【数学建模】时间序列分析

文章目录

  • 1. 条件
  • 2. 模型分类
  • 3. SPSS处理时间序列

1. 条件

1.使用于具有时间、数值两种要素
2.数据具有周期性可以使用时间序列分解

2. 模型分类

  • 叠加模型【Y=T+S+C+I】
    序列的季节波动变化越来越大,反映变动之间的关系发生变化
  • 乘积序列【Y=TSC*I】
    时间序列波动保持恒定,可以使用叠加模型

3. SPSS处理时间序列

  1. 数据预处理——开头结尾有缺失值,直接删掉即可
  2. 定义时间变量:数据-定义日期和时间
  3. 画序列图:分析-时间序列预测-序列图
  4. 描述:【峰值、季节性\周期性、趋势】
  5. 若具有季节性\周期性,则对序列分解:分析-时间序列预测-季节性分解。
    【模型类型:乘、加】【移动平均值:所有点相等(T为奇)、端点按0.5加权(T为偶)】
  6. 表格中新添加的四列分别为:
    【ERR_1】不规则变动(残差或误差值),为I
    【SAS_1】季节性调整后系列,为T+C+I
    【SAF_1】季节性调整因子,为S
    【STC_1】趋势循环成分,为T+C

【叠加模型中季节因子加和为0】—> 平均销量水平为0
eg:
【数学建模】时间序列分析_第1张图片
得到这个图,便可以分析:第一二季度的季节因子为正,第三四季度的季节因子为负,说明该产品一二季度的平均销量要高于三四季度;第二季度的平均销量要高于全年平均水平20.930件,第四季度的平均销量要低于平均销量的19.727件。
【数学建模】时间序列分析_第2张图片

你可能感兴趣的:(数学建模,数学建模)