
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
2025被稱為“AI元年”,而AI,與數(shù)據(jù)密不可分。網(wǎng)易公司創(chuàng)始人丁磊在《AI思維:從數(shù)據(jù)中創(chuàng)造價值的煉金術》一書中指出:AI思維, ...
2025-07-17數(shù)據(jù)分析師的技能圖譜:從數(shù)據(jù)到價值的橋梁? 在數(shù)據(jù)驅(qū)動決策的時代,數(shù)據(jù)分析師如同 “數(shù)據(jù)翻譯官”,將冰冷的數(shù)字轉(zhuǎn)化為清晰的 ...
2025-07-17Pandas 寫入指定行數(shù)據(jù):數(shù)據(jù)精細化管理的核心技能? 在數(shù)據(jù)處理的日常工作中,我們常常需要面對這樣的場景:在龐大的數(shù)據(jù)集里精 ...
2025-07-17解碼 CDA:數(shù)據(jù)時代的通行證? 在數(shù)字化浪潮席卷全球的今天,當企業(yè)決策者盯著屏幕上跳動的數(shù)據(jù)曲線尋找增長密碼,當科研人員在 ...
2025-07-17CDA 精益業(yè)務數(shù)據(jù)分析:數(shù)據(jù)驅(qū)動業(yè)務增長的實戰(zhàn)方法論 在企業(yè)數(shù)字化轉(zhuǎn)型的浪潮中,“數(shù)據(jù)分析” 已從 “加分項” 成為 “必修課 ...
2025-07-16MySQL 中 ADD KEY 與 ADD INDEX 詳解:用法、差異與優(yōu)化實踐 在 MySQL 數(shù)據(jù)庫表結構設計中,索引是提升查詢性能的核心手段。無論 ...
2025-07-16解析 MySQL Update 語句中 “query end” 狀態(tài):含義、成因與優(yōu)化指南? 在 MySQL 數(shù)據(jù)庫的日常運維與開發(fā)中,開發(fā)者和 DBA 常會 ...
2025-07-16如何考取數(shù)據(jù)分析師證書:以 CDA 為例? ? 在數(shù)字化浪潮席卷各行各業(yè)的當下,數(shù)據(jù)分析師已然成為企業(yè)挖掘數(shù)據(jù)價值、驅(qū)動決策的 ...
2025-07-15CDA 精益業(yè)務數(shù)據(jù)分析:驅(qū)動企業(yè)高效決策的核心引擎? 在數(shù)字經(jīng)濟時代,企業(yè)面臨著前所未有的數(shù)據(jù)洪流,如何從海量數(shù)據(jù)中提取有 ...
2025-07-15MySQL 無外鍵關聯(lián)表的 JOIN 實戰(zhàn):數(shù)據(jù)整合的靈活之道? 在 MySQL 數(shù)據(jù)庫的日常操作中,我們經(jīng)常會遇到需要整合多張表數(shù)據(jù)的場景 ...
2025-07-15Python Pandas:數(shù)據(jù)科學的瑞士軍刀? ? 在數(shù)據(jù)驅(qū)動的時代,面對海量、復雜的數(shù)據(jù),如何高效地進行處理、分析和挖掘成為關鍵。 ...
2025-07-15用 SQL 生成逆向回滾 SQL:數(shù)據(jù)操作的 “后悔藥” 指南? 在數(shù)據(jù)庫操作中,誤刪數(shù)據(jù)、錯改字段或誤執(zhí)行批量更新等問題時有發(fā)生。 ...
2025-07-14t檢驗與Wilcoxon檢驗的選擇:何時用t.test,何時用wilcox.test? t 檢驗與 Wilcoxon 檢驗的選擇:何時用 t.test,何時用 wilcox. ...
2025-07-14AI 浪潮下的生存與進階: CDA數(shù)據(jù)分析師—開啟新時代職業(yè)生涯的鑰匙(深度研究報告、發(fā)展指導白皮書) 發(fā)布機構:CDA數(shù)據(jù)科 ...
2025-07-13LSTM 模型輸入長度選擇技巧:提升序列建模效能的關鍵? 在循環(huán)神經(jīng)網(wǎng)絡(RNN)家族中,長短期記憶網(wǎng)絡(LSTM)憑借其解決長序列 ...
2025-07-11CDA 數(shù)據(jù)分析師報考條件詳解與準備指南? ? 在數(shù)據(jù)驅(qū)動決策的時代浪潮下,CDA 數(shù)據(jù)分析師認證愈發(fā)受到矚目,成為眾多有志投身數(shù) ...
2025-07-11數(shù)據(jù)透視表中兩列相乘合計的實用指南? 在數(shù)據(jù)分析的日常工作中,數(shù)據(jù)透視表憑借其強大的數(shù)據(jù)匯總和分析功能,成為了 Excel 用戶 ...
2025-07-11尊敬的考生: 您好! 我們誠摯通知您,CDA Level I和 Level II考試大綱將于 2025年7月25日 實施重大更新。 此次更新旨在確保認 ...
2025-07-10BI 大數(shù)據(jù)分析師:連接數(shù)據(jù)與業(yè)務的價值轉(zhuǎn)化者? ? 在大數(shù)據(jù)與商業(yè)智能(Business Intelligence,簡稱 BI)深度融合的時代,BI ...
2025-07-10SQL 在預測分析中的應用:從數(shù)據(jù)查詢到趨勢預判? ? 在數(shù)據(jù)驅(qū)動決策的時代,預測分析作為挖掘數(shù)據(jù)潛在價值的核心手段,正被廣泛 ...
2025-07-10