ARIMA模型（移动平均自回归模型），其是最常见的时间序列预测分析方法。利用历史数据可以预测前来的情况。ARIMA模型可拆分为3项，分别是AR模型，I即差分，和MA模型。SPSSAU智能地找出最佳的AR模型，I即差分值和MA模型，并且最终给出最佳模型预测结果，SPSSAU智能找出最佳模型的原理在于利用AIC值最小这一规则，遍历出各种可能的模型组合进行模型构建，并且结合AIC最小这一规则，最终得到最佳模型。
当然，研究人员也可以自行设置AR模型，差分阶数和MA模型，即分别设置自回归阶数p，差分阶数d值和移动平均阶数q，然后进行模型构建。至于自回归阶数p，差分阶数d值和移动平均阶数q值应该设置多少合适，建议研究人员分别使用偏(自)相关图进行分析（SPSSAU也智能提供p值或q值建议），以及使用ADF检验分析得出合适的差分阶数d值（SPSSAU也智能提供最佳差分阶数d值建议）。
ARIMA模型可拆分为3项，分别是AR模型，I即差分，和MA模型。SPSSAU智能地找出最佳的AR模型，I即差分值和MA模型。当然，研究人员如果自行设置AR模型，差分阶数和MA模型，即分别设置自回归阶数p，差分阶数d值和移动平均阶数q，此时SPSSAU则按照研究人员的设置进行模型构建。建议用户直接使用SPSSAU的智能分析即可。
SPSSAU操作如下：
温馨提示：答案为网友推荐，仅供参考
第1个回答 2022-07-25
时间序列 概念 ：同一现象在不同时间上的相继观察值排列而成的数列
形式上由现象所属的时间和现象在不同时间上的观察值两部分组成
排列的时间可以是年、季度、月...
时间序列的 分类 ：
1.绝对数序列：
一系列绝对数按时间顺序排列而成；最基本的表现形式；反映在不同时间上所达到的绝对水平（时期序列，一段时期内总量的排序、时点序列，某一瞬间时点上总量的排序）
2.相对数序列：一系列相对数按时间顺序排列而成
3.平均数序列：一系列平均数按时间顺序排列而成
时间序列的 编制原则 ：
时间长短一致
总体范围一致
指标内容一致
计算方法和口径一致
一、时间序列的对比分析
水平分析：
1.发展水平：现象在不同时间上的观察值；说明现象在某一时间上所达到的水平；
2.平均发展水平：现象在不同时间上取值的平均数，又称序时平均；说明现象在一段时间内所达到的一般水平；（不同序列的类型选择不同的计算方法-时期、连续时点（逐日排序）、不等距时点（加权）、等距时点（不等距的特例））；
#相对数：两个绝对数相除
#相对数的序时平均数：分子的平均数与分母的平均数相除
3.增长量：报告期水平与基期水平之差，说明现象在观察期内增长的绝对数量
分为逐期增长量（报告期水平与前一期水平之差）与累计增长量（报告期水平和某一固定时期水平之差）--各逐期增长量之和等于最末期的累计增长量
4.平均增长量：各逐期增长量的平均数，等于逐期增长量之和/逐期增长量个数（也就是观察值个数-1）
速度分析：
1.发展速度：报告期水平与基期水平之比，说明现象在观察期内相对的发展变化程度，
分为环比发展速度（报告期水平和前一期水平之比）与定期发展速度（报告期与某一固定时期水平之比）--各环比发展速度之积等于最末期定期发展速度；
2.增长速度（增长率）：增长量与基期水平之比，说明现象的相对增长程度，
等于发展速度-1；分为环比增长速度和定基增长速度；
3.平均发展速度：观察期内各环比发展速度的平均数，说明现象在整个观察期内平均发展变化的程度（几何法算平均数）
4.平均增长速度：等于平均发展速度-1
二、时间序列的趋势分析
可以采用移动平均、最小二乘法等...
三、季节变动分析
季节变动：现象在一年内随着季节更换形成的有规律变动；各年变化强度大体相同，且没年重现；
扩展：对一年内由于社会、政治、经济、自然因素影响，形成的以一定时期为周期的有规则的重复变动；
测定目的：确定现象过去的季节变化规律，消除时间序列中的季节因素；
分析原理：将季节变动规律归纳为一种典型的季节模型；季节模型由季节指数所组成；季节指数的平均数等于100%；根据季节指数与其平均数的偏差程度测定季节变动的程度；
季节指数：1.反映季节变动的相对数；2.以全年或季资料的平均数为基础计算的；3.平均数等于100%；4.指数越远离其平均数季节变动程度越大；5.同期平均法和趋势剔除法
同期平均法：
根据原时间序列通过简单平均计算季节指数
假定时间序列没有明显的长期趋势和循环波动
步骤：1.计算同期平均数；2.计算全部数据总季的平均数；3.计算季节指数S=同期平均数/总季平均数
趋势剔除法：
先将时间序列中长期趋势予以消除，在计算季节指数
步骤：1.计算移动平均趋势值Y；2.从序列中剔除趋势值Y/T；3.按上述方法计算季节指数
四项移动平均后再进行二项移动平均（四项做年的去掉季节，二项更为稳定）
季节变动的调整：将季节变动剔除，方法是江源时间序列除以相应的季节指数
四、循环波动分析
循环波动：近乎规律性的从低到高再从高至低的周而复始的变动；不同于趋势变动，他不是朝着单一方向的持续运动，而是涨落相间的交替波动；不同于季节波动，其变化无固定规律，变动周期多在一年以上，且周期长短不一
目的是探索现象活动的规律性
测定方法：采取剩余法
计算步骤：1.先消除趋势值，求得无长期趋势数据资料；2.再消去季节变动（原始数据/季节指数），求得循环及不规则波动相对数；3.将结果移动平均，以消除不规则波动，即得循环波动值
形式上由现象所属的时间和现象在不同时间上的观察值两部分组成
排列的时间可以是年、季度、月...
时间序列的 分类 ：
1.绝对数序列：
一系列绝对数按时间顺序排列而成；最基本的表现形式；反映在不同时间上所达到的绝对水平（时期序列，一段时期内总量的排序、时点序列，某一瞬间时点上总量的排序）
2.相对数序列：一系列相对数按时间顺序排列而成
3.平均数序列：一系列平均数按时间顺序排列而成
时间序列的 编制原则 ：
时间长短一致
总体范围一致
指标内容一致
计算方法和口径一致
一、时间序列的对比分析
水平分析：
1.发展水平：现象在不同时间上的观察值；说明现象在某一时间上所达到的水平；
2.平均发展水平：现象在不同时间上取值的平均数，又称序时平均；说明现象在一段时间内所达到的一般水平；（不同序列的类型选择不同的计算方法-时期、连续时点（逐日排序）、不等距时点（加权）、等距时点（不等距的特例））；
#相对数：两个绝对数相除
#相对数的序时平均数：分子的平均数与分母的平均数相除
3.增长量：报告期水平与基期水平之差，说明现象在观察期内增长的绝对数量
分为逐期增长量（报告期水平与前一期水平之差）与累计增长量（报告期水平和某一固定时期水平之差）--各逐期增长量之和等于最末期的累计增长量
4.平均增长量：各逐期增长量的平均数，等于逐期增长量之和/逐期增长量个数（也就是观察值个数-1）
速度分析：
1.发展速度：报告期水平与基期水平之比，说明现象在观察期内相对的发展变化程度，
分为环比发展速度（报告期水平和前一期水平之比）与定期发展速度（报告期与某一固定时期水平之比）--各环比发展速度之积等于最末期定期发展速度；
2.增长速度（增长率）：增长量与基期水平之比，说明现象的相对增长程度，
等于发展速度-1；分为环比增长速度和定基增长速度；
3.平均发展速度：观察期内各环比发展速度的平均数，说明现象在整个观察期内平均发展变化的程度（几何法算平均数）
4.平均增长速度：等于平均发展速度-1
二、时间序列的趋势分析
可以采用移动平均、最小二乘法等...
三、季节变动分析
季节变动：现象在一年内随着季节更换形成的有规律变动；各年变化强度大体相同，且没年重现；
扩展：对一年内由于社会、政治、经济、自然因素影响，形成的以一定时期为周期的有规则的重复变动；
测定目的：确定现象过去的季节变化规律，消除时间序列中的季节因素；
分析原理：将季节变动规律归纳为一种典型的季节模型；季节模型由季节指数所组成；季节指数的平均数等于100%；根据季节指数与其平均数的偏差程度测定季节变动的程度；
季节指数：1.反映季节变动的相对数；2.以全年或季资料的平均数为基础计算的；3.平均数等于100%；4.指数越远离其平均数季节变动程度越大；5.同期平均法和趋势剔除法
同期平均法：
根据原时间序列通过简单平均计算季节指数
假定时间序列没有明显的长期趋势和循环波动
步骤：1.计算同期平均数；2.计算全部数据总季的平均数；3.计算季节指数S=同期平均数/总季平均数
趋势剔除法：
先将时间序列中长期趋势予以消除，在计算季节指数
步骤：1.计算移动平均趋势值Y；2.从序列中剔除趋势值Y/T；3.按上述方法计算季节指数
四项移动平均后再进行二项移动平均（四项做年的去掉季节，二项更为稳定）
季节变动的调整：将季节变动剔除，方法是江源时间序列除以相应的季节指数
四、循环波动分析
循环波动：近乎规律性的从低到高再从高至低的周而复始的变动；不同于趋势变动，他不是朝着单一方向的持续运动，而是涨落相间的交替波动；不同于季节波动，其变化无固定规律，变动周期多在一年以上，且周期长短不一
目的是探索现象活动的规律性
测定方法：采取剩余法
计算步骤：1.先消除趋势值，求得无长期趋势数据资料；2.再消去季节变动（原始数据/季节指数），求得循环及不规则波动相对数；3.将结果移动平均，以消除不规则波动，即得循环波动值
相似回答