時間序列數據為什麼要檢驗

『壹』 媯楠岄噾鋙嶆椂闂村簭鍒楃殑鑷鐩稿叧鎬ф垨鑰呰存槸闅忔満鎬ф湁浠涔堢敤錛岃瘉鏄庨噾鋙嶆椂闂村簭鍒楁槸闅忔満鐨勮兘璇存槑浠涔堥棶棰

媯楠鏃墮棿搴忓垪鐨勮嚜鐩稿叧鎬у氨鏄媯楠屾槸鍚﹀瓨鍦ㄩ噸瑕佺殑瑙ｉ噴鍙橀噺娌℃湁琚綰沖叆鏂圭▼閲岃岃蹇界暐浜嗭紝浠庤屽獎鍝嶄簡搴忓垪鐨勯勬祴銆傝岄殢鏈烘у氨鏄媯楠屾椂闂村簭鍒楁槸鍚﹀鉤紼籌紝鑻ユ灉涓嶅鉤紼蟲瘮濡傞殢鏈烘父璧幫紝閭ｄ箞灝辨棤娉曢勬祴錛屽洜涓鴻繖涓鏃墮棿搴忓垪鐨勪笅涓鏈熺粨鏋滄槸闅忔満浜х敓鐨勩

『貳』 時間序列在建模前需要對數據做哪些檢驗

時間序列分析是根據系統觀測得到的時間序列數據，通過曲線擬合和參數估計來建立數學模型的理論和方法。
它一般採用曲線擬合和參數估計方法（如非線性最小二乘法）進行。時間序列分析常用在國民經濟宏觀控制、區域綜合發展規劃、企業經營管理、市場潛量預測、氣象預報、水文預報、地震前兆預報、農作物病蟲災害預報、環境污染控制、生態平衡、天文學和海洋學等方面。

（一）根據時間序列的散點圖、自相關函數和偏自相關函數圖以ADF單位根檢驗其方差、趨勢及其季節性變化規律，對序列的平穩性進行識別。一般來講，經濟運行的時間序列都不是平穩序列。
（二）對非平穩序列進行平穩化處理。如果數據序列是非平穩的，並存在一定的增長或下降趨勢，則需要對數據進行差分處理，如果數據存在異方差，則需對數據進行技術處理，直到處理後的數據的自相關函數值和偏相關函數值無顯著地異於零。
（三）根據時間序列模型的識別規則，建立相應的模型。若平穩序列的偏相關函數是截尾的，而自相關函數是拖尾的，可斷定序列適合AR模型；若平穩序列的偏相關函數是拖尾的，而自相關函數是截尾的，則可斷定序列適合MA模型；若平穩序列的偏相關函數和自相關函數均是拖尾的，則序列適合ARMA模型。
（四）進行參數估計，檢驗是否具有統計意義。
（五）進行假設檢驗，診斷殘差序列是否為白雜訊。
（六）利用已通過檢驗的模型進行預測分析。

『叄』 鏃墮棿搴忓垪鏁版嵁鍥炲綊蹇呴』瑕佸仛騫崇ǔ鎬ф楠屽悧

涓鑸鏃墮棿搴忓垪鏁版嵁鏄闇瑕佸仛鍗曚綅鏍規楠鐨勶紙涔熷氨鏄騫崇ǔ鎬ф楠岋級錛屽洜涓哄傛灉鏁版嵁涓嶅鉤紼籌紝鍋氬嚭鏉ョ殑鍙鑳芥槸浼鍥炲綊銆傚傛灉X鏄涓ユ牸澶栫敓鐨勶紝鍒欑敤涓嶅埌OLSE鐨勬笎榪涙ц川錛屽鉤紼充笌鍚︽棤鍏崇揣瑕侊紱
濡傛灉濡傛灉X涓嶆槸涓ユ牸澶栫敓鐨勶紝鍒欑敤鍒癘LSE鐨勬笎榪涙ц川錛屽ぇ鏁板畾寰嬪拰涓蹇冩瀬闄愬畾鐞浠ュ鉤紼蟲э紙鐩稿綋浜庢í鎴闈㈡暟鎹鐨勫悓鍒嗗竷錛変負鏉′歡錛屾晠瑕佹眰榪涜屽鉤紼蟲ф楠岋紝鍚﹀垯鍙鑳藉嚭鐜拌櫄鍋囧洖褰掋

『肆』 涓轟粈涔堣佸規按鏂囨椂闂村簭鍒楄繘琛岃秼鍔挎楠

鏄涓涓閲嶈佺殑鑷鐒惰佺礌鏃舵佹暟鎹銆傛按鏂囨椂闂村簭鍒楁槸涓涓閲嶈佺殑鑷鐒惰佺礌鏃舵佹暟鎹錛屽洜姝ら渶瑕佽繘琛岃秼鍔挎楠屻

『伍』 涓轟粈涔堣佸仛鍗曚綅鏍規楠

鍗曚綅鏍規楠屽彲鐢ㄤ簬媯楠屾椂闂村簭鍒楁槸鍚﹀瓨鍦ㄥ崟浣嶆牴錛屽傛灉瀛樺湪鍗曚綅鏍瑰氨璇存槑涓洪潪騫寵鏃墮棿搴忓垪銆傚傛灉瀛樺湪鍗曚綅鏍瑰嵆鏃墮棿搴忓垪鏁版嵁涓嶅鉤紼籌紝閫氬父涓嶈兘榪涜屽悗緇鐨勫垎鏋愭瘮濡侫RIMA妯″瀷銆傛ゆ椂鍙閫氳繃瀵規暟鎹榪涜屽樊鍒嗭紝宸鍒嗗嵆鐩稿噺鐨勬剰鎬濓紝姣斿2019騫寸殑鏁版嵁鍑忓幓2018騫寸殑鏁版嵁錛屼竴闃跺樊鍒嗗叾瀹炲氨鏄澧為暱鐨勬剰鎬濄備簩闃跺樊鍒嗘槸鍦ㄤ竴闃跺樊鍒嗙殑鍩虹涓婂啀嬈¤繘琛屽樊鍒嗭紝鐗╃悊鎰忎箟鐩稿綋浜庡姞閫熷害銆傚傛灉浜岄樁宸鍒嗕緷鏃т笉騫崇ǔ錛岄偅璇存槑鏁版嵁姣旇緝緋熺硶錛岄氬父涓嶄細鍐嶈繘琛岃繘涓姝ュ樊鍒嗭紝鍥犱負鍏跺凡緇忓け鍘誨疄闄呮剰涔夈

SPSSAU榛樿や細鑷鍔ㄨ繘琛屽崟浣嶆牴媯楠屽苟涓旀彁渚涘緩璁錛屽傛灉鍘熷嬫暟鎹搴忓垪涓嶅鉤紼籌紝SPSSAU榛樿や細榪涜屼竴闃跺樊鍒嗗苟涓旀楠屽崟浣嶆牴錛屽傛灉涓闃跺樊鍒嗕緷鏃т笉騫崇ǔ錛孲PSSAU浼氳繘琛屼簩闃跺樊鍒嗗苟涓旀楠屻傚傛灉浜岄樁宸鍒嗕緷鏃т笉騫崇ǔ錛孲PSSAU鍒欐渶緇堜互浜岄樁宸鍒嗕負緇撶偣銆

濡傛灉鐮旂┒浜哄憳鑷琛岃劇疆宸鍒嗛樁鏁幫紝SPSSAU鍒欐寜鐓х爺絀朵漢鍛樿劇疆榪涜屾楠屻

鍙浠ヤ嬌鐢⊿PSSAU榪涜屽垎鏋愶細