./《統計軟件實驗報告》SPSS軟件的上機實踐應用時間序列分析數學與統計學學院實驗容：時間序列是指一個依時間順序做成的觀察資料的集合。時間序列分析過程中最常用的方法是：指數平滑、自回歸、綜合移動平均及季節分解。本次實驗研究就業理論中的就業人口總量問題。但人口經濟的理論和實踐表明,就業總量往往受到許多因素的制約,這些因素之間有著錯綜復雜的聯系,因此,運用結構性的因果模型分析和預測就業總量往往是比較困難的。時間序列分析中的自回歸求積分移動平均法〔ARIMA則是一個較好的選擇。對于時間序列的短期預測來說,隨機時序ARIMA是一種精度較高的模型。我們已省歷年〔1969-2005從業人員人數為數據基礎建立一個就業總量的預測時間序列模型,通過spss建立模型并用此模型來預測就業總量的未來發展趨勢。實驗目的：準確理解時間序列分析的方法原理學會實用SPSS建立時間序列變量學會使用SPSS繪制時間序列圖以反應時間序列的直觀特征。掌握時間序列模型的平穩化方法。掌握時間序列模型的定階方法。學會使用SPSS建立時間序列模型與短期預測。培養運用時間序列分析方法解決身邊實際問題的能力。三、實驗分析：總體分析：先對數據進行必要的預處理和觀察,直到它變成穩態后再用SPSS對數據進行分析。數據的預處理階段,將它分為三個步驟：首先,對有缺失值的數據進行修補,其次將數據資料定義為相應的時間序列,最后對時間序列數據的平穩性進行計算觀察。數據分析和建模階段：根據時間序列的特征和分析的要求,選擇恰當的模型進行數據建模和分析。實驗步驟：SPSS的數據準備包括數據文件的建立、時間定義和數據期間的指定。SPSS的時間定義功能用來將數據編輯窗口中的一個或多個變量指定為時間序列變量,并給它們賦予相應的時間標志,具體操作步驟是：選擇菜單：Date→DefineDates,出現窗口：單擊[ok<確認>]按鈕,此時完成時間的定義,SPSS將在當前數據編輯窗口中自動生成標志時間的變量。當數據準備好,為認識數據的變化規律,判斷數據是否存在離群點和缺損值,最直接的觀察方法是繪制序列的圖像。選擇菜單選項欄中的Analyze>forecasting>SequenceCharts,彈出SequenceCharts對話框。單擊[ok<確認>]按鈕,得到時序圖：觀察發現序列沒有明顯的周期性,為非平穩時間序列。一般而言,一次差分可以將序列中的線性趨勢去掉,二次差分可以將序列中的拋物線趨勢去掉,圖中曲線存在線性趨勢,用一階差分運算去除。選擇菜單：Transform>CreateTimeSeries,彈出對話框：單擊[ok<確認>]按鈕,此時完成線性成分的去除,SPSS將在當前數據編輯窗口中自動生成差分后的新變量X_1。數據經過一階差分后,檢驗差分序列自相關和偏相關函數是否為截尾或拖尾,若是則數據已為平穩序列可以進行ARIMA建模,否則繼續對數據進行平穩化處理。選擇菜單Analyze→TimeSeries→Autoregression。把被解釋變量選擇到Dependent框中,選擇解釋變量到Independent<s>框中。單擊[ok<確認>]按鈕,此時生成自相關和偏自相關相關數據。表中顯示的是自相關計算結果,從左向右,依次列出的是：滯后數、自相關系數值、標準誤差、Box-ljung統計量〔值、自由度、原假設成立的概率值。通過標準誤差以及Box-ljung統計量的相伴概率都可以說該時間序列不是白噪聲,是具有自相關性的時間序列,可以建立ARIMA模型。自相關圖顯示序列在2階滯后期時進入平穩置信區間并拖尾,所以MA〔q的q取值為2。偏自相關序列在1階滯后期時進入平穩置信區間并拖尾,所以AR<p>的p取值為1。數據經過一階差分,所以I〔d的取值為1。當時間序列的數據已經準備好以后,選擇菜單欄中的Analyze>Forecasting>CreateModels命令,彈出CreateModels對話框。在該對話框左側的Variables列表框中選擇一個變量,將其移入DependentVariables列表框。在Method下拉列表框中選擇ARIMA,然后選擇ARIMA選項,單擊Criteria按鈕,彈出ARIMACriteria對話框。單擊CreateModels對話框中的ok按鈕,將進行ARIMA模型建模和分析,結果如下：平穩的R方為0.414說明基本擬合。我們根據以上方法改變ARIMA<p,d,q>中的系數重新建模。<p,d,q>取值分別為〔1,1,0得出結果如下：通過平穩