SPSS中異常值檢驗(yàn)的幾種方法介紹(1)_數(shù)據(jù)分析師

SPSS 中異常值檢驗(yàn)的幾種方法介紹

方法具體如下所示： 離群值 （箱圖／探索） .值與框的上下邊界的距離在 1.5 倍框的長(zhǎng)度到 3 倍框的長(zhǎng)度之間的個(gè)案。 框的長(zhǎng)度是內(nèi)距。 極端值（箱圖）.值距離框的上下邊界超過(guò) 3 倍框的長(zhǎng)度的個(gè)案?？虻拈L(zhǎng)度是內(nèi)距 在回歸模型診斷里面， 一般稱預(yù)測(cè)值與實(shí)際值的偏差為"殘差"殘差有幾種表示方法:標(biāo)準(zhǔn)化殘差, 學(xué)生化殘差等等，按照需要取一種殘差，再按照某種標(biāo)準(zhǔn)取一個(gè)閥值來(lái)限定異常點(diǎn)，只要那個(gè)點(diǎn) 的殘差大于閥值，就可以認(rèn)為它是異常點(diǎn)。

SPSS14 之后新功能

SPSS Data Validation 能幫助您輕松地探察多個(gè)異常值，以便您可以進(jìn)一步檢驗(yàn)并確定是否把 這些觀測(cè)包括在您的分析中。SPSS Data Validation 異常探察程序能夠基于與數(shù)據(jù)集中相似觀 測(cè)的偏離探察異常值，并給出偏離的原因。它使您可以通過(guò)創(chuàng)建新變量來(lái)標(biāo)識(shí)異常值。

標(biāo)簽： 市場(chǎng)研究 研究方法 經(jīng)營(yíng)分析 分類： 經(jīng)營(yíng)分析 2009-11-24 18:59

這段時(shí)間太忙了，一直沒(méi)有靜下心來(lái)。積攢了幾個(gè)朋友的問(wèn)題，現(xiàn)在來(lái)回答或介紹一些， 今天先談?wù)剷r(shí)間序列(Time-Series Forecasting)的預(yù)測(cè)問(wèn)題！ 預(yù)測(cè)： 是對(duì)尚未發(fā)生或目前還不明確的事物進(jìn)行預(yù)先的估計(jì)和推測(cè)， 是在現(xiàn)時(shí)對(duì)事物將要發(fā) 生的結(jié)果進(jìn)行探討和研究，簡(jiǎn)單地說(shuō)就是指從已知事件測(cè)定未知事件。 為什么要預(yù)測(cè)呢， 因?yàn)轭A(yù)測(cè)可以幫助了解事物發(fā)展的未來(lái)狀況后， 人們可以在目前為它的到 來(lái)做好準(zhǔn)備， 通過(guò)預(yù)測(cè)可以了解目前的決策所可能帶來(lái)的后果， 并通過(guò)對(duì)后果的分析來(lái)確定 目前的決策，力爭(zhēng)使目前的決策獲得最佳的未來(lái)結(jié)果。 我們進(jìn)行預(yù)測(cè)的總的原則是：認(rèn)識(shí)事物的發(fā)展變化規(guī)律，利用規(guī)律的必然性，是進(jìn)行科學(xué)預(yù) 測(cè)所應(yīng)遵循的總的原則。 這個(gè)總原則實(shí)際上就是事物發(fā)展的 1-“慣性”原則——事物變化發(fā)展的延續(xù)性； 2-“類推”原則——事物發(fā)展的類似性； 3-“相關(guān)”原則——事物的變化發(fā)展是相互聯(lián)系的；

4-“概率”原則——事物發(fā)展的推斷預(yù)測(cè)結(jié)果能以較大概率出現(xiàn)，則結(jié)果成立、可用；

時(shí)間序列預(yù)測(cè)主要包括三種基本方法： 1-內(nèi)生時(shí)間序列預(yù)測(cè)技術(shù)；2-外生時(shí)間序列預(yù)測(cè)技術(shù)；3-主觀時(shí)間序列預(yù)測(cè)技術(shù)； 當(dāng)然今天我們主要討論內(nèi)生時(shí)間序列預(yù)測(cè)技術(shù)——也就是只關(guān)注時(shí)間序列的下的預(yù)測(cè)問(wèn)題！

從數(shù)據(jù)分析的角度來(lái)考慮，我們需要研究：

1. 序列是否在固定水平上下變動(dòng)？ 2. 此水平是否也在變動(dòng)？ 3. 是否有某種上升或下降的趨勢(shì)呢？ 4. 是否存在有季節(jié)性的模式？ 5. 是否季節(jié)性的模式也在變更呢？

6. 是否存在周期性規(guī)律和模式？

時(shí)間序列有一明顯的特性就是記憶性(memory)，記憶性

系指時(shí)間數(shù)列中的任一觀測(cè)值的 表現(xiàn)皆受到過(guò)去觀測(cè)值影響。

時(shí)間序列主要考慮的因素是：

?

長(zhǎng)期趨勢(shì)(Long-term trend)

1. 2.

時(shí)間序列可能相當(dāng)穩(wěn)定或隨時(shí)間呈現(xiàn)某種趨勢(shì)。 時(shí)間序列趨勢(shì)一般為線性的(linear)，二次方程式的 (quadratic)或指數(shù)函數(shù) (exponential function)。 季節(jié)性變動(dòng)(Seasonal variation)

?

1. 2. 3.

按時(shí)間變動(dòng)，呈現(xiàn)重復(fù)性行為的序列。 季節(jié)性變動(dòng)通常和日期或氣候有關(guān)。 季節(jié)性變動(dòng)通常和年周期有關(guān)。

?

周期性變動(dòng)(Cyclical variation) 1. 相對(duì)于季節(jié)性變動(dòng)，時(shí)間序列可能經(jīng)歷“周期性變動(dòng)”。 2. 周期性變動(dòng)通常是因?yàn)榻?jīng)濟(jì)變動(dòng)。 隨機(jī)影響(Random effects)

?

預(yù)測(cè)技術(shù)主要包括兩大類：

?

指數(shù)平滑方法（Exponential smoothing models）：

描述時(shí)間序列數(shù)據(jù)的變化規(guī)律和行為，不去試圖解釋和理解這種變化的原因。例如：您 可能發(fā)現(xiàn)在過(guò)去的一年里，三月和九月都會(huì)出現(xiàn)銷售的高峰，您可能希望繼續(xù)保持這樣，盡 管您不知道為什么。