ARIMA预测模型，是实现差分整合移动平均自回归模型，是以时间序列展示的图形。那么，如何使用SPSS实现ARIMA预测模型呢？
工具/原料
1
SPSS分析工具
2
笔记本电脑
3
截图工具
4
WPS
第一，生成文件导入数据
1
创建一个Excel工作表，添加两列日期和温度
2
打开SPSS分析工具，点击文件，导入数据，选择Excel
3
打开数据窗口，选择刚刚创建的工作表，然后点击打开
4
打开读取Excel文件窗口，设置范围并点击确定按钮
5
这时在数据视图产生两列数据，第一列是日期列、第二列为温度列
第二，分析时间序列预测
1
点击分析菜单，依次选择时间序列预测--->序列图
2
打开序列图窗口，将温度移到变量框中，日期移到时间轴标签框中
3
接着再次选择分析菜单，然后是时间序列预测下的自相关
4
打开自相关性窗口，将温度移到变量框中，勾选显示中的自相关性和偏自相关性，然后点击确定
第三，输出结果展示图表
1
设置完后查看输出，可以看到序列图下方有个模型描述和个案处理摘要
2
以日期为横坐标，温度为纵坐标的时间序列图
3
接着是ACF，有模型描述和个案处理摘要表格
4
展示以温度为序列，自相关性表格（自相关性、值、自由度等）
5
以ACF为纵轴，滞后编号为横轴的温度指标图形
6
再以温度为序列，有延迟、偏自相关性和标准误差的偏自相关性表格
7
最后是以偏ACF为纵轴，滞后编号为横轴的温度指标组合图形
总结
1、生成文件导入数据2、分析时间序列预测3、输出结果展示图表END
注意事项
1
注意如何使用SPSS建立ARIMA预测模型
2
注意ACF自相关性和偏自相关性的区别
上一篇：SPSS曲线估计模型
下一篇：医院怎么升职称