发布时间 : 星期三 文章实验·6 时间序列分析的spss应用更新完毕开始阅读60dfaddf88eb172ded630b1c59eef8c75ebf955f
图6-5 序列图设置对话框
图6-6 生成的时序图
5
由图6-6中我们可以看出，彩电出口量趋势线变得平滑，随着时间的延长，彩电出口量增加的趋势特征明显。但是增长并不是单调上升的，而是有涨有落，这种升降不是杂乱无章的，与季节因素有关。我们知道，影响时间序列的因素有长期趋势变动、季节因素、循环变动和不规则变动，所以案例中彩电出口量的变动除了增长的长期趋势和季节变动的影响外，还受不规则变动和循环变动的影响。
6.5.3用最小二乘法分析彩电出口量变动的长期趋势
１．新建一个时间变量，变量名为“时序”，按照时间的顺序设为1，2，3，4，5??
选择“分析-回归-线性”，打开“线性回归”对话框，如下图6-7所示。从左边的待分析变量框中，将变量“出口量”移入“因变量”框中，将变量“时序”移入“自变量”框中。
图6-7 线性回归对话框
２．单击“统计量”按钮，弹出如图6-8所示的对话框，依次勾选“估计”、“置信区间”、“协方差矩阵”、“模型拟合度”、“Durbin-Wstson”，单击继续按钮，
6
返回主对话框。
图6-8 线性回归统计量设置子对话框
“绘制”、“保存”、“选项”、“Bootstrap”等选项卡的设置可参考回归分析实验的设置。
单击“确定”按钮，提交系统运行。 ３．主要运行结果
表6-2 回归系数表
表6-2是回归系数的估计结果，也是最小二乘法的估计结果。由表中数据可以看出，常数项和自变量“时序”的t值分别为1.618和11.803。自变量的显著性概率值为0.000，小于0.05，对因变量有显著性影响，而常数项的显著性概率值为0.108，大于0.05，对因变量的影响不显著。所以，我们应该去掉常数项，选择“分析-回归-线性回归”，重新打开线性回归主对话框，然后在单击“选项”，打开“线性回归：选项”对话框，不选中“在等式中包含常量”这项，单击“继续”，最后单击“确定”按钮，运行结果如下表6-3所示。
7
表6-3 不含常数项的回归分析结果
由表6-3可以看出，自变量的t值为26.401，显著性概率值为0.000，小于0.05，因此对因变量有显著影响。即Y=0.879X。
6.5.4 测定彩电出口数量的季节变动规律
1．选择“分析-预测-季节性分解”，打开“周期性分解”对话框，按照图6-9进行设置，
图6-9 周期性分解对话框
２．在周期性分解对话框的右上角有“保存”按钮，点击“保存?”，打开“保存?”对话框，本例选择“添加至文件”。点击“继续”按钮，返回图6-9所示的主对话框，然后点击“确定”按钮，提交系统运行。
8