热线电话:13121318867

登录
首页精彩阅读SPSS移动平均一点也不神秘
SPSS移动平均一点也不神秘
2015-02-06
收藏

预测才是数据分析的真谛,通过历史数据,预测未来的各种可能性,针对预测的结果防范于未然。预测方法有很多种,包括定性以及定量方法。其中,时间序列预测,它不用过多考虑内部具体的、错综复杂的影响因素,是“历史重演”的惯性假设条件下,基于外部数据的对未来的估计。

什么是移动平均?

最简单,也是最常用的时间序列分析是移动平均法,任何周期的预测值都是过去几个周期观测值的平均值。要执行移动平均法,首先需要选择一个跨度,即每次移动平均的周期。例如,我们假设数据是每月的数据,跨度选择5个月,因此下个月的预测值是前5个月值得平均值。注意,跨度越大,预测序列就越平滑。SPSS统计分析工具提供了便捷的移动平均模型,今天一起来揭开它的神秘。

SPSS移动平均分析实例

数据“SPSS移动平均分析实例”,其中变量sales为某个公司1986-1997年间各个季度某商品的销售量数据,用移动平均法来预测1998年1季度销售额及98年2季度的销售额。

菜单操作步骤

(1)“转换”——“创建时间序列”

(2)将“销售量”移动至右侧框内,新的变量命名为:移动平均;

(3)函数选择:先前移动平均,跨度选择5;

(4)单击“更改”

备注:(此案例旨在说明SPSS移动平均的过程,跨度的大小不再考虑。)

此时,在数据集界面,我们可以看到,1998年1季度预测值为:4490.52,如果我们继续这个步骤来预测1998年2季度,由于1998年1季度并没有真实的观测值,一般在这种情况下,多采用相应的预测值代替,按照同样的方法,我们可以得到,1998年2季度的预测值为:4483.43。

如何来衡量移动平均的误差

最简单是采用平均绝对误差MAE,为n个预测值与观测值误差的平均值。通过计算新的变量,可轻松得到。本例跨度为5的情况下,其MAE为:569.5,可见该值较大,平均绝对误差比较大,移动平均的效果并不明显。

 必须得强调的几点

(1)时间序列存在比较明显的季节性趋势时,不适于使用移动平均;

(2)时间序列存在比较明显的发展趋势时,不适于使用移动平均;

上面这个案例,从时间序列图上,可以看出,存在明显的趋势因素及季节性因素,综合而言,并不适用于使用移动平均,最后由较高的MAE也可以反映出这一点,因此在使用移动平均前需要重点观察序列的趋势。

数据分析咨询请扫描二维码

最新资讯
更多
客服在线
立即咨询