spss时间序列预测
确定后,可能输出的没有预测数据,也可能输出差异大的预测数据, 需注意,将方法这里多尝试几次,做切换,从专家切到ARIMA,从ARIMA切到专家,调整季节值等,多调试几次,就能输出预测数据。保存:这里需注意变量名前缀,预测需以字母开头。分析-时间序列预测-创建传统模型;方法:ARIMA,条件:000。
·
数据准备示例:
| 年月 | 年月a | 数值型 | 总服务率 | 人工被动 | 人工主动 | 被动总服务率 |
| 202101 | Jan-21 | 44197 | 383.5 | 68.2 | 42.98 | 340.5 |
| 202102 | Feb-21 | 44228 | 312.9 | 50.1 | 34.53 | 278.3 |
| 202103 | Mar-21 | 44256 | 271 | 42.4 | 20.11 | 250.9 |
| 202104 | Apr-21 | 44287 | 239.3 | 39.2 | 17.68 | 221.6 |
分析-时间序列预测-创建传统模型;
因变量:总服务率
变量:年&月
方法:专家建模器,
条件:模型

统计:

图:
输出过滤
保存:这里需注意变量名前缀,预测需以字母开头

选项:

确定后,可能输出的没有预测数据,也可能输出差异大的预测数据, 需注意,将方法这里多尝试几次,做切换,从专家切到ARIMA,从ARIMA切到专家,调整季节值等,多调试几次,就能输出预测数据。
方法:ARIMA,条件:000

预测表:

预测图:

更多推荐



所有评论(0)