SPSS时间序列：拟合优度测量

SPSS时间序列：拟合优度测量

一、拟合优度测量

1、固定的R方.将模型的平稳部分与简单均值模型相比较的测量。当具有趋势或季节性模式时，该度量适用于普通R方。固定的R方可以是负无穷大到1范围中的负值。负值表示考虑中的模型比基线模型差。正值表示考虑中的模型比基线模型好。

2、R方.总变动在由模型解释的序列中的比例估计。当序列很平稳时，此度量最有用。R方可以是负无穷大到1范围中的负值。负值表示考虑中的模型比基线模型差。正值表示考虑中的模型比基线模型好。

3、RMSE.均方根误差。均方误差的平方根。度量因变量序列与其模型预测水平的相差程度，用和因变量序列相同的单位表示。

4、MAPE.平均绝对误差百分比。度量因变量序列与其模型预测水平的相差程度。它与使用的单位无关，因此可用于比较具有不同单位的序列。

5、MAE.平均绝对误差。度量序列与其模型预测水平的差别程度。MAE以原始序列单位报告。

6、MaxAPE.最大绝对误差百分比。最大的预测误差，以百分比表示。该度量对于想象预测的最坏情况方案很有用。

7、MaxAE.最大绝对误差。最大的预测误差，以和因变量序列相同的单位表示。与MaxAPE相同，它对于想象预测的最坏情况方案很有用。最大绝对误差和最大绝对误差百分比可能发生在不同的序列点上，例如，当较大序列的绝对误差比较小值的绝对误差稍微大一些时。在此情况下，最大绝对误差将发生在较大序列值处，而最大绝对误差百分比将发生在较小序列值处。

8、标准化的BIC.标准化的BIC（BIC准则）。尝试代表模型复杂性的模型整体拟合的一般度量。它是基于均方误差的分数，包括模型中参数数量的罚分和序列长度。罚分去除了具有更多参数的模型优势，从而可以容易地比较相同序列的不同模型的统计量。

二、离群值类型

1、可加的.影响单个观察值的离群值。例如，可能将数据编码错误标识为可加离群值。

2、移位水平.从某个特定的序列点开始将所有观察值移动一个常数的离群值。移位水平可能由于策略的更改而造成的。

3、创新的.在某个特定的序列点附加到噪声项的离群值。对于平稳的序列，创新离群值将影响多个观察值。对于不平稳的序列，它可能影响在某个特定的序列点开始的每个观察值。

4、瞬时的.其影响按指数衰减到0的离群值。

5、季节性可加的.一个离群值，它影响特定观察值以及通过一个或多个季节性期间与之分隔的所有后续观察值。该离群值对所有这些观察值具有同等的影响。如果从某年开始，每个一月的销售额都增加，则可能发生季节性可加离群值。

6、局部趋势.从某个特定的序列点开始局部趋势的离群值。