時間序列分析

ARIMA模型(移動平均自回歸模型)，這是時間序列預測和分析的最常用的方法。歷史數據可以用來預測未來的形勢。ARIMA模型可分為三項，即AR模型、I是差模型和MA模型。SPSSAU智能找出最佳AR模型，I為微分值和MA模型，最終給出最佳模型預測結果。SPSSAU智能找出最佳模型的原理是利用最小AIC值規則遍歷所有可能的模型組合進行模型構建，最後結合最小AIC規則得到最佳模型。

當然，研究者也可以自己設置AR模型、微分階、MA模型，即分別設置自回歸階P、微分階D、移動平均階Q，然後構建模型。至於自回歸階數P，差分階數D和移動平均階數Q要適當設置，建議研究者使用偏(自)相關圖進行分析(SPSSAU也智能提供關於P或Q的建議)，使用ADF檢驗分析得到合適的差分階數D (SPSSAU也智能提供關於最佳差分階數D的建議)。

ARIMA模型可分為三項，即AR模型、I是差模型和MA模型。SPSSAU智能找出最佳AR模型I，即微分值和MA模型。當然，如果研究者自己設置AR模型、微分階和MA模型，即分別設置自回歸階P、微分階D和移動平均階Q，那麽SPSSAU會根據研究者的設置來構建模型。建議用戶直接使用SPSSAU的智能分析。

SPSSAU操作如下:

上一篇:旅遊業的現狀及發展趨勢

下一篇:普洱的儲存條件是什麽？