版权申诉
第1页 / 共19页
第2页 / 共19页
第3页 / 共19页
第4页 / 共19页
第5页 / 共19页
第6页 / 共19页
第7页 / 共19页
第8页 / 共19页
资料共19页，剩余部分请下载后查看
    时间序列预测技术之三——含自变量的ARIMA模型预测
    这里我用 PASW Statistics 18 软件，大家可能觉得没见过这个软件，其实就是 SPSS18.0， 不过现在 SPSS 已经把产品名称改称为 PASW 了！ 我们通过案例来说明：（本案例并不想细致解释预测模型的预测的假设检验问题，1-太复杂、 2-相信软件） 假设我们拿到一个时间序列数据集：某男装生产线销售额。一个产品分类销售公司会根据过 去 10 年的销售数据来预测其男装生产线的月销售情况。 现在我们得到了 10 年 120 个历史销售数据，理论上讲，历史数据越多预测越稳定，一般也 要 24 个历史数据才行！ 大家看到，原则上讲数据中没有时间变量，实际上也不需要时间变量，但你必须知道时间的 起点和时间间隔。 当我们现在预测方法创建模型时，记住：一定要先定义数据的时间序列和标记！
    这时候你要决定你的时间序列数据的开始时间，时间间隔，周期！在我们这个案例中，你要 决定季度是否是你考虑周期性或季节性的影响因素，软件能够侦测到你的数据的季节性变化 因子。
    定义了时间序列的时间标记后，数据集自动生成四个新的变量：YEAR、QUARTER、MONTH 和 DATE（时间标签）。 接下来：为了帮我们找到适当的模型，最好先绘制时间序列。时间序列的可视化检查通常可 以很好地指导并帮助我们进行选择。另外，我们需要弄清以下几点： • 此序列是否存在整体趋势？如果是，趋势是显示持续存在还是显示将随时间而消逝？ • 此序列是否显示季节变化？如果是，那么这种季节的波动是随时间而加剧还是持续稳定 存在？ 这时候我们就可以看到时间序列图了！ 我们看到：此序列显示整体上升趋势，即序列值随时间而增加。上升趋势似乎将持续，即为 线性趋势。此序列还有一个明显的季节特征，即年度高点在十二月。季节变化显示随上升序 列而增长的趋势，表明是乘法季节模型而不是加法季节模型。
    此时，我们对时间序列的特征有了大致的了解，便可以开始尝试构建预测模型。时间序列预 测模型的建立是一个不断尝试和选择的过程。 PASW Statistics 提供了三大类预测方法：1-专家建模器，2-指数平滑法，3-ARIMA 指数平滑法  指数平滑法有助于预测存在趋势和/或季节的序列，此处数据同时体现上述两种特征。创建 最适当的指数平滑模型包括确定模型类型（此模型是否需要包含趋势和/或季节），然后获 取最适合选定模型的参数。
    1-简单模型预测（即无趋势也无季节） 首先我们采用最为简单的建模方法，就是简单模型，这里我们不断尝试的目的是让大家熟悉 各种预测模型，了解模型在什么时候不适合数据，这是成功构建模型的基本技巧。我们先不 讨论模型的检验，只是直观的看一下预测模型的拟合情况，最后我们确定了预测模型后我们 再讨论检验和预测值。
    从图中我们看到，虽然简单模型确实显示了渐进的上升趋势，但并不是我们期望的结果，既 没有考虑季节性变化，也没有周期性呈现，直观的讲基本上与线性预测没有差异。所以我们 拒绝此模型。 2-Holt 线性趋势预测 Holt 线性指数平滑法，一般选择：针对等级的平滑系数 lapha=0.1,针对趋势的平滑系数 gamma=0.2；
    从上面的拟合情况看，Holt 预测模型更平滑了，也就是说 Holt 模型比简单模型显现了更强 的平滑趋势，但未考虑季节因素，还是不理想，所以还应放弃此模型。 3-简单季节性模型 当我们考虑了季节性变化后，简单季节性预测模型基本上较好的拟合了数据的大趋势，也就 是考虑了趋势和季节。 4-Winters 相乘法预测模型
    我们再次选择 Winters 预测模型，实际上这时候非统计专业人士其实已经可以不用考虑 Winters 模型的原理了，因为对于大部分经营分析人员，如果期望把每一个预测方式的细节 都搞清楚，并不容易，也容易陷入数量层面的纠葛中，我们只要相信软件算法就可以了。 此时，在数据集的时间跨度为 10 年，并且包含 10 个季节峰值（出现在每年十二月份）中， 简单季节模型和 Winters 模型都扑捉到了这 10 个峰值与实际数据中的 10 个年度峰值完全匹 配的预测结果。此时，我们基本上可以得到了一个比较满意的预测结果。 此时也说明，无论采用指数平滑的什么模型，只要考虑了季节因素，都可以得到较好结果， 不同的季节性指数平滑方法只是细微差异了。 但是，我们仔细看预测值和拟合值，还是有一些上升和下降的趋势和结构没有扑捉到。预测 还有改进的需求！ 5-ARIMA 预测模型 ARIMA 模型是自回归 AR 和移动平均 MA 加上差分考虑，但 ARIMA 模型就比较复杂了，对大部 分经营分析人员来讲，要搞清楚原理和方程公式，太困难了！期望搞清楚的人必须学过随机 过程，什么平稳过程、白噪声等，大部分人头都大了，现在有了软件就不问为什么了，只要 知道什么数据 In，什么结果 Out，就可以了。
    分享到：
    赞 收藏

    相关推荐

    资料库

    信息化

    共收录1827份资料，累计6个分类，关注成员有19位，主要包括：管理软件,企业管理,电子商务,其它,IT管理,项目管理

    热门标签

    管理软件 企业管理 电子商务 其它 IT管理 项目管理

    最新资料