SPSS时间序列ARIMA、指数平滑法、模型检验分析汽车销量数据
原创SPSS时间序列ARIMA、指数平滑法、模型检验分析汽车销量数据
原创
全文链接：http://tecdat.cn/?p=30861
原文出处：拓端数据部落公众号
本文对汽车销量数据进行时间序列数据分析，我们向客户演示了用SPSS的ARIMA、指数平滑法可以提供的内容。
操作步骤：
- 先加日期
- 散点图
- 再去趋势化
- 再去季节性
- 再模拟模型ARIMA分析
- 得出结论
查看数据
时间序列散点图
图：sales 序列
从趋势图可以明显看出，时间序列的特点为：呈线性趋势、有季节性变动，但季节波动随着趋势增加而加大。
指数平滑法剔除趋势项
季节性分解
ARIMA模型拟合
模型描述 | |||
|---|---|---|---|
模型类型 | |||
模型 ID | 销量 | 模型_1 | ARIMA(1,0,0)(1,0,0) |
模型摘要
模型拟合 | |||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|
拟合统计量 | 均值 | SE | 最小值 | 最大值 | 百分位 | ||||||
5 | 10 | 25 | 50 | 75 | 90 | 95 | |||||
平稳的 R 方 | .440 | . | .440 | .440 | .440 | .440 | .440 | .440 | .440 | .440 | .440 |
R 方 | .496 | . | .496 | .496 | .496 | .496 | .496 | .496 | .496 | .496 | .496 |
RMSE | 20.957 | . | 20.957 | 20.957 | 20.957 | 20.957 | 20.957 | 20.957 | 20.957 | 20.957 | 20.957 |
MAPE | 8.783 | . | 8.783 | 8.783 | 8.783 | 8.783 | 8.783 | 8.783 | 8.783 | 8.783 | 8.783 |
MaxAPE | 45.945 | . | 45.945 | 45.945 | 45.945 | 45.945 | 45.945 | 45.945 | 45.945 | 45.945 | 45.945 |
MAE | 14.824 | . | 14.824 | 14.824 | 14.824 | 14.824 | 14.824 | 14.824 | 14.824 | 14.824 | 14.824 |
MaxAE | 57.941 | . | 57.941 | 57.941 | 57.941 | 57.941 | 57.941 | 57.941 | 57.941 | 57.941 | 57.941 |
正态化的 BIC | 6.292 | . | 6.292 | 6.292 | 6.292 | 6.292 | 6.292 | 6.292 | 6.292 | 6.292 | 6.292 |
模型统计量 | ||||||
|---|---|---|---|---|---|---|
模型 | 预测变量数 | 模型拟合统计量 | Ljung-Box Q(18) | 离群值数 | ||
平稳的 R 方 | 统计量 | DF | Sig. | |||
销量-模型_1 | 0 | .440 | 35.895 | 16 | .003 | 0 |
误差白噪声检验
· 模型拟合并相比较简单季节性和Winters模型没有太大的优势，结果可接受。Sig.列给出了 Ljung-Box 统计量的显著性值，该检验是对模型中残差错误的随机检验；表示指定的模型是否正确。显著性值大于0.05 表示残差误差是随机的，则意味着所观测的序列中使用该模型拟合较好。
· 平稳的R方：显示固定的R平方值。此统计量是序列中由模型解释的总变异所占比例的估计值。该值越高（最大值为 1.0），则模型拟合会越好。
· 检查模型残差的自相关函数 (ACF) 和偏自相关函数 (PACF) 的值比只查看拟合优度统计量能更多地从量化角度来了解模型。
原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。
如有侵权，请联系 cloudcommunity@tencent.com 删除。
原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。
如有侵权，请联系 cloudcommunity@tencent.com 删除。