对于时间序列分析的一些基本概念，大家可以查看我之前发布的一片文章：时间序列分析该文虽然是STATA统计分析课程的内容，但是有关统计分析概念的介绍是不分软件，大家都是共用的。
如上面提到的那篇文章所述，大部分时间序列模型都有平稳性的要求，建立一个时间序列预测模型一般需要先检验序列的平稳性，以本文要介绍的ARIMA模型为例，建模将需要如下步骤：
(1)平稳化检验：根据时间序列的折线图、自相关系数图，或者通过ADF单位根检验，来判断时间序列是否平稳。如果序列被验证为不平稳，那么可以通过差分变换或者对数差分变换使其满足平稳性条件，同时确定了差分阶数。
(2)模型的识别：根据ACF图和PACF图来确定自相关阶数ｐ和移动平均阶数ｑ，以选择适当的模型进行拟合。
(3)对模型的未知参数进行估计：并对估计结果进行检验和诊断。一是检验模型参数的估计值是否显著，其二是诊断残差序列是否为白噪声序列。若拟合模型通不过检验，则重新确定阶数ｐ和ｑ，重新选择模型进行拟合。
(4)利用拟合模型预测时间序列的未来值。
不过，在SPSS中，没有提供单位根检验的菜单，一般只能通过观察自相关图和偏自相关图，以及时间序列图来确认序列是否已经平稳化了。在SPSS中，又有其它统计软件所不具备的特征，那就是SPSS能够实现自动建立ARIMA模型，你可以完全不关心前面的预分析过程（也就是平稳化，自相关检验等过程）。
本文简单介绍一下SPSS自动建立ARIMA模型的过程：此处以中国GDP数据为例，从中国国家统计局网站去下载从1952年以来的中国GDP数据，将这些处理成SPSS软件支持的格式，导入SPSS即可在本人的课程中，提供处理好的数据文件，课程链接见文末阅读原文。
step1 ：载入数据，并且定义时间日期变量。也就是需要把要分析的数据定义成时间序列。注意时间变量要先按照升序排列，然后再使用定义日期的菜单，完成日期的定义，定义好日期后，数据窗口中将会新增两列数据。
step2 :直接建立时间序列分析预测模型（预分析过程涉及到很多的原理和操作，很繁琐，此处没有写出来）
step3 在数据表中，手动构造需要预测的年份
step4 勾选输出预测值的菜单
step5 得到预测的数值和图形
通过上述简单的几个步骤，我们就在SPSS中构建起了一个能够进行预测的ARIMA时间序列模型。如果你仅仅是想了解一下如何在SPSS中建立时间序列模型，进行预测，且具备一定的SPSS基础，那么本文对你将比较有帮助，如果你希望了解相关的原理和操作细节，可以点击阅读原文查看《SPSS统计分析》课程，在时间序列分析章节有详细讲解这个案例。
閱讀更多 數據分析與可視化 的文章
