本文目录一览

1，spss怎么一次对多个数据做时间序列分析

做时间序列分析，最强大最方便的是EViews，包括单位根检验、VAR模型、协整检验等等。需要的话，数据发给我，我可以帮您。
(1)分析数据序列的变化特征。(2)选择模型形式和参数检验。(3)利用模型进行趋势预测。(4)评估预测结果并修正模型。

spss怎么一次对多个数据做时间序列分析

2，excel时间序列填充如何实现呢

如图,你只要你的反斜杠换为空格这种日期格式,完成了两格后就可下拉批量复制
第一个单元格输入 2010-4-1 8:15:00 第二个单元格输入 2010-4-1 8:45:00 选中这两个单元格，鼠标对准单元格右下角,当出现一个黑色小十字时,同时按住鼠标左键往下拖动填充 然后选中该列，鼠标右击，“设置单元格格式”，“数字”，“自定义”，在类型处输入 mm-dd/hh:mm:ss
先按“土一点”的办法，填充好日期时间，旁边再加一列改格式

excel时间序列填充如何实现呢

3，什么样的数据比较适合做时间序列模型分析

你可以到统计年鉴或者www.stats.gov.cn（中华人民共和国国家统计局网站）里去查找你需要的数据。气象方面，金融方面，中国城市化水平等社会化相关问题，股票指数（也属于金融领域了）。时间序列模型预测城市时用水量http://www.autooo.net/classid36-id9874.html这方面图书馆有卖很多相关书籍。
可以先用主成份分析减少些变量（降维）之后再建模。请问数据是年度数据吗看如果是年度或者是月度最好不要建时间序列模型，建议按面板数据的模型建模，比如说fixed effect, random effect等。

什么样的数据比较适合做时间序列模型分析

4，时间序列模型

肯定不显著啊
辨识合适的随机模型,进行曲线拟合,即用通用随机模型去拟合时间序列的观测数据。对于短的或简单的时间序列，可用趋势模型和季节模型加上误差来进行拟合。对于平稳时间序列，可用通用arima模型（自回归滑动平均模型）及其特殊情况的自回归模型、滑动平均模型或组合-arima模型等来进行拟合。当观测值多于50个时一般都采用arima模型。对于非平稳时间序列则要先将观测到的时间序列进行差分运算，化为平稳时间序列，再用适当模型去拟合这个差分序列。时间序列是一种特殊的随机过程，当中的取非负整数时，就可以代表各个时刻，就可以看作是时间序列（time series),因此，当一个随机过程可以看作时间序列时，我们就可以利用现有的时间序列模型建模分析该随机过程的特性。

5，时间序列分析capm需要哪些数据

做CAPM分析需要一个market portfolio，过去人们总是选择纽约股票市场模拟这么一个market portfolio。后来Roll1976年写了一篇文章，说这种方法未必正确，因为这样得出来的数据确实在mean-variance efficient frontier 上，但是不一定就是market portfolio。后来人们提出了一种方法，用managed portfolio，把时间序列中条件期望变成无条件期望，常常关注的变量就是 the market return， the D/P ratio， the term premium， market return 乘以 the D/P ratio，market return 乘以 the term premium。这被称为五要素模型（five-factor model）。
虽然我很聪明，但这么说真的难到我了

6，怎么用excel做时间序列预测

建议参阅此教程：http://wenku.baidu.com/link?url=0znyw3NqVKB4Kn2OfwBwqj8KhnL9srDYuxv5mJnSVgV7JzYVWYmoNg0WYnzPshell11p7J4o6FtUrPPRy4VbqlmckQnUKl0SoBxc4KKgTNi
如下实例用季节性预测求2005年各季度用电量，把数据输入到excel中输入原始数据，计算三点平滑值，消除季节变动和不规则变动，保留长期趋势。计算方法：2136=（435+2217+3756）/31122.33=（2217+3756+394）/3........以此类推。计算季节性指标：季节性指标=用电量÷三点滑动值。计算季节性指标校正值：校正系数=4÷季节性指标之和=4÷5.525=0.72校正后季节性指标=季节性指标*校正系数求预测模型：求出s1和s2同时也利用公式算出at和bt，α取0.2。计算公式可参照下列表格也可自行百度。求预测模型为： 求预测值。以2004年第4季度为基期，套用公式计算预测2005年各季度的旅游人数第一季度：y=（6433.89+486.61*1）*0.42=2906.61 第二季度：y=（6433.89+3486.61*2）*0.99=13273.04第三季度：y=（6433.89+3486.61*3）*2.15=36321.50 第四季度：y=（6433.89+3486.61*4）*0.44 =8967.35 由此可以计算出2005年全年度的游客人数预测值为：y=四个季度相加=61468.49 （10的四次方千瓦）

文章TAG：数据  时间  时间序列  序列  20个数据能做时间序列的  
下一篇
展开更多