SPSS時間序列：頻譜分析

一、頻譜分析（分析-預測-頻譜分析）

   “頻譜圖”過程用于標識時間序列中的周期行為。它不需要分析一個時間點與下一個時間點之間的變異，只要按不同頻率的周期性成分分析整體序列的變異。平滑序列在低頻率具有更強的周期性成分；而隨機變異（“白噪聲”）將成分強度分布到所有頻率。不能使用該過程分析包含缺失數據的序列。

1、示例。建造新住房的比率是一個國家/地區經濟的重要晴雨表。有關住房的數據開始時通常會表現出一個較強的季節性成分。但在估計當前數字時，分析人員需要注意數據中是否呈現了較長的周期。

2、統計量。正弦和余弦變換、周期圖值和每個頻率或周期成分的譜密度估計。在選擇雙變量分析時：交叉周期圖的實部和虛部、余譜密度、正交譜、增益、平方一致和每個頻率或周期成分的相位譜。

3、圖。對于單變量和雙變量分析：周期圖和頻譜密度。對于雙變量分析：平方一致性、正交譜、交叉振幅、余譜密度、相位譜和增益。

4、數據。變量應為數值型。

5、假設。變量不應包含任何內嵌的缺失數據。要分析的時間序列應該是平穩的，任何

非零均值應該從序列中刪除。

平穩.要用ARIMA模型進行擬合的時間序列所必須滿足的條件。純的MA序列是平穩

的，但AR和ARMA序列可能不是。平穩序列的均值和方差不隨時間改變。

二、頻譜圖（分析-預測-頻譜分析）

1、選擇其中一個“頻譜窗口”選項來選擇如何平滑周期圖，以便獲得譜密度估計值?？捎玫钠交x項有“Tukey-Hamming”、“Tukey”、“Parzen”、“Bartlett”、“Daniell（單元）”和“無”。

1.1、Tukey-Hamming.權重為Wk = .54Dp(2 pi fk) + .23Dp (2 pi fk + pi/p) + .23Dp (2pi fk - pi/p)，k = 0, ..., p，其中p是一半跨度的整數部分，Dp是階數p的Dirichlet內核。

1.2、Tukey.權重為Wk = 0.5Dp(2 pi fk) + 0.25Dp (2 pi fk + pi/p) + 0.25Dp(2 pi fk -pi/p)，k = 0, ..., p，其中p是一半跨度的整數部分，Dp是階數p的Dirichlet內核。

1.3、Parzen.權重為Wk = 1/p(2 + cos(2 pi fk)) (F[p/2] (2 pi fk))**2，k= 0, ... p，其中p是一半跨度的整數部分，而F[p/2]是階數p/2的Fejer內核。

1.4、Bartlett.譜窗口的形狀，窗口上半部分的權重按如下公式計算：Wk = Fp(2*pi*fk)，k = 0, ... p，其中p是半跨度的整數部分，Fp是階數p的Fejer內核。下半部分與上半部分對稱。

1.5、Daniell（單元）.所有權重均等于1的頻譜窗口形狀。

1.6、無.無平滑。如果選擇了此選項，則頻譜密度估計與周期圖相同。

2、跨度.一個連續值范圍，在該范圍上將執行平滑。通常使用奇數。較大的跨度對譜密度圖進行的平滑比較小的跨度程度大。

3、變量中心化.調整序列以使在計算譜之前其均值為0，并且移去可能與序列均值關聯的較大項。

4、圖。周期圖和譜密度對單變量分析和雙變量分析均可用。其他所有選項僅對雙變量分析可用。

4.1、周期圖.針對頻率或周期繪制的未平滑譜振幅圖（繪制在對數刻度中）。低頻率變動是平滑序列的特征。均勻地分布在所有頻率上的變動則表示“白噪音”。

4.2、平方一致性.兩個序列的增益的乘積。

4.3、正交譜.交叉周期圖的虛部，是兩個時間序列的異相頻率成分的相關性的測量。成分的異相為pi/2弧度。

4.4、交叉振幅.余譜密度平方和正交譜平方之和的平方根。

4.5、譜密度.已進行平滑而移去了不規則變動的周期圖。

4.6、余譜密度.交叉周期圖的實部，是兩個時間序列的同相頻率分量的相關性的測量。

4.7、相位譜.一個序列的每個頻率成分提前或延遲另一個序列的程度的測量。