熱線電話:13121318867

登錄
首頁大數據時代用SPSS建立ARIMA預測模型實例詳細教程
用SPSS建立ARIMA預測模型實例詳細教程
2016-12-10
收藏

用SPSS建立ARIMA預測模型實例詳細教程

ARIMA模型是隨機性時間序列分析中的一大類分析方法的綜合,可以進行精度較高的短期預測,這里通過實例詳細介紹使用SPSS建立ARIMA模型的過程和結果解析。

SPSS任意版本,這里使用SPSS 22版

方法步驟:

首先搜集好需要建立ARIMA模型的數據,這里選擇上證指數1998年1月到2011年12的周度數據,數據如下:

  1. 進行ARIMA模型之前,要先觀察數據是否有季節成分,所以先做序列圖進行觀察。繪制序列圖方法如下,依次點擊“分析”,“預測”,“序列圖”,彈出序列圖窗口。


  2. 3、在序列圖窗口中,“變量”欄選擇“收盤”變量,“時間軸標簽”中選擇“日期”變量,然后確定,就得到數據的序列圖。

  3. 4、從圖中可以看出,序列沒有明顯的季節成分,但存在一個明顯的變化,因此沒有必要做季節分解。

  4. 5、此外,ARIMA模型要求序列是平穩序列,因此要對數據進行平穩性分析。下面做股票序列的自相關圖和偏自相關圖進行分析序列的平穩性。
  5. 6、在SPSS主窗口,依次點擊“分析”,“預測”,“自相關”,彈出自相關設置窗口。

  6. 7、在自相關設置窗口中,將“收盤”序列選入“變量”框,然后“輸出”項勾選“自相關”和“偏自相關”,然后確定,就得到自相關圖和偏自相關圖。

  7. 8、從圖中可以看出,序列的自相關圖(ACF)和偏自相關圖(PACF)都是拖尾的,說明序列是非平穩的。股票數據序列通常不是平穩序列,但一般一屆差分都是平穩的,因此可以通過差分做進一步分析。


    9、繪制股票序列差分序列圖,觀察其平穩性。在第3步的序列窗口中,勾選“差分”選項,即繪制差分序列的序列圖,這里使用1階差分。

  8. 10、由圖可以知道,差分序列基本均勻分布在0刻度線上下兩側,因此可以認為差分序列是平穩的。

  9. 11、然后再看差分序列的ACF和PACF圖,步驟如下,依次點擊“分析”,“預測”,“自相關”,在彈出的自相關窗口中選擇“差分”,然后確定,就能得到差分序列的ACF和PACF圖。

  10. 12、由圖可知,差分序列的ACF和PACF都是拖尾的,因此,可對原始序列(是原始序列?。┙RIMA(p,1,q)模型。

  11. 13、經過反復試驗,確定模型為ARIMA(1,1,1),模型運行如下:依次點擊“分析”,“預測”,“創建模型”,彈出時間序列建模器。

  12. 14、在彈出的窗口,點擊確定。

  13.  在“變量”選項中,“因變量”選擇“收盤”,“自變量”選擇“日期”,方法選擇ARIMA,然后點擊“條件”,設置ARIMA的條件。

  14.  將模型的p,d,q都設置成1,1,1,然后繼續。

  15.  在“Statistics”中,按照圖上所示,“擬合變量”選擇“平穩的R方”,“R方”,“比較模擬”中選擇“擬合優度”,“個別模型統計中”選擇“參數估計”。

  16.  在“圖”選項中,選擇“序列”,“殘差自相關函數”,“殘差部分自相關函數”等選項,如下圖所示。

  17.  在“保存”選項中,全部勾選。(這一步可以不要)

  18.  所有設置完成后,點擊確定,模型結果就出來了。R的平方達到0.961,擬合程度很好,AR,MA的系數分別是0.787和0.664,顯著性水平都小于0.01,因此系數都顯著不為0.

  19.  再看殘差的ACF和PACF圖,可以看到都是平穩的,因此ARIMA(1,1,1)是合理的。

  20.  因此,ARIMA模型結果為:

  21.  最后進行擬合預測,可以看到擬合效果很好。

推薦學習書籍

《CDA一級教材》適合CDA一級考生備考,也適合業務及數據分析崗位的從業者提升自我。完整電子版已上線CDA網校,累計已有10萬+在讀~

免費加入閱讀:https://edu.cda.cn/goods/show/3151?targetId=5147&preview=0

數據分析咨詢請掃描二維碼

若不方便掃碼,搜微信號:CDAshujufenxi

數據分析師資訊
更多

OK
客服在線
立即咨詢
日韩人妻系列无码专区视频,先锋高清无码,无码免费视欧非,国精产品一区一区三区无码
客服在線
立即咨詢