時間數列模型器

時間序列模型器程序會為時間序列評估指數平滑化、單變數自動迴歸整合移動平均 (ARIMA)，以及多變量 ARIMA（或稱轉換函數模式）模式，然後產生預測。 該程序包括的 Expert Modeler 會嘗試自動為一個或多個應變數序列識別與估計最適合的 ARIMA 或指數平滑模型，如此一來，就不需要透過試用與錯誤來識別適當的模型。 此外，您也可以指定自訂 ARIMA 或指數的平滑模型。

範例。 您是產品經理，負責就 100 種不同產品中的每一種產品，預測下個月的單位銷售量和收益，但是您對建立時間序列模式幾乎可說沒有經驗。 過去所有 100 種產品的單位銷售資料儲存在一份 Excel 試算表中。 在 IBM® SPSS® Statistics中開啟試算表之後，您可以使用 Expert Modeler 並要求未來一個月的預測。 「Expert Modeler」為您所負責每一項產品的單位銷售量找出最適合的模式，然後使用這些模式來產生預測。 由於「Expert Modeler」能夠處理多重輸入數列，您只需執行程序一次，就能取得所有產品的預測。 如果選擇將預測儲存至作用中資料集，您就能輕易地匯出結果存回 Excel 之中。

統計資料。 適配測量：平穩 R 平方、R 平方 (R ²)、均方根誤差 (RMSE)、平均絕對誤差 (MAE)、平均絕對百分比誤差 (MAPE)、最大絕對誤差 (MaxAE)、最大絕對百分比誤差 (MaxAPE)，以及正規化貝氏資訊準則 (BIC)。 殘差：自我相關函數、偏自我相關函數、Ljung-Box Q。對於 ARIMA 模型：應變數的 ARIMA 順序、自變數的傳輸函數和異常值估計。 還有指數平滑化模型的平滑化參數估計。

圖形。 跨所有模型的摘要圖：平穩 R 平方、R 平方 (R ²)、均方根誤差 (RMSE)、平均絕對誤差 (MAE)、平均絕對百分比誤差 (MAPE)、最大絕對誤差 (MaxAE)、最大絕對百分比誤差 (MaxAPE)、正規化貝氏資訊準則 (BIC) 的直方圖；殘差自我相關和偏自動相關性的箱形圖。 個別模型的結果：預測值、適合度值、觀察值、信賴區間上限和下限、殘差自我相關和偏自動相關性。

時間序列模型器資料考量

資料。 應變數和任何自變數應該都是數值。

假設。 應變數和任何自變數全部都視為時間序列，也就是每個觀察值都代表一個時間點，而接連相續的觀察值都以常數時間區間分開。

• 穩定性。 對於自訂 ARIMA 模式，要作為模型的時間序列必須為平穩型的。 將非恆定數列轉換為恆定數列的最有效方法是透過差異轉換 -- 可從 建立時間數列 對話框取得。
• 預測。 若要利用包含自變數（預測值）的模式來產生預測，作用中資料集必須包含預測期間內所有觀察值的變數值。 此外，自變數也不應該在估計期間中包含任何遺漏值。

定義日期

雖然不需要，但建議使用 定義日期 對話框來指定與第一個觀察值相關聯的日期，以及連續觀察值之間的時間間隔。 這是在使用「時間序列模型器」之前完成的作業，結果會得到一組標示與各觀察值相關日期的變數。 同時也設定資料的假設週期 -- 例如，如果連續觀察值之間的時間區間是一個月，則週期為 12。 如果您想要建立週期性模型，就必須有這個週期。 如果並不想要週期性模型，輸出上也不需要日期標記，就可以略過「定義日期」對話框。 此時，與各個觀察值相關聯的標記就是觀察值編號。

若要使用時間序列模型器

此功能需要「預測」選項。

1. 從功能表中選擇：

   分析 > 預測 > 建立傳統 模型 ...

2. 在「變數」標籤上，選擇一個或多個要建模變數。
3. 從「方法」下拉清單方框中選擇建模方法。 在自動化建模下，保留 Expert Modeler 的預設方法。 這樣會呼叫「Expert Modeler」，判斷各個應變數的最適合模式。

   若要產生預測：

4. 按一下 選項 標籤。
5. 指定預測期間。 這樣會產生圖表，其中包含預測和觀察值。

您可以選擇性地：

• 選取一個或多個自變數。 自變數在迴歸分析中幾乎被視為預測變數處理，但為選用的。 可以包含在 ARIMA 模式中，但不能包含在指數平滑化模式中。 如果指定 Expert Modeler 作為建模方法，並包含自變數，則只會考慮使用 ARIMA 模式。
• 按一下「條件」，指定模式詳細資料。
• 儲存預測、信賴區間和雜訊殘差。
• 以 XML 格式儲存估計模型。 儲存的模式可以套用至新的或修正過的資料，以取得更新的預測而毋需重新建置模式。 使用 套用時間序列模型 程序可達成此目的。
• 取得所有估計模型的摘要統計量。
• 指定自訂 ARIMA 模型中自變數的轉換函數。
• 啟用自動偵測離群值。
• 模型特定時間點作為自訂 ARIMA 模型的離群值。

建模方法

可用的建模方法包括：

Expert Modeler。 「Expert Modeler」會自動為各個應變數列找尋最適合的模式。 如果指定了自（預測）變數，「Expert Modeler」會選擇與應變數列有統計顯著關係的自變數，納入 ARIMA 模式中。 若適當, 可利用差分及/或平方根或自然對數進行模型變數轉換。 依預設，「Expert Modeler」會同時考量指數平滑化和 ARIMA 模式。 但是您可以將「Expert Modeler」限制為只搜尋 ARIMA 模式，或是只搜尋指數平滑化模式。 您也可以指定自動偵測偏離值。

指數平滑化。 使用此選項，可指定自訂指數平滑化模式。 您可以從數種指數平滑化模式中加以選擇，模型的差異在於對趨勢與週期性的處理方法。

ARIMA。 使用此選項，可指定自訂 ARIMA 模式。 這項作業涉及指定自動迴歸和移動平均階數，以及差分次數。 您可以納入自（預測）變數，並定義任何或全部變數的轉換函數。 您也可以指定自動偵測偏離值，或是明確指定一組偏離值。

估計和預測期間

估計期間。 估計期間定義用來決定模型的觀察值集。 依預設，估計期間包括作用中資料集內所有觀察值。 若要設定估計期間，請在「 選取觀察值 」對話框中選取「 基於時間或觀察值範圍 」。 依可用的資料而定，程序所使用的估計期間可能會視應變數而異，因此與所顯示的值不同。 對一個特定的應變數來說，真正的估計期間是除去任何發生於指定估計期間的開始或結束時的連續變數遺漏值之後所餘下的期間。

預測期間。 預測期間是從估計期間之後的第一個觀察值開始，依預設會一直到作用中資料集的最後一個觀察值才結束。 您可以從 選項 標籤設定預測期間的結束時間。

此程序會貼上 TSMODEL 指令語法。