
SPSS時間序列:擬合優(yōu)度測量
SPSS時間序列:擬合優(yōu)度測量
一、擬合優(yōu)度測量
1、固定的R方.將模型的平穩(wěn)部分與簡單均值模型相比較的測量。當具有趨勢或季節(jié)性模式時,該度量適用于普通R方。固定的R方可以是負無窮大到1范圍中的負值。負值表示考慮中的模型比基線模型差。正值表示考慮中的模型比基線模型好。
2、R方.總變動在由模型解釋的序列中的比例估計。當序列很平穩(wěn)時,此度量最有用。R方可以是負無窮大到1范圍中的負值。負值表示考慮中的模型比基線模型差。正值表示考慮中的模型比基線模型好。
3、RMSE.均方根誤差。均方誤差的平方根。度量因變量序列與其模型預測水平的相差程度,用和因變量序列相同的單位表示。
4、MAPE.平均絕對誤差百分比。度量因變量序列與其模型預測水平的相差程度。它與使用的單位無關,因此可用于比較具有不同單位的序列。
5、MAE.平均絕對誤差。度量序列與其模型預測水平的差別程度。MAE以原始序列單位報告。
6、MaxAPE.最大絕對誤差百分比。最大的預測誤差,以百分比表示。該度量對于想象預測的最壞情況方案很有用。
7、MaxAE.最大絕對誤差。最大的預測誤差,以和因變量序列相同的單位表示。與MaxAPE相同,它對于想象預測的最壞情況方案很有用。最大絕對誤差和最大絕對誤差百分比可能發(fā)生在不同的序列點上,例如,當較大序列的絕對誤差比較小值的絕對誤差稍微大一些時。在此情況下,最大絕對誤差將發(fā)生在較大序列值處,而最大絕對誤差百分比將發(fā)生在較小序列值處。
8、標準化的BIC.標準化的BIC(BIC準則)。嘗試代表模型復雜性的模型整體擬合的一般度量。它是基于均方誤差的分數(shù),包括模型中參數(shù)數(shù)量的罰分和序列長度。罰分去除了具有更多參數(shù)的模型優(yōu)勢,從而可以容易地比較相同序列的不同模型的統(tǒng)計量。
二、離群值類型
1、可加的.影響單個觀察值的離群值。例如,可能將數(shù)據(jù)編碼錯誤標識為可加離群值。
2、移位水平.從某個特定的序列點開始將所有觀察值移動一個常數(shù)的離群值。移位水平可能由于策略的更改而造成的。
3、創(chuàng)新的.在某個特定的序列點附加到噪聲項的離群值。對于平穩(wěn)的序列,創(chuàng)新離群值將影響多個觀察值。對于不平穩(wěn)的序列,它可能影響在某個特定的序列點開始的每個觀察值。
4、瞬時的.其影響按指數(shù)衰減到0的離群值。
5、季節(jié)性可加的.一個離群值,它影響特定觀察值以及通過一個或多個季節(jié)性期間與之分隔的所有后續(xù)觀察值。該離群值對所有這些觀察值具有同等的影響。如果從某年開始,每個一月的銷售額都增加,則可能發(fā)生季節(jié)性可加離群值。
6、局部趨勢.從某個特定的序列點開始局部趨勢的離群值。
7、可加的修補.由兩個或更多連續(xù)可加離群值構(gòu)成的組。選擇此離群值類型將導致除了檢測可加離群值的變量值組以外,還檢測單獨的可加離群值。
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
訓練與驗證損失驟升:機器學習訓練中的異常診斷與解決方案 在機器學習模型訓練過程中,“損失曲線” 是反映模型學習狀態(tài)的核心指 ...
2025-09-19解析 DataHub 與 Kafka:數(shù)據(jù)生態(tài)中兩類核心工具的差異與協(xié)同 在數(shù)字化轉(zhuǎn)型加速的今天,企業(yè)對數(shù)據(jù)的需求已從 “存儲” 轉(zhuǎn)向 “ ...
2025-09-19CDA 數(shù)據(jù)分析師:讓統(tǒng)計基本概念成為業(yè)務決策的底層邏輯 統(tǒng)計基本概念是商業(yè)數(shù)據(jù)分析的 “基礎語言”—— 從描述數(shù)據(jù)分布的 “均 ...
2025-09-19CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-19SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎用法到實戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關聯(lián)查詢效率:打破 “拆分必慢” 的認知誤區(qū) 在 MySQL 數(shù)據(jù)庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18DSGE 模型中的 Et:理性預期算子的內(nèi)涵、作用與應用解析 動態(tài)隨機一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實戰(zhàn)應用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時,“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗與 t 檢驗:差異、適用場景與實踐應用 在數(shù)據(jù)分析與統(tǒng)計學領域,假設檢驗是驗證研究假設、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計劃中 rows 數(shù)量的準確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對象的 text 與 content:區(qū)別、場景與實踐指南 在 Python 進行 HTTP 網(wǎng)絡請求開發(fā)時(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請求工具對比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點數(shù)據(jù)的科學計數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長浮點數(shù)據(jù)時的科學計數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務數(shù)據(jù)分析步驟的落地者與價值優(yōu)化者 業(yè)務數(shù)據(jù)分析是企業(yè)解決日常運營問題、提升執(zhí)行效率的核心手段,其價值 ...
2025-09-12用 SQL 驗證業(yè)務邏輯:從規(guī)則拆解到數(shù)據(jù)把關的實戰(zhàn)指南 在業(yè)務系統(tǒng)落地過程中,“業(yè)務邏輯” 是連接 “需求設計” 與 “用戶體驗 ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據(jù)驅(qū)動下的精準零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當下,精準營銷成為企業(yè)突圍的核心方 ...
2025-09-11