夜雨聆风学习资料网

ARTICLE · 1208661

【统计分析软件SPSS】195、时间序列分析——应用时间因果模型(使用更新的数据进行预测)

【统计分析软件SPSS】195、时间序列分析——应用时间因果模型(使用更新的数据进行预测)

本系列文章(基于SPSS 31版本)配套数据可通过百度网盘获取:

链接:https://pan.baidu.com/s/1AGizNngKrzAVapWtNcc-VA?pwd=mnsj 提取码:mnsj
由于微信公众号已发布文章的内容及排版顺序无法二次编辑,为了方便大家后续查阅、检索,同时便于我对内容进行补充更新与完善,我已将所有已发布的推文,在个人网站上以结构化文档的形式重新整理、归档。欢迎前往查看:
https://www.mizhushare.com/docs/
01
应用场景

对于通过「时间因果建模」过程创建的模型,系统提供两种可用的应用程序。

  • 时间因果模型预测:使用该过程,可以在不重新构建模型的情况下,对已更新数据的时间序列生成预测值。同时,还可以输出在「时间因果建模」过程中可用的各类结果。

  • 时间因果模型情景分析:使用该过程,可以考察模型系统中某一特定时间序列取不同数值时,对与其存在因果关系的其他时间序列预测结果所产生的影响。

上述两个过程均需要模型系统文件,该文件可在「时间因果建模」过程中保存得到。

【统计分析软件SPSS】193、时间序列分析——创建时间因果模型(操作步骤)

本篇文章将介绍「时间因果模型预测」的相关内容。

  • 时间因果模型预测:

时间因果模型预测,是指在已经建立好的时间因果模型系统基础上,当有更新或更近期的时间序列数据可用时,用户无需重新进行模型估计与结构识别,即可直接调用原有模型生成新的预测结果。在实际业务场景中,这一功能特别适用于需要定期更新预测的情形,例如宏观经济指标监测、销售与需求预测、能源负荷预测等。

通过这种方式,一方面可以避免重复建模带来的时间成本,提高分析效率;另一方面也能够保持模型结构与参数设定的一致性,使不同时间点的预测结果具有可比性。

在使用该过程时,需满足以下基本假设条件:

  • 当前活动数据集的结构必须与建模时保持一致(包括基于列或多维数据的结构形式);若为多维数据,其维度字段及维度取值需与建模时一致;

  • 模型将自动匹配并应用于活动数据集中与模型系统中同名的字段;

  • 用于定义观测值的时间字段必须存在,且观测时间间隔与建模时相同;若使用了日期规范,活动数据集中也需采用相同的日期规范;

  • 此外,时间间隔设置以及关于聚合方式、分布形式和缺失值处理的设置,均沿用建模阶段的配置。

02
操作步骤
加载示例数据【tcm_kpi_upd.sav】(软件自带样本数据)。
该数据集为之前创建时间因果模型使用的「tcm_kpi.sav」数据集的扩展板,多出四周的数据。

点击顶部菜单栏的【分析→时间序列预测→应用时间因果模型】,在打开的对话框中进行相应设置。

  • 1)、对话框:

  • 加载保存的时序因果模型系统文件;

  • 选择「使用更新的数据重新估算模型,创建预测或生成输出,以描述时间因果模型系统」选项以使用更新的数据进行预测。

  • 2)、模型选项卡:

指定模型参数以及预测周期。

选项
含义

从模型文件加载

使用模型系统文件中保存的模型参数,并结合活动数据集中的数据生成预测,而不重新估计模型参数。

输出中显示的拟合优度统计量以及用于选择最佳模型的相关统计量,均来自模型系统文件,因此这些统计量反映的是构建(或最后一次更新)模型时所使用的数据情况。

该选项适用于基于原始建模数据直接生成预测和输出结果的情形。

从数据重新估计

基于活动数据集中的数据重新估计模型参数,但不会改变各目标模型中包含的输入变量结构。当获得超出原始估计期的新数据,并希望利用更新后的数据生成预测或其他输出时,选择该选项。

估算周期

全部观测值

将估计期设置为从所有序列中最早的观测时间开始,到最晚的观测时间结束。

按开始和结束时间

手动指定估计期的开始时间和结束时间,可以只指定开始时间或只指定结束时间;若省略其中一项,则使用系统默认值。

  • 若观测值由日期/时间字段定义,应以与该字段相同的格式输入开始值和结束值。

  • 若观测值由周期性周期定义,则需为每个周期字段分别指定一个取值,各字段在独立列中显示。

  • 若活动数据集中存在生效的日期规范,则必须为日期规范的每个组成部分(如月份)分别指定取值,各组件在独立列中显示。

  • 当观测值由记录顺序定义时,估计期的起止位置由数据编辑器中对应个案的行号确定。

按最新或最早时间间隔

将估计期定义为从最早或最晚时间间隔起算的指定数量间隔范围,并可设置偏移量。此处的「时间间隔」指分析所采用的时间单位。例如,若观测值为月度数据而分析间隔为季度,选择「最新」且「间隔数」设为4,即表示最近4个季度。

此外,还可以选择排除指定数量的时间间隔隔。例如,设定为「最新24个间隔」且「排除数」为1,则估计期将包含从倒数第二个间隔往前推的24个间隔。

将记录延伸至未来

用于指定在估计期结束之后继续向前预测的时间间隔数(以分析时间间隔为单位)。在进行预测时,系统会自动为非目标输入序列构建自回归模型,并利用这些模型在预测期内生成相应的输入序列值,从而获得目标变量在预测期内的预测结果。

本次,勾选「从数据重新估算」选项,并选择「所有观测值」以确保估计期包含更新数据中的四周数据。

指定「将记录扩展至将来」的值为4,表示为估计期结束后的四周生成预测。

  • 3)、选项选项卡:

指定输出的内容。

  • ①、常规:

选项
含义

置信区间宽度

用于控制预测值和模型参数的置信区间,可设置任何小于100%的正值。默认值为95%。

离群值阈值

如果根据模型计算出某个观测值为离群值的概率超过了该阈值,则该观测值将被标记为离群值。可指定50-100范围内的值。

本次保持默认即可。

  • ②、要显示的序列:

用于指定显示输出结果的序列(目标或输入)。指定序列的输出内容由「输出选项」设置决定。

选项
含义

显示与最佳拟合模型关联的目标

默认情况下,系统会显示与10个最佳拟合模型关联的目标的输出结果,这些模型是根据R方值确定的。

可以指定不同数量的最佳拟合模型,也可以指定最佳拟合模型的百分比,还可以选择拟合优度统计量指标。

指定单个序列

指定需要输出结果的单个序列。

  • 对于基于列的数据,需指定包含所需序列的字段。指定字段的顺序定义了它们在输出结果中出现的顺序。

  • 对于多维数据需通过为包含序列的度量字段向网格中添加条目来指定特定序列。然后,指定定义该序列的维度字段的值。

本次保持默认即可。

  • ③、输出选项:

用于指定输出内容。其中,「目标输出」组中的选项为「要显示的序列」设置中与最佳拟合模型关联的目标生成输出。「序列输出」组中的选项为「要显示的序列」设置中指定的单个序列生成输出。

各选项的含义与创建时间因果模型时一致,具体含义可查看以下文章:

【统计分析软件SPSS】193、时间序列分析——创建时间因果模型(操作步骤)

本次示例目标只是生成未来四周的预测值,因此取消选中「输出选项」中所有已选中的输出选项。

  • 4)、保存选项卡:

保存预测结果,并在重新估计模型参数时将更新后的模型系统导出到外部文件。

选项
含义

保存目标

设置要保存的输出项,每一个被选中的保存目标,系统都会生成一组对应的新变量,这些变量同时包含估计期间和预测期间的结果:

  • 预测值、置信区间、噪声残差:需指定新变量名称的前缀。系统自动将此前缀与目标序列字段名称拼接,形成完整的变量名。

  • 指示个案数(包含预测):创建一个变量,指示记录是否包含预测数据。

  • 要保存的目标:指定是为模型系统中的所有目标序列还是仅为「要显示的序列」设置中指定的目标序列创建新变量。

目标选项

可以将数据转换结果(如聚合处理、缺失值插补)以及在「保存目标」中指定生成的新变量,保存至数据文件或当前会话中的新数据集。保存后的日期/时间值将统一对齐到各时间间隔的起点(如,每月的第一天),并作为模型系统所使用的分析时间间隔。需要注意的是,只有当观测值由日期定义或记录顺序定义,且数据未进行聚合时,才允许将新生成的变量直接保存到活动数据集中。

导出模型系统

将模型系统保存到压缩文件存档(.zip文件)。该模型系统文件可由本过程重复使用,也可由「时间因果模型情景分析」过程用于运行情景分析。仅当选择「重新估计模型参数」时,该选项才可用。

本次勾选「预测值」,保留根名称的默认值;设置「保存目标」为「所有目标」。

选择将预测和转换的数据保存到新数据集中,并设置「Predictions」作为数据集名称。

设置完成,点击运行,系统执行时间因果模型预测。

03
结果解读
  • 输出结果一:模型信息表格
在输出窗口将输出模型信息表格。其中,模型指定项表格列出了在构建以及应用时序因果模型时所设定的关键参数。时间信息摘要表格提供了关于数据时间序列的基本信息。
  • 输出结果二:包含模型预测结果的新数据集

「Predictions」数据集是执行「时间因果模型预测」后生成的新数据集,该数据集在原有变量基础上,新增了与预测相关的新变量:

  • 数据集中包含了25个新的预测变量,分别对应原始数据集中的25个目标变量(KPI_*)。变量名称由默认前缀(Predicted)加上关联目标的名称组成,用于表示相应目标变量在预测期内的预测值。

  • 同时,该数据集还自动扩展了用于预测的额外个案。在本例中,模型生成了4个预测期的观测值,并为这些观测值自动创建了相应的日期字段,使得预测结果在时间轴上与原始数据保持连续。

相关学习资料