SPSS时间序列分析案例资料

要求：

1. 画出序列趋势图

2. 绘制出自相关图和偏自相关图 3. 确定参数和模型 4. 给出预测值

观测值序列图

2 税后盈利

自相关图

序列:税后盈利 滞后

自相关

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16

.306 .198 .185 .2 .084 .067 .094 .458 .041 .016 .012 .236 -.092 -.094 -.079 .106 标准 误差

.1 .162 .159 .157 .1 .151 .149 .146 .143 .140 .137 .134 .131 .128 .125 .121 a

Box-Ljung 统计量 值 3.482 4.987 6.340 18.342 18.1 18.836 19.239 29.093 29.176 29.1 29.197 32.308 32.806 33.345 33.745 34.510 df

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 Sig.

.062 .083 .096 .001 .002 .004 .007 .000 .001 .001 .002 .001 .002 .003 .004 .005 b

a. 假定的基础过程是性（白噪音）。 b. 基于渐近卡方近似。

偏自相关

序列:税后盈利 滞后 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16

偏自相关

.306 .115 .107 .503 -.279 -.010 .046 .268 -.130 -.0 -.053 -.081 -.040 -.051 -.027 -.062 标准 误差

.171 .171 .171 .171 .171 .171 .171 .171 .171 .171 .171 .171 .171 .171 .171 .171

3、确定参数和模型

时间序列建模程序

模型描述

模型 ID

税后利润

模型_1

模型类型

ARIMA(0,1,0)(0,1,0)

模型摘要

模型统计量 模型 预测变量数 税后利润-模型_1 0 模型拟合统计量 平稳的 R 方 5.502E-17 Ljung-Box Q(18) 统计量 17.688 DF 18 Sig. .476 离群值数 0

4、给出预测值

2010年第三季度 139621.02万元 2010年第四季度 170144.55万元

剔除季节成分后，平滑处理及剔除循环波动因素的序列图

SEASON、MOD_6、MUL、EQU、4 中 税后利润 的季节性调整序列

自相关图 序列:SEASON、MOD_6、MUL、EQU、4 中 税后利润 的季节性调整序列 滞后 自相关 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 .728 .450 .310 .207 .219 .241 .243 .226 .183 .162 .093 .006 -.047 -.021 -.022 -.036 标准 误差 .1 .162 .159 .157 .1 .151 .149 .146 .143 .140 .137 .134 .131 .128 .125 .121 aBox-Ljung 统计量 值 19.633 27.383 31.169 32.911 34.941 37.484 40.168 42.571 44.213 45.551 46.012 46.015 46.145 46.172 46.204 46.294 df 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 Sig. .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 ba. 假定的基础过程是性（白噪音）。 自相关图 序列:SEASON、MOD_6、MUL、EQU、4 中 税后利润 的季节性调整序列 滞后 自相关 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 .728 .450 .310 .207 .219 .241 .243 .226 .183 .162 .093 .006 -.047 -.021 -.022 -.036 标准 误差 .1 .162 .159 .157 .1 .151 .149 .146 .143 .140 .137 .134 .131 .128 .125 .121 aBox-Ljung 统计量 值 19.633 27.383 31.169 32.911 34.941 37.484 40.168 42.571 44.213 45.551 46.012 46.015 46.145 46.172 46.204 46.294 df 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 Sig. .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 ba. 假定的基础过程是性（白噪音）。 b. 基于渐近卡方近似。 偏自相关 序列:SEASON、MOD_6、MUL、EQU、4 中 税后利润 的季节性调整序列 滞后 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 偏自相关 .728 -.168 .108 -.053 .206 .000 .076 -.015 .014 .034 -.121 -.066 -.059 .115 -.134 .019 标准 误差 .171 .171 .171 .171 .171 .171 .171 .171 .171 .171 .171 .171 .171 .171 .171 .171

模型描述

模型 ID SEASON、MOD_6、MUL、EQU、4 模型_1

中 税后利润 的季节性调整序列

模型类型

ARIMA(0,1,0)(0,0,0)

模型统计量 模型 预测变量数 SEASON、MOD_6、MUL、EQU、4 中 税后利润 的季节性调整序列-模型_1 0 模型拟合统计量 平稳的 R 方 -2.591E-16 Ljung-Box Q(18) 统计量 8.517 DF 18 Sig. .970 离群值数 0

给出预测值

2010年第三季度 127487.38347万元 2010年第四季度 140349.91149万元