《[管理学]统计实验报告四.doc》由会员分享，可在线阅读，更多相关《[管理学]统计实验报告四.doc（6页珍藏版）》请在三一办公上搜索。
1、实验四、 SPSS的相关、回归和预测一、实验目的掌握变量之间的序列关系和相关关系，应用时间序列和相关回归进行分析预测。二、实验要求要求根据有关数据库，熟悉相关、回归分析和预测的操作方法，掌握时间数列的各种预测方法。三、实验内容SPSS时间序列的分析：、回归预测法（最小平方法）步骤：（1） 绘制时间序列图【Graphs】【Sequence】（2） 【Analyze】【Regression】【Curve Estimation】【Save Variables】框：【Prdicted values】表示保存预测值；【Residuals】表示保存参差；【Prediction intervals】表示保存
2、预测值默认95置信区间的上限和下限值。（3）【Prdict Case】框：【Predict from estimation period through last case】表示计算当前所有样本期内的预测值；【Predict through】表示计算指定样本期内的预测值，指定样本期在【Observation】框后输入。 将数据按照课本例题11-5输入SPSS中，并进行相关设置，按照上述步骤操作。 首先利用软件绘制出我国餐饮业从业人员数的曲线图，可见该趋势图形基本呈现为一条直线，时间数列的逐期增长量近似一个常数。（如下图） 对原数据进行预测，得预测值如下表： 上表显示数据中保存了各种拟合曲线的预
3、测值，分别是利用线性、对数、逆、二次、三次、复合、幂、S、增长、指数、逻辑斯谛回归做出来的预测值。 对曲线拟合进行分析与选择：SPSS提供了多种曲线拟合，包括线性、对数、逆、二次、三次、复合、幂、S、增长、指数、逻辑斯谛。横向目录分别为可决系数R2，F，自由度1，自由度2，尾概率，常数 ，b1，b2，b3。在选择选用哪种曲线拟合中，可观测可决系数R2的值：R2值越大，则表示拟合程度越好；该值 1时，则表示观测值与曲线完全拟合。在上表中，我们可以观测到Linear的R2值最大，为0.968，大于其他拟合曲线的R2值，因此在实际预测中该题我们偏向选择线性曲线的预测拟合度最高。在Parameters
4、 Estimates中提供的是预测曲线函数。如该题中的线性曲线为：y=401.507+53.537*x，x是自变量，即时间序列，取值为1,2,3,4，如该题中，采用线性回归分析，当x=1时，代入线性曲线函数方程中，得y=455.04364，即为1991年的预测值。相对应地，x=2时算出来的函数值即为采用线性回归分析时1992年的预测值。另外产生的上图形象地把拟合后的曲线画出来了，将各拟合曲线作了展示。、移动平均法【Transform】【Creat time series】，function中选择相应的方法，按照移动平均值与原时间序列在时间位置上的对应关系不同， 移动平均法可分为前移动平均（Pr
5、ior moving average）和中心移动平均（Centered moving average） 。【Prior moving average】计算当前值以前若干期的平均值；【Centered moving average】是指以当前值为中心，计算前后若干期的平均值。 以下是根据课本例11-2进行练习。该题中，步长取3。采用【Prior moving average】做出来的预测值是往后推三期。即第一个预测值是作为第四期的预测值，后面依次类推。而采用【Centered moving average】做出来的预测值，则是作为计算的三期中的中间那一期的中间值，即步长取3时，前三期算出来的第一
6、个预测值作为第二期的预测值，后面的数据依次类推。 上表显示为采用【Centered moving average】做出来的预测值，其中步长分别取3,2,5,4。不同的移动步长，对原数列的修匀效果见上图。3指数平滑法【Analyze】【Time series】【exponential smoothing】【Simple】Simple法基本过程：1.首先定义变量、输入数据，至少要有一个变量 2.指定需要进行指数平滑处理的变量。 3.“Parameters”参数设定，选定指数平滑中的参数，误差修正权数 （General（Alpha）的取值在默认状态下为0.1，当1时，预测值等于最新的观测值。单击Gr
7、id Search选项，如不加改动，可让程序自动计算从0.1到1的10个指数平滑结果，并将误差平方和最小的平滑结果暂时存放在数据库中，当然，在这里可重新设置的开始值，以后每次的增加值及终止值。 在本程序中，确定Initial Values初始值栏中的选择有两种方式，选择Automatic项，初始值用自动方式生成，程序自动取时间序列的总平均值为初始值：选择Custom项，可手工输入初始值及趋势值。单击“Save”，最后单击“OK”并执行。 根据课本315页例11-3数据输入spss,按照上述步骤进行操作。采用指数平滑法，取加权系数a= 0.8进行计算，初始值为42.95。选择【Analyze】【
8、Time series】【exponential smoothing】选择汽车产量为变量【Models】选Simple【Parameters】按钮给定0.8初始值给42.95(最先3个值的平均)，趋势值给180左右(根据最后一个值确定)。绘制时间序列图【Graphs】【Sequence】注意：输入过程中勿含缺失值，即在该题的输入过程中，只需要输入已知汽车产量值的15条记录即可。要预测2000年的汽车产量值，在Save项中输入数值“16”。得到预测值如下表：绘制时间序列图【Graphs】【Sequence】: 上图为1985-2000年我国汽车生产量及预测值曲线图，可见，趋势预测值与实际值的变动
9、趋势一致，但趋势预测值比实际值滞后。四、实验体会通过这次实验，觉得SPSS这个软件作用还是蛮大的，在做时间序列的分析与预测时很方便。这次实验总体来说，还是觉得步骤蛮明晰的，比较简单。除了在最后一个用指数平滑分析中遇到了点困难，其他都还好。在指数平滑预测进行回归分析中，要注意缺失值，即如若存在缺失值则要将其剔除。另外，也觉得这个软件在数据分析与预测中很庞大，虽然自己不是接触得很多。在实验过程中，也遇到了很多困难与问题，询问了很多人，特别是在做指数平滑回归分析时，由于自己用的是SPSS 16.0版本的，结果该软件升级过后，指数平滑放在Creat Models的路径中，并且无法设置值，近乎让自己崩溃了。最终还是用了13.0版本的软件完成了该题。另外，也让自己感觉学到了那么一点知识。每每在完成一题感觉心情很好。
