python偶数分解_SPSS时间序列：季节性分解

SPSS时间序列：季节性分解

一、季节性分解(分析-预测-季节性分解)

“季节性分解”过程可将一个序列分解成一个季节性成分、一个组合趋势和循环的成分和一个“误差”成分。此过程是对统计方法I(也称为比率与移动平均数方法)的实现。

1、示例。科学家想要对特定气象站的臭氧层每月测量结果进行分析。目标是确定数据中是否存在任何趋势。为了揭示真实趋势，由于季节性影响，科学家首先需要考虑所读取资

料中的变异。可使用“季节性分解”过程来删除任何系统性的季节性变化。然后对季节性调整序列执行趋势分析。

2、统计量。一组季节性因子。

3、数据。变量应为数值型。

4、假设。变量不应包含任何内嵌的缺失数据。至少必须定义一个周期性日期成分。

二、模型(分析-预测-季节性分解)

1、模型类型。“季节性分解”过程提供了用于对季节性因子建模的两种不同方法：乘法或加法。

1.1、乘法.季节性成分是一个因子，用来与经过季节性调整的序列相乘以得到原始序列。实际上，“趋势”会评估与序列的总体水平成正比的季节性成分。无季节性变动的观察值的季节性成分为1。

1.2、加法.将季节性调整项加到到季节性调整的序列以获取观察值。此调整尝试从序列中移去季节性影响，以查看可能被季节性成分“掩盖”的其他兴趣特征。实际上，“趋势”会评估不依赖于序列的总体水平的季节性成分。无季节性变动的观察值的季节性成分为0。

2、移动平均权重。“移动平均权重”选项允许您指定在计算移动平均数时如何处理序列。这些选项仅在序列的周期为偶数时才可用。如果周期为奇数，则所有点的权重都相等。

2．1、所有点都相等.使用等于周期的跨度以及所有权重相等的点来计算移动平均数。如果周期是奇数，则始终使用此方法。

2．2、按0.5对端点加权.使用等于周期加1的跨度以及以0.5加权的跨

本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！