SPSS时间序列:频谱分析
一、频谱分析(分析-预测-频谱分析)
“频谱图”过程用于标识时间序列中的周期行为。它不需要分析一个时间点与下一个时间点之间的变异,只要按不同频率的周期性成分分析整体序列的变异。平滑序列在低频率具有更强的周期性成分;而随机变异(“白噪声”)将成分强度分布到所有频率。不能使用该过程分析包含缺失数据的序列。
1、示例。建造新住房的比率是一个国家/地区经济的重要晴雨表。有关住房的数据开始时通常会表现出一个较强的季节性成分。但在估计当前数字时,分析人员需要注意数据中是否呈现了较长的周期。
2、统计量。正弦和余弦变换、周期图值和每个频率或周期成分的谱密度估计。在选择双变量分析时:交叉周期图的实部和虚部、余谱密度、正交谱、增益、平方一致和每个频率或周期成分的相位谱。
3、图。对于单变量和双变量分析:周期图和频谱密度。对于双变量分析:平方一致性、正交谱、交叉振幅、余谱密度、相位谱和增益。
4、数据。变量应为数值型。
5、假设。变量不应包含任何内嵌的缺失数据。要分析的时间序列应该是平稳的,任何
非零均值应该从序列中删除。
平稳.要用ARIMA模型进行拟合的时间序列所必须满足的条件。纯的MA序列是平稳
的,但AR和ARMA序列可能不是。平稳序列的均值和方差不随时间改变。
二、频谱图(分析-预测-频谱分析)
1、选择其中一个“频谱窗口”选项来选择如何平滑周期图,以便获得谱密度估计值。可用的平滑选项有“Tukey-Hamming”、“Tukey”、“Parzen”、“Bartlett”、“Daniell(单元)”和“无”。
1.1、Tukey-Hamming.权重为Wk = .54Dp(2 pi fk) + .23Dp (2 pi fk + pi/p) + .23Dp (2pi fk - pi/p),k = 0, ..., p,其中p是一半跨度的整数部分,Dp是阶数p的Dirichlet内核。
1.2、Tukey.权重为Wk = 0.5Dp(2 pi fk) + 0.25Dp (2 pi fk + pi/p) + 0.25Dp(2 pi fk -pi/p),k = 0, ..., p,其中p是一半跨度的整数部分,Dp是阶数p的Dirichlet内核。
1.3、Parzen.权重为Wk = 1/p(2 + cos(2 pi fk)) (F[p/2] (2 pi fk))**2,k= 0, ... p,其中p是一半跨度的整数部分,而F[p/2]是阶数p/2的Fejer内核。
1.4、Bartlett.谱窗口的形状,窗口上半部分的权重按如下公式计算:Wk = Fp(2*pi*fk),k = 0, ... p,其中p是半跨度的整数部分,Fp是阶数p的Fejer内核。下半部分与上半部分对称。
1.5、Daniell(单元).所有权重均等于1的频谱窗口形状。
1.6、无.无平滑。如果选择了此选项,则频谱密度估计与周期图相同。
2、跨度.一个连续值范围,在该范围上将执行平滑。通常使用奇数。较大的跨度对谱密度图进行的平滑比较小的跨度程度大。
3、变量中心化.调整序列以使在计算谱之前其均值为0,并且移去可能与序列均值关联的较大项。
4、图。周期图和谱密度对单变量分析和双变量分析均可用。其他所有选项仅对双变量分析可用。
4.1、周期图.针对频率或周期绘制的未平滑谱振幅图(绘制在对数刻度中)。低频率变动是平滑序列的特征。均匀地分布在所有频率上的变动则表示“白噪音”。
4.2、平方一致性.两个序列的增益的乘积。
4.3、正交谱.交叉周期图的虚部,是两个时间序列的异相频率成分的相关性的测量。成分的异相为pi/2弧度。
4.4、交叉振幅.余谱密度平方和正交谱平方之和的平方根。
4.5、谱密度.已进行平滑而移去了不规则变动的周期图。
4.6、余谱密度.交叉周期图的实部,是两个时间序列的同相频率分量的相关性的测量。
4.7、相位谱.一个序列的每个频率成分提前或延迟另一个序列的程度的测量。
4.8、增益.用一个序列的谱密度除以跨振幅的商。这两个序列都有自己的获得值。
数据分析咨询请扫描二维码
在如今的数据驱动时代,掌握数据分析的工具和方法不仅是提高工作效率的关键,也是开拓职业机会的重要技能。数据分析涉及从数据的 ...
2024-11-08在现代商业环境中,企业正在逐步认识到数据挖掘技术在客户行为分析中的重要性。通过深度分析客户数据,这项技术不仅可以帮助企业 ...
2024-11-08数据挖掘分析是从大量数据中发现隐藏模式和有用信息的过程。尤其是在图数据挖掘中,提供了分析复杂关系和结构的独特视角。图数据 ...
2024-11-08在当今快速发展的商业环境中,提高运营效率已成为企业取得成功的关键因素。企业需要通过优化工作流程、利用技术创新和提升员工技 ...
2024-11-08Python 是一门非常适合初学者学习的编程语言。其简洁明了的语法、丰富的功能库,以及广泛的应用领域,使其成为学习编程的理想选 ...
2024-11-08在当今快速变化的商业环境中,金融数字化已经成为中小企业(SMEs)发展的关键驱动力。通过采用数字工具和技术,中小企业能够提高 ...
2024-11-08中小企业在全球经济中扮演着重要角色,然而,面对数字化浪潮,这些企业如何有效转型成为一大挑战。数字化转型不仅是技术的升级, ...
2024-11-08选择合适的数据分析方法是数据分析流程中的关键环节。它影响最终结论的准确性和可信度。在这个过程中,需要综合考虑数据的性质、 ...
2024-11-08在当今数据驱动的商业环境中,数据分析师扮演着至关重要的角色。他们帮助企业从大量数据中提取有用的洞察,从而推动决策制定和战 ...
2024-11-07在现代商业环境中,商务数据分析师扮演着至关重要的角色。作为联系业务需求与数据洞察之间的桥梁,数据分析师需要具备一系列技能 ...
2024-11-07在现代商业环境中,商务数据分析师扮演着至关重要的角色。作为联系业务需求与数据洞察之间的桥梁,数据分析师需要具备一系列技能 ...
2024-11-07在现代商业环境中,数据挖掘发挥着至关重要的作用。它不仅帮助企业从庞大的数据集中提取有价值的信息,还为企业的决策和业务运营 ...
2024-11-07数据分析可视化是一种通过图形化方式展现数据的技术,它使复杂的数据变得直观易懂,从而帮助我们更好地做出决策。在这个快速发展 ...
2024-11-07数据分析是一项至关重要的技能,尤其在当今数据驱动的世界中。Python以其强大的库和简单的语法成为了数据分析领域的佼佼者。本文 ...
2024-11-07在现代数据驱动的环境中,数据分析师扮演着至关重要的角色。他们需要掌握多种工具,以满足数据分析、处理和可视化的需求。无论是 ...
2024-11-07作为一名业务分析师,你将发现自己处于企业决策和数据驱动战略之间的桥梁位置。这个角色要求掌握一系列技能,以便有效地将数据转 ...
2024-11-07CDA中科院城市环境研究所(厦门)内训圆满成功 2017年9月12日-15日,CDA数据分析师在中科院城市环境研究所(厦门)进行了 ...
2024-11-07数据分析是现代商业和研究领域不可或缺的重要工具。无论是为了提高业务决策的准确性,还是为了发掘隐藏在数据中的潜在价值,了解 ...
2024-11-06数据分析是一个精细且有序的过程,旨在从海量数据中提取有用的信息,为决策提供有力支持。无论你是新手还是有经验的分析师,理解 ...
2024-11-06在当今竞争激烈的商业环境中,业务分析师(Business Analyst, BA)的角色变得愈加重要。随着企业对数据驱动决策的依赖加深,业务 ...
2024-11-06