自定义的指数平滑法模型

模型类型。 指数平滑法模型 ¹ 分为季节性模型和非季节性模型。季节性模型只有在为活动数据集定义了周期时才可用（请参见下文的“当前周期性”）。

• 简单 (Simple). 此模型适用于没有趋势或季节性的序列。其唯一的平滑参数是水平。简单指数平滑法与 ARIMA 模型极为相似，包含零阶自回归、一阶差分、一阶移动平均值，并且没有常数。
• Holt 线性趋势 (Holt's linear trend). 该模型适用于具有线性趋势并没有季节性的序列。其平滑参数是水平和趋势，不受相互之间的值的约束。Holt 模型比 Brown 模型更通用，但在计算大序列时要花的时间更长。Holt 指数平滑法与 ARIMA 模型极为相似，包含零阶自回归、二阶差分以及二阶移动平均值。
• Brown 线性趋势 (Brown's linear trend). 该模型适用于具有线性趋势并没有季节性的序列。其平滑参数是水平和趋势，并假定二者等同。因此，Brown 模型是 Holt 模型的特例。Brown 指数平滑法与具有零阶自回归、二阶差分和二阶移动平均值的 ARIMA 模型极为相似，且移动平均值第二阶的系数等于第一阶的系数二分之一的平方。
• 阻尼趋势 (Damped trend). 此模型适用于具有线性趋势的序列，且该线性趋势正逐渐消失并且没有季节性。其平滑参数是水平、趋势和阻尼趋势。阻尼指数平滑法与具有一阶自回归、一阶差分和二阶移动平均值的 ARIMA 模型极为相似。
• 简单季节性 (Simple seasonal). 此模型适用于没有趋势并且季节性影响随时间变动保持恒定的序列。其平滑参数是水平和季节。简单季节性指数平滑法与 ARIMA 模型极为相似，包含零阶自回归、一阶差分、一阶季节性差分和一阶、p 阶和 p + 1 阶移动平均值，其中 p 是季节性区间中的周期数（对于月数据，p = 12）。
• Winters 可加性 (Winters' additive). 此模型适用于具有线性趋势和不依赖于序列水平的季节性效应的序列。其平滑参数是水平、趋势和季节。Winters 可加的指数平滑法与 ARIMA 模型极为相似，包含零阶自回归、一阶差分、一阶季节性差分和 p +1 阶移动平均值，其中 p 是季节性区间中的周期数（对于月数据，p = 12）。
• Winters 相乘性 (Winters' multiplicative). 此模型适用于具有线性趋势和依赖于序列水平的季节性效应的序列。其平滑参数是水平、趋势和季节。Winters 的可乘指数平滑法与任何 ARIMA 模型都不相似。

当前周期性。 指示当前为活动数据集定义的周期性（如果有）。当前周期性以整数形式给出，例如，12 表示年度周期性，每个个案代表一个月份。如果尚未设置周期性，则显示值无。季节性模型要求具有周期性。您可以从定义日期对话框中设置周期性。

因变量转换。 可以指定在建模之前对每个因变量执行的转换。

• 无。 没有执行转换。

• 平方根。 平方根转换。
• 自然对数。自然对数转换。

指定自定义的指数平滑法模型

此功能需要 SPSS® Statistics Professional Edition 或“预测”选项。

1. 从菜单中选择：

   分析 > 预测 > 创建模型...

2. 在“变量”选项卡上，为“方法”选择指数平滑法。
3. 单击条件...。
4. 选择指数平滑法模型的类型，并根据需要选择因变量转换。