SPSS 时间序列

SPSS(十九)SPSS之时间序列模型（图文+数据集）_路易三十六的博客-CSDN博客_spss时间因果建模

前序：spss无法自动识别时间序列数据，所以必须要对时间序列数据进行处理。该模型的本质是通过变量自身的变化规律来进行推演

时间序列是系统中某一变量的观测值按时间顺序（时间间隔相同）排列成一个数值序列，展示研究对象在一定时期内的变动过程。通过处理预测目标本身的时间序列数据，获得事物随时间过程的演变特性与规律，进而预测事物的未来发展。时间序列分析就是从中寻找和分析事物的变化特征、发展趋势和规律，它是系统中某一变量受其它各种因素影响的总结果。时间序列数据区别于普通资料的本质特征是相邻观测值之间的依赖性，或称自相关性。

时间序列数据的预处理

也就是定义时间变量，数据，定义日期和时间，定义日期。然后在第一个个案是中定义数据开始的具体时间，第一个个案是就是选择定义时间变量的起始日期。

转换--创建时间序列--

时间序列预处理的主要方法：

对缺失数据的处理和对数据的变换处理。主要包括序列的 平稳化处理 和序列的 平滑处理等 。 SPSS 提供了 8 种平稳 处理的方法：差分、季节差分、中心移动平均、先前移动平均、运行中位数、累计求和、滞后、提前。

也可以考虑用spss modeler做