时间序列建模器

“时间序列建模器”过程会估计时间序列的指数平滑法模型、单变量自回归积分移动平均值 (ARIMA) 模型和多变量 ARIMA（或转换函数模型）模型，并生成预测值。 此过程包含一个专家建模器，后者尝试自动确定并估计一个或多个因变量序列的最佳拟合 ARIMA 或指数平滑法模型，这样就不必通过反复试验来确定适当的模型。 另外，您也可以指定定制 ARIMA 或指数平滑法模型。

示例。 假定您是产品经理，负责预测 100 种独立产品中每一种产品的下个月的单位销售额和收入，但是您对建模时间序列又知之甚少。 所有 100 种产品的单位销售额的历史数据都存储在一个 Excel 电子表格中。 在 IBM® SPSS® Statistics中打开电子表格后，您将使用专家建模器并在未来一个月内请求预测。 专家建模器会为每一种产品查找最合适的单位销售额模型，并使用这些模型生成预测。 由于专家建模器可以处理多个输入序列，因此，您只需要运行该过程一次即可获得所有产品的预测。 通过选择将预测保存到活动数据集，您可以轻松地将结果导回 Excel 中。

统计。 拟合优度度量：平稳 R 方、R 方 (R ²)、均方根误差 (RMSE)、平均绝对误差 (MAE)、平均绝对误差百分比 (MAPE)、最大绝对误差 (MaxAE)、最大绝对误差百分比 (MaxAPE)、标准化 BIC 准则。 残差：自相关函数、偏自相关函数、Ljung-Box Q。ARIMA 模型：从属变量的 ARIMA 顺序、独立变量的传输函数顺序和离群值估算。 此外，还有指数平滑法模型的平滑法参数估计值。

图。 所有模型的摘要图：平稳 R 方、R 方 (R ²)、均方根误差 (RMSE)、平均绝对误差 (MAE)、平均绝对误差百分比 (MAPE)、最大绝对误差 (MaxAE)、最大绝对误差百分比 (MaxAPE)、标准化 BIC 准则的直方图；残差自相关和偏自相关的箱图。 单模型结果：预测值、拟合值、实测值、置信区间的上限和下限、残差自相关和偏自相关。

时间序列建模器的数据注意事项

数据。 因变量和任何自变量必须是数值型。

假设。 因变量和任何自变量都视为时间序列，即每个个案代表一个时间点，连续的个案之间由常数时间区间分隔。

• 稳稳的。 对于自定义的 ARIMA 模型，要建模的时间序列应该是平稳序列。 将非固定序列变换为固定序列的最有效方法是通过差异变换 (可从 "创建时间序列" 对话框中获取)。
• 预测。 为了使用带有自（预测）变量的模型生成预测值，活动数据集应包含预测期中全部个案的这些变量的值。 此外，自变量不应包括估计期中的任何缺失值。

定义日期

虽然不需要，但建议使用 定义日期 对话框来指定与第一个观测值关联的日期以及连续观测值之间的时间间隔。 此操作应在使用时间序列建模器之前执行，并将导致一组变量上会标记每个个案的相关日期。 此操作还会设置数据的假定周期性，例如，如果连续个案之间的时间区间为一个月，则周期性为 12。 如果您希望创建季节性模型，则需要此周期性。 如果不想创建季节性模型，输出中也不需要日期标签，则可以跳过“定义日期”对话框。 这样，与每个个案相关的标签将仅是个案号。

使用时间序列建模器

此功能需要“预测”选项。

1. 从菜单中选择：

   分析 > 预测 > 创建传统 模型 ...

   注意： 红色标记的字段为必填项。 在所有必填字段中输入有效值后，" 粘贴 "和 "确定 "按钮将被启用。
2. 在“变量”选项卡上，选择一个或多个要建模的因变量。
3. 从“方法”下拉框中，选择一种建模方法。 如果要自动建模，请保留专家建模器的缺省方法。 这样将调用专家建模器来为每个因变量确定最佳拟合模型。

   要生成预测，请执行以下操作：

4. 单击 选项 选项卡。
5. 指定预测期。 这将生成一个包括预测和实测值的图表。

根据需要，您可以：

• 选择一个或多个自变量。 自变量的处理方法与回归分析中预测变量的处理方法十分类似，但自变量是可选的。 它们可以包含在 ARIMA 模型中，但不能包含在指数平滑法模型中。 如果您指定专家建模器作为建模方法并包括自变量，则将只考虑 ARIMA 模型。
• 单击条件，指定建模的详细信息。
• 保存预测，置信区间和噪声残差。
• 以 XML 格式保存估算模型。 已保存模型可应用于新数据或修订的数据，以便在不重新构建模型的情况下获取更新后的预测。 这是通过 应用时间序列模型 过程完成的。
• 获取所有估计模型的汇总统计。
• 在定制 ARIMA 模型中指定自变量的转换函数。
• 启用离群值自动检测。
• 将特定于模型的时间点作为定制 ARIMA 模型的离群值。

建模方法

可用的建模方法有：

专家建模器。 专家建模器会自动查找每个相依序列的最佳拟合模型。 如果指定了自变量（预测）变量，则专家建模器为 ARIMA 模型中的内容选择那些与该相依序列具有统计显著关系的模型。 适当时，使用差分和/或平方根或自然对数转换对模型变量进行转换。 缺省情况下，专家建模器既考虑指数平滑法模型也考虑 ARIMA 模型。 但是，您可以将专家建模器限制为仅搜索 ARIMA 模型或仅搜索指数平滑法模型。 还可以指定自动检测离群值。

指数平滑法。 使用此选项可指定定制的指数平滑法模型。 您可以从各种指数平滑法模型中进行选择，它们在处理趋势和季节性上有所不同。

ARIMA。 使用此选项可指定定制的 ARIMA 模型。 其中包含显式指定自回归的阶和移动平均值的阶，以及差分度。 可以包含自变量（预测变量）并为它们当中的任何一个或全部定义转换函数。 还可以指定自动检测离群值或指定显式离群值集合。

估计期和预测期

估计期。 估计期定义用于确定模型的个案集。 缺省情况下，估计期包含活动数据集中的所有个案。 要设置估计期，请在 " 选择个案 " 对话框中选择 基于时间或个案范围 。 取决于可用的数据，过程中使用的估计期可能会因因变量而异，因此会与显示的值不同。 对于给定的因变量，真正的估计期是从该变量中消去指定估计期的开始或结束时发生的任何连续缺失值之后剩下的期间。

预测期。 预测期从估计期后的第一个个案开始，缺省情况下，到活动数据集中的最后一个个案结束。 您可以从 选项 选项卡设置预测期结束。

此过程将粘贴 TSMODEL 命令语法。