目录
定义日期标示变量
【数据】【定义日期和时间】
由于数据起始是2004年1月,选择【年,月】项,右侧输入对应年月,【确定】会出现三个变量
了解序列发展趋势
【分析】【时间序列预测】【序列图】
将“销售数据移至”【变量】,‘DATE_’变量移至【时间轴标签】【确定】
通过序列图,发现时间序列趋势:
- 如果随着时间的推移,序列的季节波动变得越来越大,建议使用乘法模型
- 如果季节波动基本能维持恒定,加法模型
季节因素分解
【分析】【时间序列预测】【季节性分解】
‘销售数据’移至右侧【变量框中】,根据上述图选择【乘性】【确定】生成四个新增变量
- 误差序列(前缀-ERR):从时间序列中移除季节变动,长期趋势和循环变动因素之后留下的序列
- 季节因素校正后序列(前缀-SAS):移除原始序列季节因素之后的校正序列
- 季节因子(SAF):从序列中分解出来的姐姐因素,其中变量值根据季节周期的变动进行重复
- 长期趋势和循环趋势变动序列(STC):原始序列中的长期趋势和循环因素构成的序列
时间序列预测操作
【分析】【时间序列预测】【创建传统模型】
‘销售数据’移至【因变量】,确认中间【方法】选择【专家建模器】【条件】勾选【专家建模器考虑季节性模型】【继续】
保存 xml 文件,spss 就开始使用专家建模方法进行时间序列预测分析了
预测
【分析】【时间序列预测】【应用传统模型】打开刚刚 xml 文件,输入结束时间,保存,勾选【预测值】