实验·6 时间序列分析的spss应用

图6-10 “周期：保存…”对话框

３．主要运行结果及分析

图6-11 模型描述截图

图6-11为模型的描述表，显示了模型的名称、类型、季节性期间的长度和移动平均数的计算方法等信息。

图6-12 季节性因素表（截图）

图6-12是季节性因素表，由于受季节性的影响，各月份的彩电出口量有

9

很大不同，可看出9，10，11，12月份的季节指数大于1，说明彩电出口在这些月份是旺季，其余月份的季节指数小于1，是淡季，其中2月份的出口情况最差，12月份的彩电出口情况最好。

图6-13 出口量季节变动、循环变动、长期趋势和不规则变动指数计算结果（截图）

图6-13是数据文件中显示的数据视图。从图6-13中可以看出，数据文件中增加了4个序列：ERR_1表示“出口量”序列进行季节性分解后的不规则变动序列；SAS_1表示“出口量”序列进行季节性分解除去季节性因素后的序列；SAF_1表示“出口量”序列进行季节性分解产生的季节性因素序列；STC_1表示“出口量”序列进行季节性分解出来的序列趋势和循环成分。用数据文件中新增的这4个序列做时序图，按照前面的操作步骤，系统运行结果如下图6-14所示，这些新序列也可以在不同的图上显示。

10

图6-14 季节性分解后的时序图

6.5.5用指数平滑法预测2014和2015年的彩电出口数量

１．选择“分析-预测-创建模型”，打开“时间序列建模器”对话框，并按照图6-15进行设置。首先对“变量”选项卡进行设置，把“出口量”移到右侧的“因变量”栏，“方法”选择指数平滑法。

11

图6-15 时间序列建模器对话框

单击“条件?”按钮，打开“时间序列建模器：指数平滑条件”对话框，本案例中选择“Winters可加性”，这种模型适用于具有线性趋势和不依赖于序列水平的季节性效应序列，如下图6-16所示。（在图6-16所示的对话框中，依次选择“简单季节性”、“Winters可加性”、“Winters相乘性”，分别建立不同的季节性指数平滑模型。通过比较发现，“Winters可加性”的拟合最好，“平稳的R方”达到了0.499。因此，选用“Winters可加性”趋势模型进行预测。）

12