一个时间序列往往是以上四类变化形式的叠加:有时这些变动会同时出现在一个时间序列里面,有时也可能只出现一种或几种,这是由引起各种变动的影响因素决定的
四种变动与指标数值最终变动的关系可能是叠加关系,也可能是乘积关系
Y= T + S + C + I
Y= T × S × C × I
举例判断适用的模型:
Spss处理时间序列中的缺失值
Spss替换缺失值
Spss实际运用:Spss的专家建模如果选择了Simple模型用来估计,那么软件会自动选取一个适合的平滑系数使得预测误差最小。
(以下仅是思考过程,非写于论文中)
(4)Spss时间序列建模器
(6)白噪声进行残差检验(看模型估计的效果如何)
(7)预测的结果和效果图
【Spss答题】
(5)残差的白噪声检验
(7)实际人口不会一直趋于一个上升的状态,故可见该模型结果并不符合,由此我们考虑添加其他的特殊参数限制,用于控制模型的预测效果。
(3)分析
(4)剔除异常值后重新建模:剔除异常值后,R方小幅增加,平稳的R方明显增加,且残差也是白噪声了。
异常值共有15个;P值为0.21>0.05(说明现在残差是白噪声了)
预测的等式:
(6)本题是将波动较大的数据看成了异常值,事实上有更加复杂的模型可以捕捉到这些异常值(更适合股票类的预测模型),例如GARCH模型(广义的自回归条件异方差模型)→自行了解