时间序列数据为什么要检验

‘壹’ 妫楠岄噾铻嶆椂闂村簭鍒楃殑镊鐩稿叧镐ф垨钥呰存槸闅忔満镐ф湁浠涔堢敤锛岃瘉鏄庨噾铻嶆椂闂村簭鍒楁槸闅忔満镄勮兘璇存槑浠涔堥梾棰

妫楠镞堕棿搴忓垪镄勮嚜鐩稿叧镐у氨鏄妫楠屾槸钖﹀瓨鍦ㄩ吨瑕佺殑瑙ｉ喷鍙橀噺娌℃湁琚绾冲叆鏂圭▼閲岃岃蹇界暐浜嗭纴浠庤屽奖鍝崭简搴忓垪镄勯勬祴銆傝岄殢链烘у氨鏄妫楠屾椂闂村簭鍒楁槸钖﹀钩绋筹纴鑻ユ灉涓嶅钩绋虫瘆濡傞殢链烘父璧帮纴闾ｄ箞灏辨棤娉曢勬祴锛屽洜涓鸿繖涓镞堕棿搴忓垪镄勪笅涓链熺粨鏋沧槸闅忔満浜х敓镄勚

‘贰’ 时间序列在建模前需要对数据做哪些检验

时间序列分析是根据系统观测得到的时间序列数据，通过曲线拟合和参数估计来建立数学模型的理论和方法。
它一般采用曲线拟合和参数估计方法（如非线性最小二乘法）进行。时间序列分析常用在国民经济宏观控制、区域综合发展规划、企业经营管理、市场潜量预测、气象预报、水文预报、地震前兆预报、农作物病虫灾害预报、环境污染控制、生态平衡、天文学和海洋学等方面。

（一）根据时间序列的散点图、自相关函数和偏自相关函数图以ADF单位根检验其方差、趋势及其季节性变化规律，对序列的平稳性进行识别。一般来讲，经济运行的时间序列都不是平稳序列。
（二）对非平稳序列进行平稳化处理。如果数据序列是非平稳的，并存在一定的增长或下降趋势，则需要对数据进行差分处理，如果数据存在异方差，则需对数据进行技术处理，直到处理后的数据的自相关函数值和偏相关函数值无显着地异于零。
（三）根据时间序列模型的识别规则，建立相应的模型。若平稳序列的偏相关函数是截尾的，而自相关函数是拖尾的，可断定序列适合AR模型；若平稳序列的偏相关函数是拖尾的，而自相关函数是截尾的，则可断定序列适合MA模型；若平稳序列的偏相关函数和自相关函数均是拖尾的，则序列适合ARMA模型。
（四）进行参数估计，检验是否具有统计意义。
（五）进行假设检验，诊断残差序列是否为白噪声。
（六）利用已通过检验的模型进行预测分析。

‘叁’ 镞堕棿搴忓垪鏁版嵁锲炲綊蹇呴’瑕佸仛骞崇ǔ镐ф楠屽悧

涓鑸镞堕棿搴忓垪鏁版嵁鏄闇瑕佸仛鍗曚綅镙规楠镄勶纸涔熷氨鏄骞崇ǔ镐ф楠岋级锛屽洜涓哄傛灉鏁版嵁涓嶅钩绋筹纴锅氩嚭𨱒ョ殑鍙鑳芥槸浼锲炲綊銆傚傛灉X鏄涓ユ牸澶栫敓镄勶纴鍒欑敤涓嶅埌OLSE镄勬笎杩涙ц川锛屽钩绋充笌钖︽棤鍏崇揣瑕侊绂
濡傛灉濡傛灉X涓嶆槸涓ユ牸澶栫敓镄勶纴鍒欑敤鍒疠LSE镄勬笎杩涙ц川锛屽ぇ鏁板畾寰嫔拰涓蹇冩瀬闄愬畾鐞浠ュ钩绋虫э纸鐩稿綋浜庢í鎴闱㈡暟鎹镄勫悓鍒嗗竷锛変负𨱒′欢锛屾晠瑕佹眰杩涜屽钩绋虫ф楠岋纴钖﹀垯鍙鑳藉嚭鐜拌櫄锅囧洖褰掋

‘肆’ 涓轰粈涔堣佸规按鏂囨椂闂村簭鍒楄繘琛岃秼锷挎楠

鏄涓涓閲嶈佺殑镊铹惰佺礌镞舵佹暟鎹銆傛按鏂囨椂闂村簭鍒楁槸涓涓閲嶈佺殑镊铹惰佺礌镞舵佹暟鎹锛屽洜姝ら渶瑕佽繘琛岃秼锷挎楠屻

‘伍’ 涓轰粈涔堣佸仛鍗曚綅镙规楠

鍗曚綅镙规楠屽彲鐢ㄤ簬妫楠屾椂闂村簭鍒楁槸钖﹀瓨鍦ㄥ崟浣嶆牴锛屽傛灉瀛桦湪鍗曚綅镙瑰氨璇存槑涓洪潪骞宠镞堕棿搴忓垪銆傚傛灉瀛桦湪鍗曚綅镙瑰嵆镞堕棿搴忓垪鏁版嵁涓嶅钩绋筹纴阃氩父涓嶈兘杩涜屽悗缁镄勫垎鏋愭瘆濡侫RIMA妯″瀷銆傛ゆ椂鍙阃氲繃瀵规暟鎹杩涜屽樊鍒嗭纴宸鍒嗗嵆鐩稿噺镄勬剰镐濓纴姣斿2019骞寸殑鏁版嵁鍑忓幓2018骞寸殑鏁版嵁锛屼竴阒跺樊鍒嗗叾瀹炲氨鏄澧为暱镄勬剰镐濄备簩阒跺樊鍒嗘槸鍦ㄤ竴阒跺樊鍒嗙殑锘虹涓婂啀娆¤繘琛屽樊鍒嗭纴鐗╃悊镒忎箟鐩稿綋浜庡姞阃熷害銆傚傛灉浜岄桩宸鍒嗕緷镞т笉骞崇ǔ锛岄偅璇存槑鏁版嵁姣旇缉绯熺硶锛岄氩父涓崭细鍐嶈繘琛岃繘涓姝ュ樊鍒嗭纴锲犱负鍏跺凡缁忓け铡诲疄闄呮剰涔夈

SPSSAU榛樿や细镊锷ㄨ繘琛屽崟浣嶆牴妫楠屽苟涓旀彁渚涘缓璁锛屽傛灉铡熷嬫暟鎹搴忓垪涓嶅钩绋筹纴SPSSAU榛樿や细杩涜屼竴阒跺樊鍒嗗苟涓旀楠屽崟浣嶆牴锛屽傛灉涓阒跺樊鍒嗕緷镞т笉骞崇ǔ锛孲PSSAU浼氲繘琛屼簩阒跺樊鍒嗗苟涓旀楠屻傚傛灉浜岄桩宸鍒嗕緷镞т笉骞崇ǔ锛孲PSSAU鍒欐渶缁堜互浜岄桩宸鍒嗕负缁撶偣銆

濡傛灉镰旂┒浜哄憳镊琛岃剧疆宸鍒嗛桩鏁帮纴SPSSAU鍒欐寜镦х爷绌朵汉锻樿剧疆杩涜屾楠屻

鍙浠ヤ娇鐢⊿PSSAU杩涜屽垎鏋愶细