SPSS在线

花匠小妙招
2024-11-11 06:23

5、文字分析

上表格显示p/d/q/P/D/Q参数信息值，从上表格可以看到，本次模型为Sarima(0,1,1)(0,1,3)，S值为12。d/D这两个差分值均为1。

上表格展示模型构建结果，包括模型参数和信息准则。本次模型构建时，SPSSAU自动构建出模型为：Sarima(0,1,1)(0,1,3)，上表格中ma表示移动平均的意思，L1表示滞后1阶的意思，L12表示滞后12阶的意思，由于Q=3，因而会出现L12/L24和L36。如果研究人员希望自己进行模型构建并且进行优劣对比，可先记录下每个模型的AIC或BIC值，然后结合AIC或BIC值越小越好的原则，选择最优模型。

上表格展示预测值，其最为重要。向后1期即指2022年12月（数据最后一期是2022.11月），向后2期是指2023.1月数据。通常情况下向后一个周期内的数据相对较为准确，向后期数越多可能准确率越低。本次预测2022.12月新能源汽车销售量为68.653万，2023.1月销售为59.205万。

SPSSAU默认展示时间序列最近12期的实际值和拟合值和预测数据。可通过下图直观查看数据拟合效果等。

上表格展示出sarima模型各类残差检验指标；包括拉格朗日乘数检验(Breush-Godfrey LM检验)，其用于检验模型残差序列是否存在序列相关，其原假设H0为序列不存在序列相关，备选假设H1为序列存在序列相关， LM检验提供两个统计量分别是F和T * R方,通常使用F统计量即可；

Ljung-Box白噪声检验用于检验模型残差是否满足白噪声，其原假设H0为序列为白噪声，备选假设H1为序列非白噪声；Heteroskedasticity异方差检验用于检验模型残差是否存在异方差，其原假设H0为序列不存在异方差，备选假设H1为序列存在异方差;Jarque-Bera正态性检验用于检验模型残差是否满足正态性，其原假设H0为序列满足正态性，备选假设H1为序列非正态性；

通常情况下希望序列均接受原假设H0即残差序列不存在序列相关、满足白噪声、不存在异方差问题并且满足正态性。但实质研究中，很难各项均满足，比如本案例数据，满足LM检验即序列相关，Ljung-Box白噪声检验，而且满足Jarque-Bera正态性检验。但并不满足Heteroskedasticity异方差检验。一般来说满足白噪声检验更加重要，本案例数据模型满足此检验，除此之外，SPSSAU还单独提供Q检验，与Ljung-Box检验类似，其也用于白噪声检验。

Sarima构建后一般要求模型残差为白噪声，可通过Q统计量检验进行白噪声检验（原假设：残差是白噪声）；比如Q6用于检验残差前6阶自相关系数是否满足白噪声，通常其对应p 值大于0.1则说明满足白噪声检验（反之则说明不是白噪声），常见情况下可直接针对Q6进行分析即可；从Q统计量结果看，Q6的p 值为0.5大于0.1，则在0.1的显著性水平下不能拒绝原假设，模型的残差是白噪声，模型基本满足要求。