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moreSPSS分析工具笔记本电脑截图工具WPS第一，生成文件导入数据1/5分步阅读

创建一个Excel工作表，添加两列日期和温度

2/5

打开SPSS分析工具，点击文件，导入数据，选择Excel

3/5

打开数据窗口，选择刚刚创建的工作表，然后点击打开

4/5

打开读取Excel文件窗口，设置范围并点击确定按钮

5/5

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1/4

点击分析菜单，依次选择时间序列预测---序列图

2/4

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

3/4

接着再次选择分析菜单，然后是时间序列预测下的自相关

4/4

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1/7

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

2/7

以日期为横坐标，温度为纵坐标的时间序列图

3/7

接着是ACF，有模型描述和个案处理摘要表格

4/7

展示以温度为序列，自相关性表格（自相关性、值、自由度等）

5/7

以ACF为纵轴，滞后编号为横轴的温度指标图形

6/7

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

7/7

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

注意事项

注意如何使用SPSS建立ARIMA预测模型

注意ACF自相关性和偏自相关性的区别

SPSSARIMA预测模型实例详细教程电脑