本文介绍了SPSS中的频谱分析用于识别时间序列中的周期行为，强调了平稳序列的重要性。内容包括：1）频谱分析的统计量，如正弦变换、周期图值和谱密度估计；2）平滑周期图的各种选项，如Tukey-Hamming、Parzen等；3）解释了不同图示，如周期图、平方一致性、相位谱等；4）强调了数据应为数值型且无内嵌缺失值。通过频谱分析，可以揭示隐藏在时间序列中的周期性和趋势。
一、频谱分析（分析-预测-频谱分析）
“频谱图”过程用于标识时间序列中的周期行为。它不需要分析一个时间点与下一个时间点之间的变异，只要按不同频率的周期性成分分析整体序列的变异。平滑序列在低频率具有更强的周期性成分；而随机变异（“白噪声”）将成分强度分布到所有频率。不能使用该过程分析包含缺失数据的序列。
1、示例。建造新住房的比率是一个国家/地区经济的重要晴雨表。有关住房的数据开始时通常会表现出一个较强的季节性成分。但在估计当前数字时，分析人员需要注意数据中是否呈现了较长的周期。
2、统计量。正弦和余弦变换、周期图值和每个频率或周期成分的谱密度估计。在选择双变量分析时：交叉周期图的实部和虚部、余谱密度、正交谱、增益、平方一致和每个频率或周期成分的相位谱。
3、图。对于单变量和双变量分析：周期图和频谱密度。对于双变量分析：平方一致性、正交谱、交叉振幅、余谱密度、相位谱和增益。
4、数据。变量应为数值型。
5、假设。变量不应包含任何内嵌的缺失数据。要分析的时间序列应该是平稳的，任
最低0.47元/天 解锁文章
扫一扫
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
