相关文章链接

时间序列预测——ARIMA模型

图ARIMA建模流程图

二、数据集

本文中价格数据选用南昌市从2015年1月起至2022年3月直径由内径16mm区间到直径25mm区间内的HRB400E钢材价格信息作为数据分析或研究对象。共已完成采集和记录采集到的样本数据值共达2645个,由于因各种因素数据值存在有一定的部分的数据缺失值,为更充分地保证已采集到样本数据准确性,本文采用SPSS软件来对样本的缺失部分数据值进行分析,并通过利用本软件中其数据缺失值分析功能的补充功能来尝试将丢失样本数据补齐。

三、利用SPSS软件对ARIMA时间序列预测操作的基本步骤

1、确定数据

选择数据：南昌市从2015年1月起至2022年3月直径由内径16mm区间到直径25mm区间内的HRB400E钢材价格信息

2、导入数据

将收集到到原始数据导入SPSS软件中

3、定义时间日期

4、图像化观察

选择要显示的变量，此处是均价，时间轴标签选定义时间日期后的标签项，点击确定得到序列图。

序列图如下：

5、平稳性分析

ARIMA模型要求序列是平稳序列，因此要对数据进行平稳性分析。下面做螺纹钢价格序列的自相关图和偏自相关图。

自相关图：

偏自相关图：

从图中可以看出，序列的自相关图（ACF）和偏自相关图（偏ACF）大部分编号位于置信区间内部，说明序列是基本平稳的。

6、构建ARIMA模型

在【分析】中选择【时间序列预测】，选择【创建传统模型】。

在【变量】页面，选择方法：ARIMA；由上述ACF和PACF选定条件

在【统计】页面，根据自己需要勾选显示的数据；

在【图】页面，选自自己需要输出的图形数据；

在【保存】页面，勾选自己需要保存的内容。

7、输出结果

一阶差分后时序图：

预测结果：