基础准备
学习积累的过程,是量变到质变的过程。草堂君在前面介绍了时间序列分析的多篇文章,这些文章的安排都是按照循序渐进学习时间序列分析的过程来安排的,大家可以点击下方的链接回顾:
上篇文章介绍了AR/MA/ARMA/ARIMA模型体系,这些模型适用于不同的时间序列情形,但是有一个共同点,它们分析时间序列的方式都是从时间序列数值本身的相关关系角度出发,力求建立起前期数据与当期数据之间的回归方程。在SPSS中,该模型体系都是综合在ARIMA模型菜单之下的,可以这样理解,ARIMA包含了AR、MA、ARMA和差分的成分,可以根据不同的时间序列情况,选择不同的模型。
ARIMA模型
ARIMA模型也称为差分自回归移动平均模型,从名字就可以看出,该模型包含了AR、MA、ARMA和差分的成分,能过用于分析更复杂的带有长期趋势的时间序列。
前面介绍过,差分功能用于解决时间序列包含长期趋势的非平稳情况,通过差分,可以将部分非平稳的时间序列转换成平稳时间序列一般线性长期趋势,用一阶差分;二次曲线的长期趋势,用二次差分,这里差