欧阳物创编 2024.02.07
表1 为某公司连续144个月的月度销售量记录，变量为sales。试用专家模型、ARIMA模型和季节性分解模型分析此数据。
时间：2024.02.07 命题人：欧阳物 表1 某公司连续141个月月度销售记录数据
日期 09/01/1978 10/01/1978 11/01/1978 12/01/1978 01/01/1979 02/01/1979 03/01/1979 04/01/1979 05/01/1979 06/01/1979 07/01/1979 08/01/1979 09/01/1979 10/01/1979 11/01/1979 12/01/1979 01/01/1980 02/01/1980 03/01/1980 sales 112 118 132 129 121 135 148 148 136 119 104 118 115 126 141 135 125 149 170 日期 09/01/1982 10/01/1982 11/01/1982 12/01/1982 01/01/1983 02/01/1983 03/01/1983 04/01/1983 05/01/1983 06/01/1983 07/01/1983 08/01/1983 09/01/1983 10/01/1983 11/01/1983 12/01/1983 01/01/1984 02/01/1984 03/01/1984 sales 196 196 236 235 229 243 264 272 237 211 180 201 204 188 235 227 234 264 302 日期 09/01/1986 10/01/1986 11/01/1986 12/01/1986 01/01/1987 02/01/1987 03/01/1987 04/01/1987 05/01/1987 06/01/1987 07/01/1987 08/01/1987 09/01/1987 10/01/1987 11/01/1987 12/01/1987 01/01/1988 02/01/1988 03/01/1988 sales 315 301 356 348 355 422 465 467 404 347 305 336 340 318 362 348 363 435 491 欧阳物创编 2024.02.07
欧阳物创编 2024.02.07
04/01/1980 05/01/1980 06/01/1980 07/01/1980 08/01/1980 09/01/1980 10/01/1980 11/01/1980 12/01/1980 01/01/1981 02/01/1981 03/01/1981 04/01/1981 05/01/1981 06/01/1981 07/01/1981 08/01/1981 09/01/1981 10/01/1981 11/01/1981 12/01/1981 01/01/1982 02/01/1982 03/01/1982 04/01/1982 05/01/1982 06/01/1982 07/01/1982 08/01/1982
170 158 133 114 140 145 150 178 163 172 178 199 199 184 162 146 166 171 180 193 181 183 218 230 242 209 191 172 194
04/01/1984 05/01/1984 06/01/1984 07/01/1984 08/01/1984 09/01/1984 10/01/1984 11/01/1984 12/01/1984 01/01/1985 02/01/1985 03/01/1985 04/01/1985 05/01/1985 06/01/1985 07/01/1985 08/01/1985 09/01/1985 10/01/1985 11/01/1985 12/01/1985 01/01/1986 02/01/1986 03/01/1986 04/01/1986 05/01/1986 06/01/1986 07/01/1986 08/01/1986 293 259 229 203 229 242 233 267 269 270 315 364 347 312 274 237 278 284 277 317 313 318 374 413 405 355 306 271 306 04/01/1988 05/01/1988 06/01/1988 07/01/1988 08/01/1988 09/01/1988 10/01/1988 11/01/1988 12/01/1988 01/01/1989 02/01/1989 03/01/1989 04/01/1989 05/01/1989 06/01/1989 07/01/1989 08/01/1989 09/01/1989 10/01/1989 11/01/1989 12/01/1989 01/01/1990 02/01/1990 03/01/1990 04/01/1990 05/01/1990 06/01/1990 07/01/1990 08/01/1990
505 404 359 310 337 360 342 406 396 420 472 548 559 463 407 362 405 417 391 419 461 472 535 622 606 508 461 390 432
选定样本期间为1978年9月至1990年5月。按时间顺序分别设为1至141。
一、画出趋势图，粗略判断一下数据的变动特点。
具体操作为：依次单击菜单“Analyze→Forecasting→Sequence Chart”，打开“Sequence Chart”对话框，在打开的对话框中将sales选入“Variables”列表框，时间变量date
选入“Time Axis Labels”，单击“OK”按钮，则生成如图2 所示的sales序列。
欧阳物创编 2024.02.07
欧阳物创编 2024.02.07
图1 “Sequence Chart”对话框
图2sales 序列
从趋势图可以明显看出，时间序列的特点为：呈线性趋势、有季节性变动，但季节波动随着趋势增加而加大。 二、模型的估计
（一）、季节性分解模型
根据时间序列特点，我们选择带线性趋势的季节性乘法模型作为预测模型。
1、 定义日期
具体操作为：依次单击菜单“Data→Define Date”，打开“Define Date”对话框，在“Cases Are”列表框选择“Years，months”的日期格式，在对话框的右侧定义数据的起始年份、月份。定义完毕后，单击“OK”按钮，在数据集中生成日期变量。
图3 “Define Date”对话框
2、 季节分解
具体操作为：“Analyze→Forecasting→Seasonal Decomposition”打开“Seasonal Decomposition”对话框，将待分析的序列变量名选入“Variable”列表框。在“Model Type”选择组中选择“Multiplicative”模型；在“Moving Average Weight”选择组中选择“Endpoints weighted by 0.5”。单击“OK”按钮，执行季节分解操作。
图4 “Seasonal Decomposition”对话框
3、 画出序列图
欧阳物创编 2024.02.07
时间序列季节性分析spss之欧阳物创编
