本文介绍了使用SPSS Modeler进行时间序列预测，重点讨论了指数平滑和ARIMA模型。指数平滑是一种基于观察值加权预测的方法，而ARIMA是自回归移动平均模型，用于通过历史数据预测未来值。专家模式则自动选择最佳模型。自相关函数和部分自相关函数用于衡量序列值之间的关联，帮助优化预测。
SPSS clementine，就是现在的SPSS modeler，好吧，学校还在用这个老古董。目测现在介绍这方面的资料不多，正好在学习，就记录下来。
时间序列模型可做预测，顾名思义预测未来某个变量在某一个时间的值。时间序列预测的变量的特征有：周期性、季节性、非季节性、趋势。
时间序列建模的算法：专家模式、ARIMA、指数平滑。
指数平滑
通过观察的加权值来预测未来值。该算法不是以对数据的理解为基础的。
ARIMA
自回归移动平均模型(ARIMA)，是由博克思(Box)和詹金斯(Jenkins)于70年代初提出的一著名时间序列预测方法，基本思想是：将预测对象随时间推移而形成的数据序列视为一个随机序列，用一定的数学模型来近似描述这个序列。这个模型一旦被识别后就可以从时间序列的过去值及现在值来预测未来值。有助于解析要预测序列的行为。
专家模式
自动识别使用
最低0.47元/天 解锁文章
扫一扫
1252
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
