用SPSS建立ARIMA预测模型实例详细教程

1、首先搜集好需要建立ARIMA模型的数据，这里选择上证指数1998年1月到2011年12的周度数据，数据如下：

3、在序列图窗口中，“变量”栏选择“收盘”变量，“时间轴标签”中选择“日期”变量，然后确定，就得到数据的序列图。

5、此外，ARIMA模型要求序列是平稳序列，因此要对数据进行平稳性分析。下面做股票序列的自相关图和偏自相关图进行分析序列的平稳性。

6、在SPSS主窗口，依次点击“分析”，“预测”，“自相关”，弹出自相关设置窗口。

8、从图中可以看出，序列的自相关图钱砀渝测（ACF）和偏自相关图（PACF）都是拖尾的，说明序列是非平稳的。股票数据序列通常不是平稳序列，但一般一届差分都是平稳的，因此可以通过差分做进一步分析。

9、绘制股票序列差分序列图，观察其平稳性。在第3步的序列窗口中，勾选“差分”选项，即绘制差分序列的序列图，这里使用1阶差分。

11、然后再看差分序列的ACF和PACF图，步骤如下，依次点击“分析”，“预测”，“自相关”，在弹出的自相关窗口中选择“差分”，然后确定，就能得到差分序列的ACF和PACF图。

14、在弹出的窗口，点击确定。

16、将模型的p,d,q都设置成1,1,1，然后继续。

18、在“图”选项中，选择“序列”，“残差自相关函数”，“残差部分自相关函数”等选项，如下图所示。

20、所有设置完成后，点击确定，模型结果就出来了。R的平方达到0.961，拟合程度很好，AR，MA的系数分别是0.787和0.664，显著性水平都小于0.01，因此系数都显著不为0.

21、再看残差的ACF和PACF图，可以看到都是平稳的，因此ARIMA(1,1,1)是合理的。

23、最后进行拟合预测，可以看到拟合效果很好。

24、SPSS建立ARIMA模型分享完了，谢谢大家。