SPSS移動平均一點也不神秘

SPSS移動平均一點也不神秘

預測才是數據分析的真諦，通過歷史數據，預測未來的各種可能性，針對預測的結果防范于未然。預測方法有很多種，包括定性以及定量方法。其中，時間序列預測，它不用過多考慮內部具體的、錯綜復雜的影響因素，是“歷史重演”的慣性假設條件下，基于外部數據的對未來的估計。

什么是移動平均？

最簡單，也是最常用的時間序列分析是移動平均法，任何周期的預測值都是過去幾個周期觀測值的平均值。要執行移動平均法，首先需要選擇一個跨度，即每次移動平均的周期。例如，我們假設數據是每月的數據，跨度選擇5個月，因此下個月的預測值是前5個月值得平均值。注意，跨度越大，預測序列就越平滑。SPSS統計分析工具提供了便捷的移動平均模型，今天一起來揭開它的神秘。

SPSS移動平均分析實例

數據“SPSS移動平均分析實例”，其中變量sales為某個公司1986-1997年間各個季度某商品的銷售量數據，用移動平均法來預測1998年1季度銷售額及98年2季度的銷售額。

菜單操作步驟

（1）“轉換”——“創建時間序列”

（2）將“銷售量”移動至右側框內，新的變量命名為：移動平均；

（3）函數選擇：先前移動平均，跨度選擇5；

（4）單擊“更改”

備注：（此案例旨在說明SPSS移動平均的過程，跨度的大小不再考慮。）

此時，在數據集界面，我們可以看到，1998年1季度預測值為：4490.52，如果我們繼續這個步驟來預測1998年2季度，由于1998年1季度并沒有真實的觀測值，一般在這種情況下，多采用相應的預測值代替，按照同樣的方法，我們可以得到，1998年2季度的預測值為：4483.43。

如何來衡量移動平均的誤差

最簡單是采用平均絕對誤差MAE，為n個預測值與觀測值誤差的平均值。通過計算新的變量，可輕松得到。本例跨度為5的情況下，其MAE為：569.5，可見該值較大，平均絕對誤差比較大，移動平均的效果并不明顯。

必須得強調的幾點

（1）時間序列存在比較明顯的季節性趨勢時，不適于使用移動平均；

（2）時間序列存在比較明顯的發展趨勢時，不適于使用移動平均；

上面這個案例，從時間序列圖上，可以看出，存在明顯的趨勢因素及季節性因素，綜合而言，并不適用于使用移動平均，最后由較高的MAE也可以反映出這一點，因此在使用移動平均前需要重點觀察序列的趨勢。

版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。

版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。