我使用数据记录器收集了英国康沃尔海滩上 4 个位置的温度读数。记录仪每 15 分钟记录一次温度,精确到 0.1 度(摄氏度)。记录器收集了 10 天的数据,其中有一天的休息时间来校准传感器。我总共使用了 30 个传感器,每个位置有 6-7 个传感器。
我现在已经下载了数据并生成了 10 天期间的温度时间序列。时间序列的目视检查显示温度如何随潮汐和昼夜变化。我想调查时间序列是否彼此显着不同。请有人指出我在 SPSS 中执行此操作的技术方向吗?
我使用数据记录器收集了英国康沃尔海滩上 4 个位置的温度读数。记录仪每 15 分钟记录一次温度,精确到 0.1 度(摄氏度)。记录器收集了 10 天的数据,其中有一天的休息时间来校准传感器。我总共使用了 30 个传感器,每个位置有 6-7 个传感器。
我现在已经下载了数据并生成了 10 天期间的温度时间序列。时间序列的目视检查显示温度如何随潮汐和昼夜变化。我想调查时间序列是否彼此显着不同。请有人指出我在 SPSS 中执行此操作的技术方向吗?
要比较两个时间序列,只需分别估计每个时间序列的常见适当 arima 模型,然后全局估计它(将第二个序列放在第一个序列之后)。确保您的软件识别出第二个系列的开始,而不是根据第一个系列的后面的值来预测它。执行 F 检验 ala G. Chow 以检验一组常用参数的假设。AUTOBOX,我参与的一个程序允许执行这个测试。SPSS可能不会。
不知道大家有没有在“SPSS Forecasting”中使用过“Time Series Modeler”。但如果你这样做了,那么你可以获得不同的统计数据,包括拟合优度测量:平稳 R 平方、R 平方 (R2)、均方根误差 (RMSE)、平均绝对误差 (MAE)、平均绝对百分比误差(MAPE)、最大绝对误差 (MaxAE)、最大绝对百分比误差 (MaxAPE)、归一化贝叶斯信息准则 (BIC),此处引用,第 4 页。
您可以使用这些统计数据来比较您的模型。为此,请从菜单中选择 -> 分析 -> 预测 -> 创建模型...(在选择变量和方法后)-> “统计”选项卡。