SPSS On-Line Training Workshop O procedimento Time Series fornece as ferramentas para a criação de modelos, aplicando um modelo existente para análise de séries temporais, decomposição sazonal e análise espectral de dados de séries temporais, bem como ferramentas para calcular autocorrelações e correlações cruzadas. Os seguintes dois clipes de filme demonstram como criar um modelo de série temporal de suavização exponencial e como aplicar um modelo de série temporal existente para analisar dados de séries temporais. MOVIE: Modelo de Suavização Exponencial MOVIE: Modelo ARIMA Ferramenta Expert Modeler Expert Nesta oficina on-line, você encontrará muitos clipes de filme. Cada clipe de filme demonstrará alguma utilização específica do SPSS. Criar modelos TS. Existem diferentes métodos disponíveis no SPSS para criar modelos de séries temporais. Existem procedimentos para modelos de suavização exponencial, univariada e multivariada Autoregressive Integrated Moving-Average (ARIMA). Estes procedimentos produzem previsões. Métodos de alisamento na previsão - Médias móveis, médias móveis ponderadas e métodos exponenciais de suavização são freqüentemente usados na previsão. O principal objectivo de cada um destes métodos é suavizar as flutuações aleatórias na série temporal. Estes são eficazes quando a série temporal não exibe tendência significativa, efeitos cíclicos ou sazonais. Isto é, a série de tempo é estável. Os métodos de suavização são geralmente bons para as previsões de curto alcance. Médias móveis: Médias móveis usa a média dos valores de dados k mais recentes na série de tempo. Por definição, MA S (valores k mais recentes) k. A MA média muda à medida que novas observações ficam disponíveis. Média Móvel Ponderada: No método MA, cada ponto de dados recebe o mesmo peso. Na média móvel ponderada, usamos pesos diferentes para cada ponto de dados. Ao selecionar os pesos, calculamos a média ponderada dos valores de dados k mais recentes. Em muitos casos, o ponto de dados mais recente recebe o maior peso eo peso diminui para pontos de dados mais antigos. A soma dos pesos é igual a 1. Uma maneira de selecionar pesos é usar pesos que minimizem o critério de erro quadrático médio (MSE). Método de Suavização Exponencial. Este é um método de média ponderada especial. Este método seleciona o peso para a observação mais recente e os pesos para observações mais antigas são computados automaticamente. Estes outros pesos diminuem à medida que as observações ficam mais velhas. O modelo básico de suavização exponencial é onde F t 1 previsão para o período t 1, t observação no período t. F t previsão para o período t. E um parâmetro de suavização (ou constante) (0 lt a lt1). Para uma série de tempo, definimos F 1 1 para o período 1 e as previsões subseqüentes para os períodos 2, 3, podem ser calculadas pela fórmula para F t 1. Usando esta abordagem, pode-se mostrar que o método de suavização exponencial é uma média ponderada de todos os pontos de dados anteriores na série de tempo. Uma vez conhecida, precisamos conhecer t e F t para calcular a previsão para o período t 1. Em geral, escolhemos a que minimiza o MSE. Simples: apropriado para séries em que não há tendência ou sazonalidade. Componente de média móvel (q): ordens de média móvel especificam como os desvios da média de série para valores anteriores são usados para prever os valores atuais. Expert Time Series Modeler determina automaticamente o melhor ajuste para os dados da série temporal. Por padrão, o Expert Modeler considera os modelos de suavização exponencial e ARIMA. O usuário pode selecionar somente modelos ARIMA ou Smoothing e especificar a detecção automática de outliers. O clipe de filme a seguir demonstra como criar um modelo ARIMA usando o método ARIMA e o Modelador Especializado fornecido pelo SPSS. O conjunto de dados utilizado para esta demonstração é o conjunto de dados AirlinePassenger. Consulte a página Conjunto de dados para obter detalhes. Os dados dos passageiros das companhias aéreas são dados como série G no livro Time Series Analysis: Forecasting and Control por Box e Jenkins (1976). O número variável é o total mensal de passageiros em milhares. Na transformação logarítmica, os dados foram analisados na literatura. Aplicar modelos de séries temporais. Esse procedimento carrega um modelo de série temporal existente a partir de um arquivo externo eo modelo é aplicado ao conjunto de dados SPSS ativo. Isso pode ser usado para obter previsões para séries para as quais dados novos ou revisados estão disponíveis sem começar a construir um novo modelo. A caixa de diálogo principal é semelhante à caixa de diálogo principal Criar modelos. Análise Espectral. Este procedimento pode ser usado para mostrar comportamento periódico em séries temporais. Gráficos de seqüência. Este procedimento é utilizado para traçar casos em sequência. Para executar este procedimento, você precisa de dados de séries temporais ou de um conjunto de dados que esteja classificado em determinada ordem significativa. Autocorrelações. Este procedimento traça função de autocorrelação e função de autocorrelação parcial de uma ou mais séries temporais. Cross-Correlations. Este procedimento traça a função de correlação cruzada de duas ou mais séries de tempo para defasagens positivas, negativas e zero. Consulte o Menu de Ajuda do SPSS para obter informações adicionais sobre o modelo de séries temporais aplicadas, análise espectral, gráficos de seqüência, autocorrelações e procedimentos de correlação cruzada. O seu Workshop de Treinamento SPSS on-line é desenvolvido pelo Dr. Carl Lee, Dr. Felix Famoye. Assistentes estudantis Barbara Shelden e Albert Brown. Departamento de Matemática, Universidade Central de Michigan. Todos os direitos reservados. Eu gostaria de criar uma lista de colunas no SPSS como MACOL1, MACOL2 e até MACOLn que contêm 5 anos de média móvel de uma lista de TickersSymbolsVariables usando uma sintaxe curta como: eo que eu preciso fazer é criar um Média móvel de cada tickercol de variáveis de interesse e salvá-lo em uma nova coluna. Eu posso fazer isso simplesmente modificando a sintaxe acima e eu preciso de um comando de estilo loop que leva o nome de uma coluna, cria uma nova coluna com MA e salva, toma outra coluna, cria uma coluna MA e assim por diante. Assim, eu não quero fazê-lo para cada coluna antiga separadamente, em vez disso, eu quero usar um loop e fazê-lo usando esse loop simples. Perguntou 18 novembro às 13: 00Eu estou tentando calcular as médias móveis que medem 30 dias (médias móveis anteriores) usando SPSS 20 para cerca de 1200 tickers de ações. Gostaria de usar um loop como: Calcular 30 dias de média móvel para um ticker dizer AAAA ou 0001 e salvá-lo como MA30AAAA ou MA300001. Pegue outro ticker dizer AAAB ou 0002 e fazer como acima. Continuação até que todos os tickers sejam capturados e MA calculado, salvo em novas colunas. Você acha que eu posso desenvolver uma sintaxe SPSS para isso. Se eu tentar o seguinte, recebo avisos de erro. Por favor, você pode me ajudar a obter uma sintaxe razoavelmente bem estruturada para fazer o meu trabalho. Perguntou Nov 18 12 at 16:04 Havia uma pergunta muito semelhante hoje no LinkedIn (veja aqui ou abaixo para a resposta). - Assumindo cada data está presente exatamente uma vez em seus dados, a sintaxe abaixo calculará movendo totais anuais e médias sobre cada data as datas precedentes 29. - Se menos de 29 dias precederam alguma data, estas novas variáveis não serão calculadas para esta data. (IMHO, isso seria informação enganosa.) - As 2 novas variáveis aparecerão em uma coluna cada, mas com algumas linhas extras você pode colocar cada valor em sua própria coluna, se desejado. Como calcular uma média móvel dentro de uma variável em SPSSPASW Estatísticas Estou usando SPSS para Windows. Gostaria de calcular uma média móvel com um intervalo de 3 para uma determinada variável. Por exemplo, eu gostaria de criar uma nova variável que contém a média do primeiro, segundo e terceiro caso para uma determinada variável. Gostaria, então, como o próximo caso da nova variável para conter a média do segundo, terceiro e quarto caso para a determinada variável, e assim por diante. Como posso fazer isso Os seguintes comandos devem ajudá-lo. A LISTA DE DADOS é usada para criar dados de amostra. As variáveis, dia, e, pontuação, são criadas. Em seguida, usamos a função PMA no comando CREATE para calcular a média móvel da variável, pontuação. Definimos a extensão da média móvel como 3. Note que na variável resultante, mavg, os primeiros casos n (com base no valor de extensão) serão ausentes do sistema. Neste exemplo, o quarto caso da nova variável, mavg, é igual à média dos casos 1, 2 e 3 da variável, pontuação eo quinto caso da variável mavg, é igual à média dos casos 2,3, E 4, e assim por diante. Consulte o capítulo, CREATE, especificamente, a seção, Função PMA, no Guia de Referência de Sintaxe SPSS, para obter mais detalhes sobre tais cálculos de média móvel. DATA LIST dia 1-2 pontuação 4-5. DADOS DE INÍCIO 1 98 2 34 3 45 4 67 5 23 6 25 7 89 8 23 9 25 10 23 11 45 12 23 13 34 14 67 15 78 16 45 17 89 18 34 19 45 20 23 DADOS FINAIS. EXE. CREATE mavg PMA (pontuação, 3). EXE Número histórico
Comments
Post a Comment