7利用SPSS和matlab进行时间序列预测

时间序列分析实验指导统计与应用数学学院前言随着计算机技术的飞跃发展以及应用软件的普及，对高等院校的实验教学提出了越来越高的要求。

为实现教育思想与教学理念的不断更新，在教学中必须注重对大学生动手能力的培训和创新思维的培养，注重学生知识、能力、素质的综合协调发展。

为此，我们组织统计与应用数学学院的部分教师编写了系列实验教学指导书。

这套实验教学指导书具有以下特点：①理论与实践相结合，书中的大量经济案例紧密联系我国的经济发展实际，有利于提高学生分析问题解决问题的能力。

②理论教学与应用软件相结合，我们根据不同的课程分别介绍了SPSS、SAS、MATLAB、EVIEWS等软件的使用方法，有利于提高学生建立数学模型并能正确求解的能力。

这套实验教学指导书在编写的过程中始终得到安徽财经大学教务处、实验室管理处以及统计与应用数学学院的关心、帮助和大力支持，对此我们表示衷心的感谢！限于我们的水平，欢迎各方面对教材存在的错误和不当之处予以批评指正。

统计与数学模型分析实验中心 2007年2月目录实验一 EVIEWS中时间序列相关函数操作【实验目的】熟悉Eviews的操作：菜单方式，命令方式；练习并掌握与时间序列分析相关的函数操作。

【实验内容】一、EViews软件的常用菜单方式和命令方式；二、各种常用差分函数表达式；三、时间序列的自相关和偏自相关图与函数；【实验步骤】一、EViews软件的常用菜单方式和命令方式；㈠创建工作文件⒈菜单方式启动EViews软件之后，进入EViews主窗口在主菜单上依次点击File/New/Workfile，即选择新建对象的类型为工作文件，将弹出一个对话框，由用户选择数据的时间频率（frequency）、起始期和终止期。

选择时间频率为Annual（年度），再分别点击起始期栏（Start date）和终止期栏（End date），输入相应的日期，然后点击OK按钮，将在EViews 软件的主显示窗口显示相应的工作文件窗口。

第1篇一、开场白尊敬的面试官，各位老师，大家好！我是应聘应用统计专业的考生[考生姓名]，很荣幸能够参加今天的复试。

在此，我想简要介绍一下自己，并对之前的学习和科研经历进行回顾。

接下来，我将根据面试题目进行回答。

二、个人基本情况介绍1. 教育背景：- 本科就读于[本科院校]，专业为[本科专业]。

- 研究生阶段，我选择了[研究生院校]，攻读[研究生专业]。

2. 科研经历：- 在本科阶段，我曾参与[科研项目名称]，负责[工作内容]，通过该项目，我掌握了[所学技能]。

- 在研究生阶段，我继续深入研究[研究方向]，发表了[论文数量]篇论文，其中[核心期刊/会议名称]一篇。

3. 实践经历：- 我曾实习于[公司名称]，担任[职位]，通过实习，我了解了[行业知识]，提高了[实践能力]。

三、面试题目及解析第一部分：统计学基础知识1. 题目：简述泊松分布、正态分布、二项分布的特点及适用场景。

解析：泊松分布适用于描述在固定时间或空间内发生某种随机事件的次数，正态分布适用于描述连续型随机变量，二项分布适用于描述在有限次独立重复试验中成功次数的分布。

三者分别适用于不同的场景，考生需要根据具体问题选择合适的分布。

2. 题目：解释相关系数、协方差、回归系数的概念及区别。

解析：相关系数用于衡量两个变量之间的线性关系，协方差用于衡量两个变量的线性关系程度，回归系数用于描述自变量对因变量的影响程度。

三者之间存在一定的联系，但侧重点不同。

3. 题目：简述假设检验的基本步骤。

解析：假设检验包括提出假设、选择检验方法、计算检验统计量、确定拒绝域、做出结论等步骤。

考生需要熟悉这些基本步骤，以便在实际问题中正确运用。

第二部分：统计学应用1. 题目：请简述线性回归模型的基本原理及优缺点。

解析：线性回归模型通过线性关系描述因变量与自变量之间的关系。

优点包括简单易懂、计算方便，缺点包括对异常值敏感、线性关系假设等。

2. 题目：请简述聚类分析的基本原理及常用方法。

2016年中国矿业大学数学建模模拟竞赛参赛基本信息专用页承诺书我们仔细阅读了大学生数学建模竞赛的竞赛规则.我们完全明白，在竞赛开始后参赛队员不能以任何方式（包括电话、电子邮件、网上咨询等）与队外的任何人（包括指导教师）研究、讨论与赛题有关的问题。

我们知道，抄袭别人的成果是违反竞赛规则的, 如果引用别人的成果或其他公开的资料（包括网上查到的资料），必须按照规定的参考文献的表述方式在正文引用处和参考文献中明确列出。

我们郑重承诺，严格遵守竞赛规则，以保证竞赛的公正、公平性。

如有违反竞赛规则的行为，我们将受到严肃处理。

参赛学生基本信息日期：年月日里约奥运会奖牌榜预测摘要本文主要探讨了奥运会奖牌榜的预测问题，通过建立模型对2016年里约奥运会奖牌榜进行预测。

本文主要通过建立比较时间序列模型、多远线性模型喝灰色预测模型，使用MATLAB和SPSS软件对历届奥运会奖牌榜进行分析并最终得到最优预测模型。

在模型一的建立中，我们假设奥运会奖牌榜之语往届奥运会奖牌榜有关，使用时间序列法来进行预测，通过对数据拟合建立回归模型。

由于模型一得预测结果与实际奖牌榜出入较大，在模型二的建立中，我们综合考虑了国家GDP、人口数量、经济发展水平、人口结构和东道主效应等因素建立多元回归模型。

关键词：一、问题的重述奥运会是竞技体育顶级盛会，其所获奖牌数及国家排名在一定程度上是衡量一个国家体育水平的尺度，也是一个国家的经济、政治和综合实力的具体体现之一。

2016年8月6日早上7:00在巴西的里约热内卢隆重开幕(以下简称里约奥运会)，对于正在举行的里约奥运会，大家普遍关心的问题就是奖牌榜的排名，奥运会奖牌榜成了大家关心的热点问题。

现请查阅资料，并根据以往各国奖牌榜排名情况，以及各国经济发展、人口体质、政府政策等各种能影响到奖牌榜的因素，建立数学模型，预测2016里约奥运会的奖牌榜前十名。

并据此对各国体育水平进行分类。

二、问题的分析三、模型假设俄罗斯队因为禁赛原因结果取预测值的2/3世界银行和奥委会提供的资料真实可靠今年奥运会共颁发302块金牌，960块奖牌四、符号说明i国家编号t奥运会届数M每个国家的金牌总数y每个国家奖牌总数POP国家的人口总数GDP国民生产总值Host奥运会主办国社会制度ysSGen青少年在总人口总所占比例五、建立模型及求解5.1、模型一得建立与求解5.1.1、模型一的建立：最简单的增长模型就是马尔萨斯的指数增长模型，设某年的奖牌数为(0)M ,n 年后的奖牌数为()M n ，届增长率为常数k ，则有：()(0)(1)n M n M k =∙+ （1）虽然该模型可以较好的预当参赛国家较少时的奥运奖牌榜，但在实际中增长率k 并不是常数且由于各种原因增长率差别较大，所以此模型无法有效的预测本届奥运会奖牌榜。

参观世博会摘要世博会能否举办成功，无疑与参观总人数和展会收入密切相关。

而会展收入主要来源就是门票收入，本文就上海世博会的票价、人数预测和门票收入建立模型。

问题一：通过现行定价系统，我们找出影响票价的八种因素：平衡客流、特殊群体优惠、三次票、七次票、普通团体票、学生团体票、夜票。

各因素看做0-1变量，建立多元线性回归模型来分析世博会门票价格与影响票价的因素之间的关系。

问题二：日客流量具有周期性和长期性的特点，我们采用我们采取时间序列分析中的差分变换来消除周期性影响，建立自回归滑动平均模型即ARIMA(1,1,0)(1,1,0)模型，利用matlab软件进行模型求解和预测，得出得出9月10日—9月14日的参观人数分别为250440、253460、256480、259500、262520人，整个世博会期间参观的总人数为：6652.7万人，门票收入为106.44亿元。

.问题三：我们首先利用世博会的利润等于世博会收入减去世博会组织支出与场馆建设的直接支出之和计算出本次世博会的盈亏情况，进而分析了对经济的拉动和促进就业方面的影响。

论证出本次世博会对经济的发展和就业环境方面是利大于弊的。

问题四：我们结合2009城镇人均收入和人们对门票价格的期望值得出门票的基准价格170元，进而在增加周末票的基础上，得出各种门票的具体价格最后，我们对建立模型评价，提出模型改进方向，给出模型的实际应用。

关键词: 多元线性回归周期性时间序列分析差分变换一、问题重述上海世博会会期从2010年5月1日至10月31日，一共184天。

上海世博会门票定价的原则是：门票基准价格使绝大多数参观者能够承受；对特殊群体予以适当优惠；鼓励提前购买，鼓励有组织地参观，鼓励团体购买；以区别价格平衡参观客流，起到削峰填谷的作用。

上海世博会门票设个人票和团队票两大类，共11种。

个人票分为指定日票、平日票和当日票，其中指定日票分指定日普通票和指定日优惠票两种；平日票分平日普通票、平日优惠票、3次票、7次票和夜票五种；当日票分当日普通票和当日优惠票两种；团队票分普通团队票和学生团队票两种。

时间序列建模是根据一系列按时间顺序排列的观测值来预测未来的数值或者分析过去的趋势和模式的一种方法。

下面将介绍时间序列建模的相关参考内容。

1.数据收集与预处理：时间序列的建模首先需要收集数据。

数据的收集可以通过调查统计、传感器监测、数据库查询等方式来获得。

收集到的数据需要经过预处理，包括数据清洗、去除异常值或噪声、处理缺失值等。

常用的预处理方法包括平滑处理、插值填补、异常检测和修正等。

2.数据可视化和描述统计分析：在时间序列建模之前，可以通过绘制时序图、箱线图、自相关图、偏自相关图等可视化手段来观察数据的特征和趋势。

此外，还可以计算数据的基本统计量，如均值、方差、偏度、峰度等，以了解数据的分布和特征。

3.时间序列模型选择：根据数据的特点和趋势，选择适合的时间序列模型。

常用的时间序列模型包括平稳时间序列模型（AR、MA、ARMA、ARIMA模型）、非平稳时间序列模型（趋势模型、季节模型、指数平滑模型、ARIMA模型的扩展模型等）和面板数据模型。

4.参数估计和模型检验：对选择的时间序列模型，需要对模型的参数进行估计。

常用的参数估计方法有最小二乘估计、最大似然估计、贝叶斯估计等。

同时，还需要对模型进行检验，如检验模型的残差序列是否平稳、白噪声检验、残差的正态性检验等，以评估模型的拟合程度和有效性。

5.模型预测和评估：根据已建立的时间序列模型，进行未来数值的预测。

可以使用模型自身进行预测，或者结合外部因素进行预测。

在预测的过程中，需要选择合适的预测准则和评估标准，如均方误差（MSE）、平均绝对误差（MAE）、预测精度（APE）等，来衡量模型的预测能力和准确性。

6.模型应用和结果解释：经过以上步骤的时间序列建模，得到的模型可以应用于实际预测或分析中。

根据模型的结果，可以解释时间序列数据的趋势、周期性、季节性等特征，为决策提供依据。

除了以上的步骤和参考内容，还可以结合具体的案例和实践经验，进行时间序列建模。

此外，还可以使用一些统计软件（如R、Python中的statsmodels、MATLAB中的Econometrics Toolbox等）或时间序列分析平台（如EViews、SAS、SPSS等）来辅助进行时间序列建模。

MatlabMATLAB是MathWorks公司推出的一套高性能的数值计算和可视化软件，经过多年大量的、坚持不懈的改进，现在MA TLA已经更新至7.x版。

MATLAB集数值分析、矩阵运算、信号处理和图形显示于一体，构成了一个方便的、界面友好的用户环境。

在这个环境下，对所要求解的问题，用户只需简单地列出数学表达式、其结果便以人们十分熟悉的数值或图形方式显示出来。

有关该软件的发行版本、发行价格和其它最新信息都可以从MathWorks 公司的网络站点/ 获取。

MATLAB的含义是矩阵实验室（Matrix Laboratory），最初主要用于方便矩阵的存取，其基本元素是无需定义维数的矩阵。

经过十几年的完善和扩充，现在已发展成为线性代数课程的标准工具，也成为其它许多领域课程的使用工具。

在工业环境中，MA TLAB可用来解决实际的工程和数学问题，其典型应用有：通用的数值计算，算法设计，各种学科如自动控制、数字信号处理、统计信号处理等领域的专门问题求解。

MATLAB语言易学易用，不要求用户有高深的数学和程序语言知识，不需要用户深刻了解算法及编程技巧。

MA TLAB既是一种编程环境，又是一种程序设计语言。

这种语言与C、FORTRAN等语言一样，有其内定的规则，但MATLAB的规则更接近数学表示。

使用更为简便，可使用户大大节约设计时间，提高设计质量。

MathematicaMathematica系统是美国Wolfram研究公司开发的一个功能强大的计算机数学系统。

它提供了范围广泛的数学计算功能，支持在各个领域工作的人们做科学研究和过程中的各种计算。

它的主要使用者包括从事各种理论工作（数学、物理、...)的科学工作者，从事实际工作的工程技术人员，高等、中等学校教师和学生等。

这个系统可以帮助人们解决各种领域里的涉及比较复杂的符号计算和数值计算的理论和实际问题。

从某种意义上讲，Mathematica是一个复杂的、功能强大的解决计算问题的工具。

教育统计软件使用技巧与实操试卷（答案见尾页）一、选择题1. 在教育统计软件中，下列哪个功能用于导入外部数据？A. 数据导出B. 数据分析C. 数据导入D. 数据可视化2. 教育统计软件中的“描述性统计”功能主要用于生成哪种类型的报告？A. 学生成绩分布B. 课程满意度调查C. 教师教学质量评估D. 学校资源分配情况3. 在进行t检验时，教育统计软件中通常需要设置哪个参数来指定显著性水平？A. α值B. β值C. γ值D. δ值4. 下列哪个选项不是教育统计软件中常用的图表类型？A. 条形图B. 折线图C. 散点图D. 饼图5. 在教育统计软件中进行相关性分析时，若要查看两个变量之间的线性关系强度，应选择哪种图表？A. 直方图B. 箱线图C. 散点图配合趋势线D. 雷达图6. 教育统计软件中的“主成分分析”功能主要用于解决哪类问题？A. 数据降维B. 数据分类C. 数据预测D. 数据插值7. 在进行问卷调查的数据录入时，教育统计软件通常支持哪种数据格式？A. Excel文件B. XML文件C. CSV文件D. Word文档8. 教育统计软件中的“回归分析”功能主要用于探究哪个变量之间的关系？A. 自变量与因变量B. 两个独立变量C. 多变量之间D. 分类变量与连续变量9. 在教育统计软件中，下列哪个操作可以帮助你更清晰地展示数据的分布情况？A. 数据筛选B. 数据排序C. 数据透视表D. 数据分组10. 教育统计软件中的“时间序列分析”功能主要用于研究什么类型的数据？A. 横截面数据B. 面板数据C. 时间序列数据D. 截面数据与时间序列数据的结合11. 在教育统计软件中，下列哪个功能用于创建和编辑数据表？A. 数据导入B. 数据可视化C. 数据清洗D. 数据透视表12. 在进行数据分析时，教育统计软件提供的图表类型不包括以下哪项？A. 折线图B. 柱状图C. 饼图D. 雷达图13. 在教育统计软件中，如何计算一组数据的平均值？A. 使用公式栏手动输入公式B. 单击菜单栏中的“分析”选项，然后选择“计算平均值”C. 右键点击数据列，选择“快速计算”中的“平均值”D. 使用快捷键Ctrl+A14. 在教育统计软件中进行假设检验时，通常不涉及以下哪个步骤？A. 提出假设B. 收集数据C. 进行方差分析D. 选择合适的检验统计量15. 在教育统计软件中，如何将图表导出为图片格式？A. 单击图表，然后选择菜单栏中的“文件”选项，再选择“导出”B. 右键点击图表，选择“另存为图片”C. 使用快捷键Ctrl+Shift+ED. 在图表上双击，选择“导出”选项16. 在教育统计软件中，进行相关性分析时，相关系数接近表示两个变量之间存在何种关系？B. 强正相关C. 弱负相关D. 强负相关17. 在教育统计软件中，如何对数据进行分组统计？A. 使用数据透视表B. 单击菜单栏中的“数据”选项，然后选择“分组统计”C. 右键点击数据列，选择“分组”D. 使用快捷键Ctrl+G18. 在教育统计软件中，如何进行时间序列数据的预测？A. 使用线性回归分析B. 单击菜单栏中的“分析”选项，然后选择“时间序列预测”C. 右键点击数据列，选择“趋势预测”D. 使用快捷键Alt+F819. 在教育统计软件中，如何创建一个自定义的统计报告？A. 使用菜单栏中的“报告”选项，然后选择“新建报告”B. 单击工具栏上的“报告”按钮，然后选择“自定义报告”C. 右键点击工作表，选择“插入报告”D. 使用快捷键Ctrl+N20. 在教育统计软件中，如何进行数据的标准化处理？A. 使用菜单栏中的“分析”选项，然后选择“标准化”B. 单击工具栏上的“标准化”按钮C. 右键点击数据列，选择“属性”中的“标准化”D. 使用快捷键Shift+Ctrl+Z21. 教育统计软件主要用于什么目的？A. 数据收集与整理B. 数据分析与可视化C. 教学管理22. 在教育统计软件中，以下哪个功能不是用于数据处理的？A. 数据导入B. 数据清洗C. 数据可视化D. 学生成绩录入23. 下列哪个选项是教育统计软件中常用的图表类型？A. 折线图B. 饼图C. 散点图D. 柱状图24. 在进行数据分析时，教育统计软件可以帮助教师发现哪些信息？A. 学生成绩分布B. 课程满意度调查C. 教学资源使用情况D. 所有以上都是25. 教育统计软件的安装和运行通常需要满足哪些系统要求？A. 操作系统为Windows XPB. 处理器速度为1GHzC. 内存至少2GBD. 硬盘空间至少500MB26. 在教育统计软件中，如何将数据导出为Excel文件？A. 通过“文件”菜单中的“另存为”选项B. 使用快捷键Ctrl+Shift+EC. 右键点击数据表格选择“导出”D. 在工具栏中找到“导出”按钮27. 使用教育统计软件进行数据分析时，以下哪个步骤不是必须的？A. 数据预处理B. 数据可视化C. 数据录入D. 结果解释与分析28. 在教育统计软件中，如何进行数据的分组统计？A. 选择“数据”菜单中的“分组统计”选项B. 使用快捷键Ctrl+GC. 在工具栏中找到“分组”按钮D. 在数据表格中使用公式进行计算29. 教育统计软件在教学管理中的应用不包括以下哪项功能？A. 学生成绩管理B. 课程安排与统计C. 教师教学质量评估D. 校园网络安全监控30. 使用教育统计软件进行数据分析的优势是什么？A. 节省时间，提高效率B. 数据处理能力强，分析结果准确C. 可以自定义图表和报告D. 所有以上都是二、问答题1. 什么是教育统计软件？它在教育领域的应用有哪些？2. 常见的几种教育统计软件有哪些？它们各自的特点是什么？3. 如何使用Excel进行基本的数据录入和管理？4. 最后，可以将数据以图表的形式直观展示出来。

汉江安康站最大泾流量、最小泾流量分析与预测摘要：本文用自回归拟合和时间序列的ARMA模型分析法，分析了汉江安康站台1943年～1997年共55年的最大泾流量与最小泾流量的水文资料，建立了最大泾流与最小泾流的分析与预测模型。

并对五年的泾流量进行了预测。

为我们研究汉江泾流量的变化规律提供了较科学的依据。

关键词：泾流量时间序列ARMA模型一、问题的重述气候是重要的环境因素，研究我国干旱和半干旱地区的气候变化规律，对确定陕西的经济发展战略，制定发展规划具有重要意义。

以下是1943年～1997年汉江安康站统计的最大、最小泾流量数据。

二、模型假设：1、假设数据来源真实可靠。

2、假设测量方式不存在较大的误差。

3、假设气候对水流量的影响持续平稳。

三、符号说明：tx 最大径流量时间序列ty 最小径流量时间序列t u 对t x 作预处理后的时间序列 t v 对t y 作预处理的时间序列 't u 对t u 求零均值后的时间序列't v 对v t 求零均值后的时间序列 t w 对't u 作一次差分后的时间序列 tz 对't v 作一次差分后的时间序列四．模型建立及求解问题一对于问题一，我们可以根据画出的大致曲线图看出泾流量的趋势分布，由所建模型一得出的拟合图及方程看出数据间的大致关系。

用SPSS 软件对数据作了处理，建立ARIMA 模型来对未来五年的数据进行预测。

问题二对于问题二，我们建立了一元多项式拟合函数模型和时间序列ARMA 模型，对水流量进行分析。

模型一：1、问题的分析：根据表中的数据，作出相关的散点图，分析这些散点图的分布及其规律。

根据散点图的分布，假设出拟合函数。

用一元多项式拟合函数模型。

最小的泾流量散点图如下图：最大的散点图如下图：2、模型的建立与求解:先建立好相关的矩阵，如下：Year=[1943:1997]’;Min=[71.3 83.3 44 10.5 97 97 100 116 67.6 89.7 90 106 51.686 84 60.5 108 63.1 95.9 83.3 76.8 120 90 72.5 74.692 75 94.5 95.4 44.9 51.8 56.1 55.3 77.5 43.2 4848.8 50.8 50.8 63.1 62.5 181.4 69.9 54.6 36 36.22.5 6.09 5.76 4.51 8.5 9.4 5.93 6.3 2.8];Max=[6000 3890 9310 12800 5680 16900 1400 8720 18000 15300 9570 8110 19900 15100 11700 16600 4190 185008390 10800 16900 13700 20400 3550 11800 19700 66407630 7300 7600 12500 23400 15300 8130 9120 1600016000 14700 15400 15000 31000 19200 11300 6760 175004790 1030 8040 4800 7560 7960 5110 5500 54202450];用MATLAB做图函数做图：Plot(Year,Min,’r.’),plot(Year,Max,’b.’),用MATLAB中的拟合函数得出多项式的系数：P=polyfit(Year,Min,6);要检测值：Val=polyval(P,Year);拟合函数的曲线：Plot(Year,Val,’r.’),plot(Year,Val,’b.’),拟合函数的曲线图如下：最小泾流量的拟合函数图最大的泾流量拟合函数图得到的函数如下：最小泾流量：y=6.1468e-007x^6-0.0072622x^5+35.7489x^4- 93853.2846x^3+138595764.8455x^2-109154208947.5171x+ 35818804725431.6最大泾流量：y=0.00014656x^6-1.7308x^5+8516.5823x^4- 22349317.6434x^3+32989553252.0738x^2-25970365015027.13x+8518422193185046模型的检验（t-test）:F地用SPSS软件分析数据得到结果如下：寺附数据表:3、模型的预测由以上数据及拟合曲线，用MATLAB对未来五年的泾流量作了如下预测：预测数据表年份19981999200020012002最小泾流量14.156329.304751.656382.9609124.7891最大泾流量849012883191792783939212模型的优劣1．优点：用这种拟合法操作简单，思路清晰，把离散问题连续化，算法简单，快捷。

如何用spss做组合预测法浏览次数：865次悬赏分：10 |解决时间：2011-1-4 15:02 |提问者：飞翔的长颈鹿_目前我用一元线性、多元线性、曲线回归、灰色模型、ARIMA模型、指数平滑法对城市生活垃圾产生量做了预测模型，但感觉还是不够有说服力，虽然R 的平方挺高的，但还是希望找到一个进一步拟合得更好的模型用于未来的预测。

希望大家能告诉我怎样用SPSS做组合预测法？还有，判定一个模型的好坏，除了用R的平方、残差平方和的大小来判定外，还有什么比较直观的判断方法？先谢谢大家了~~~最佳答案判断模型的好坏主要用AIC、SIC或者BIC来看。

SPSS里面只有BIC。

这三个指标意思是差不多的，不过以SIC和BIC为准。

你在建立不同模型的时候把相应的BIC都算出来，比较哪个最小，哪个模型就是最好的。

还有，就是检验模型中自变量的T-statistics，和F-statistics。

如果都显著，也说明模型比较好。

此外，可以进一步检验残差，如果你的残差服从0均值的正态分布，并且ACF 和PACF都近似为0的话，就说明你的残差服从白噪声分布。

此时的预测就是很科学的了。

对于检验正态分布，可以用SPSS里面的Q-Q test，检验白噪声可以用Box-Ljung test。

在SPSS里可以算出Box-Ljung test。

我只是大概说一下概念，你有兴趣可以自己搜索学习一下SPSS中建立ARIMA模型后如何得到残差?浏览次数：830次悬赏分：0 |解决时间：2010-4-22 14:32 |提问者：kingjindali已用SPSS建立ARIMA模型，但是建模后需检验残差项是否为白噪声序列。

建模的输出结果中没有残差（residuals），怎么办？急求解答，先谢过。

不好意思我没有财富值啊，请大家帮个忙。

最佳答案在对话框中点击save按钮，弹出对话框中有残差（residual）那一项怎样在spss 17.0中录入数据？我要做人口预测，变量是年份和总人口数，每次一输入就只有前两位数，求急救！浏览次数：676次悬赏分：0 |解决时间：2010-12-8 19:50 |提问者：linyiqiong我用的是spss 17。

§9. 利用Matlab 和SPSS 实现主成分分析1.直接调用Matlab 软件实现在软件Matlab 中实现主成分分析可以采取两种方式实现：一是通过编程来实现；二是直接调用Matlab 中自带程序实现。

通过直接调用Matlab 中的程序可以实现主成分分析：)(]2,var ,,[X princomp t iance score pc =式中：X 为输入数据矩阵⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=nm n n m m x x x x x x x x x X 212222111211（一般要求n>m ）输出变量：①pc 主分量f i 的系数，也叫因子系数；注意：pc T pc=单位阵②score 是主分量下的得分值；得分矩阵与数据矩阵X 的阶数是一致的； ③variance 是score 对应列的方差向量，即A 的特征值；容易计算方差所占的百分比percent-v = 100*variance/sum(variance);④t2表示检验的t2-统计量（方差分析要用） 计算过程中应用到计算模型:ξ+⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎣⎡m T p x x x A f f f 2121 (要求p<m )例：表1为某地区农业生态经济系统各区域单元相关指标数据，运用主成分分析方法可以用更少的指标信息较为精确地描述该地区农业生态经济的发展状况。

表1 某农业生态经济系统各区域单元的有关数据样本序号 x 1：人口密度(人/km 2) x 2：人均耕地面积(ha) x 3：森林覆盖率(%) x 4：农民人均纯收入(元/人) x 5：人均粮食产量 (kg/人) x 6：经济作物占农作物播面比例(％)x 7：耕地占土地面积比率(％) x 8：果园与林地面积之比(％) x 9：灌溉田占耕地面积之比(％)1 363.912 0.352 16.101 192.11 295.34 26.724 18.492 2.231 26.262 2 141.503 1.684 24.301 1 752.35 452.26 32.314 14.464 1.455 27.066 3 100.695 1.067 65.601 1 181.54 270.12 18.266 0.162 7.474 12.489 4 143.739 1.336 33.205 1 436.12 354.26 17.486 11.805 1.892 17.534 5 131.412 1.623 16.607 1 405.09 586.59 40.683 14.401 0.303 22.932 6 68.337 2.032 76.204 1 540.29 216.39 8.128 4.065 0.011 4.861 7 95.416 0.801 71.106 926.35 291.52 8.135 4.063 0.012 4.862 8 62.901 1.652 73.307 1 501.24 225.25 18.352 2.645 0.034 3.2019 86.624 0.841 68.904 897.36 196.37 16.861 5.176 0.055 6.167 10 91.394 0.812 66.502 911.24 226.51 18.279 5.643 0.076 4.477 11 76.912 0.858 50.302 103.52 217.09 19.793 4.881 0.001 6.165 12 51.274 1.041 64.609 968.33 181.38 4.005 4.066 0.015 5.402 13 68.831 0.836 62.804 957.14 194.04 9.110 4.484 0.002 5.790 14 77.301 0.623 60.102 824.37 188.09 19.409 5.721 5.055 8.413 15 76.948 1.022 68.001 1 255.42 211.55 11.102 3.133 0.010 3.425 16 99.265 0.654 60.702 1 251.03 220.91 4.383 4.615 0.011 5.593 17 118.505 0.661 63.304 1 246.47 242.16 10.706 6.053 0.154 8.701 18 141.473 0.737 54.206 814.21 193.46 11.419 6.442 0.012 12.945 19 137.761 0.598 55.901 1 124.05 228.44 9.521 7.881 0.069 12.654 20 117.612 1.245 54.503 805.67 175.23 18.106 5.789 0.048 8.461 21122.7810.731 49.102 1 313.11 236.29 26.724 7.162 0.092 10.078对于上述例子，Matlab 进行主成分分析，可以得到如下结果。