0.引言

  因科研等多场景需要进行绘图处理，笔者对SPSS进行了学习，本文通过《SPSS统计分析从入门到精通》及其配套素材结合网上相关资料进行学习笔记总结，本文对时间序列模型进行阐述。

1.时间序列数据平稳处理

  （1）准备数据
  

  （2）操作步骤
  ①在菜单栏中选择“数据|定义日期和时间”，在“个案是”列表框中选择“年、月”，在“第一个个案是”选项组中的“年”和“月”文本框中输入数据开始的具体年份1960和月份1，单击“确定”；
  ②在菜单栏中选择“转换|创建时间序列”，将“ip”变量选入“变量->新名称”列表框中，在“函数”下拉列表框中选择“季节性差异”，单击“确定。

  （3）操作结果
  ①创建的序列
  

  ②生成的值
  

2.指数平滑法建模

  （1）准备数据
  

  （2）操作步骤
  ①在菜单栏中选择“数据|定义日期和时间”；
  ②在“个案是”列表框中选择“年，月”，在“第一个个案”选项组中的“年”和“月”文本框中输入数据开始的具体年份1960和月份1，单击“确定”；
  ③在菜单栏中选择“分析|时间序列预测|创建传统模型“，将“SPREAD”变量选入“因变量”列表框中，在“方法”下拉列表框中选择“指数平滑法”；
  ④单击“条件”，选中“简单季节性”，单击“继续”；
  ⑤单击“统计”，选择“参数估算法”和“显示预测值”，单击“继续”；
  ⑥单击“确定”，执行指数平滑。

  （3）操作结果
  

3.ARIMA建模

  （1）准备数据
  

  （2）操作步骤
  ①在菜单栏中选择“数据|定义日期和时间”；
  ②在“个案是”列表框中选择“年，月”，在“第一个个案”选项组中的“年”和“月”文本框中输入数据开始的具体年份1960和月份1，单击“确定”；
  ③在菜单栏中选择“分析|时间序列预测|创建传统模型“，将“SPREAD”变量选入“因变量”列表框中，在“方法”下拉列表框中选择“ARIMA”；
  ④单击“条件”，单击“模型”选项卡，在“自回归”的“季节性”列中输入“3”，在“差值”的“季节性”列中输入“1”，在”移动平均值“的”季节性“列中输入“2”，单击“继续”；
  ⑤单击“统计”，选择“参数估算法”和“显示预测值”，单击“继续”；
  ⑥单击“确定”，执行ARIMA建模。

  （3）操作结果
  

4.季节性分解

  （1）准备数据
  

  （2）操作步骤
  ①在菜单栏中选择“数据|定义日期和时间”；
  ②在“个案是”列表框中选择“年，月”，在“第一个个案”选项组中的“年”和“月”文本框中输入数据开始的具体年份1995和月份1，单击“确定”；
  ③在菜单栏中选择“分析|时间序列预测|季节性分解”，将“气温”变量选入“变量”列表框中，选择“加性”和“端点0.5加权”；
  ④单击“确定”，执行季节性分解。

  （3）操作结果
  

参考资料：
[1] 小齐hai. spss实现时间序列分析过程; 2021-11-08 [accessed 2023-05-04].
[2] weixin_39657825. spss三次指数平滑_为什么spss不能选择指数平滑法？; 2021-01-12 [accessed 2023-05-04].
[3] 拓端. SPSS时间序列ARIMA、指数平滑法、模型检验分析汽车销量数据; 2022-12-14 [accessed 2023-05-04].
[4] IBM SPSS. 如何使用SPSS进行季节性分解; 2021-04-25 [accessed 2023-05-04].