「時間序列」節點

「時間序列」節點可以在本端或分散式環境中與資料配合使用；在分散式環境中，可以利用 IBM® SPSS® Analytic Server 的能力。通過此節點，可以選擇對時間序列的指數平滑化模型、單變異數自身迴歸整合移動均數 (ARIMA) 及多變異數 ARIMA（或轉換函數）模型進行估計和建立，並根據時間序列資料產生預測。

指數平滑化是使用之前數列觀察的加權值預測未來值的預測方法。照這樣，指數平滑化並非基於對資料的理論了解。它一次預測一個點，隨著新資料的進入對預測進行調整。技術用於預測展示趨勢、週期性或兩者的數列。您可從以不同方式處理趨勢和週期性的各種指數平滑化模型中進行選擇。

與指數平滑化模型相比，ARIMA 模型在對趨勢和週期性元件建模方面提供更成熟的方法，特別是，增加了可在模型中包含自變數（預測值）的優勢。此方法涉及明確指定自動迴歸階數和移動平均數階數以及差異分析度。您可以包括預測值變數並為任何或全部變數定義轉換函數，以及指定自動偵測偏離值或明確的一組偏離值。

註：在實際應用中，如果要包含預測值（這些預測值可能有助於說明正在預測的數列的行為，例如郵寄的型錄的號碼或某公司網頁的點擊數），那麼 ARIMA 模型最有用。指數平滑化模型說明時間序列的行為，而不嘗試理解它為何如此行事。例如，過去每 12 個月達到最大值的數列可能繼續保持該行為，即使您不瞭解其原因也是如此。

還提供了專家建模器選項，此選項將試圖自動識別和估計對一個或多個目標變數配適度最高的 ARIMA 模型或指數平滑化模型，從而無需通過試錯來識別適當的模型。如果您有任何疑問，請使用「專家建模器」選項。

如果指定了預測值，那麼專家建模器會選取將那些在統計意義上與相依數列具有顯著關係的變數包括在 ARIMA 模型中。若適當, 可利用差分及/或平方根或自然對數進行模型變數轉換。依預設，「專家建模器」會考量所有指數平滑化模型及所有 ARIMA 模型，並為每一個目標欄位挑選其中的最佳模型。但您可以限制「專家建模器」僅挑選最佳的指數平滑化模型，或僅挑選最佳的 ARIMA 模型。您也可以指定自動偵測偏離值。