SPSS時間序列：擬合優度測量

SPSS時間序列：擬合優度測量

一、擬合優度測量

1、固定的R方.將模型的平穩部分與簡單均值模型相比較的測量。當具有趨勢或季節性模式時，該度量適用于普通R方。固定的R方可以是負無窮大到1范圍中的負值。負值表示考慮中的模型比基線模型差。正值表示考慮中的模型比基線模型好。

2、R方.總變動在由模型解釋的序列中的比例估計。當序列很平穩時，此度量最有用。R方可以是負無窮大到1范圍中的負值。負值表示考慮中的模型比基線模型差。正值表示考慮中的模型比基線模型好。

3、RMSE.均方根誤差。均方誤差的平方根。度量因變量序列與其模型預測水平的相差程度，用和因變量序列相同的單位表示。

4、MAPE.平均絕對誤差百分比。度量因變量序列與其模型預測水平的相差程度。它與使用的單位無關，因此可用于比較具有不同單位的序列。

5、MAE.平均絕對誤差。度量序列與其模型預測水平的差別程度。MAE以原始序列單位報告。

6、MaxAPE.最大絕對誤差百分比。最大的預測誤差，以百分比表示。該度量對于想象預測的最壞情況方案很有用。

7、MaxAE.最大絕對誤差。最大的預測誤差，以和因變量序列相同的單位表示。與MaxAPE相同，它對于想象預測的最壞情況方案很有用。最大絕對誤差和最大絕對誤差百分比可能發生在不同的序列點上，例如，當較大序列的絕對誤差比較小值的絕對誤差稍微大一些時。在此情況下，最大絕對誤差將發生在較大序列值處，而最大絕對誤差百分比將發生在較小序列值處。

8、標準化的BIC.標準化的BIC（BIC準則）。嘗試代表模型復雜性的模型整體擬合的一般度量。它是基于均方誤差的分數，包括模型中參數數量的罰分和序列長度。罰分去除了具有更多參數的模型優勢，從而可以容易地比較相同序列的不同模型的統計量。

二、離群值類型

1、可加的.影響單個觀察值的離群值。例如，可能將數據編碼錯誤標識為可加離群值。

2、移位水平.從某個特定的序列點開始將所有觀察值移動一個常數的離群值。移位水平可能由于策略的更改而造成的。

3、創新的.在某個特定的序列點附加到噪聲項的離群值。對于平穩的序列，創新離群值將影響多個觀察值。對于不平穩的序列，它可能影響在某個特定的序列點開始的每個觀察值。

4、瞬時的.其影響按指數衰減到0的離群值。

5、季節性可加的.一個離群值，它影響特定觀察值以及通過一個或多個季節性期間與之分隔的所有后續觀察值。該離群值對所有這些觀察值具有同等的影響。如果從某年開始，每個一月的銷售額都增加，則可能發生季節性可加離群值。

6、局部趨勢.從某個特定的序列點開始局部趨勢的離群值。