品牌型号：惠普 Laptop 15

软件版本：IBM SPSS Statistics

系统：Windows 10

在时间序列分析操作中，若是数据中藏着多种影响因素，我们通常会用分解法把这些因素一个个拆分出来，再建立模型做预测。SPSS是一款非常不错的数据统计工具，接下来我就跟大家说一说SPSS时间序列分解是什么，SPSS时间序列分解趋势的相关内容。

一、SPSS时间序列分解是什么

简单来说，SPSS时间序列分解是一种统计方法，能把复杂的时间序列数据拆开，使其变成几个容易理解的组成部分。

打个比方，我们听交响乐的时候，能同时听到大提琴的旋律、小提琴的伴奏，以及一些敲击乐器的声音。时间序列分解做的就是类似的工作，可以帮我们把数据中的不同成分理清楚，这样才能弄明白数据本身的结构和变化规律。

一般来说，一个时间序列可以被认为是四种成分按某种模型组合而成的，分别是趋势成分、季节成分、循环成分和随机成分。

其中趋势成分，指的就是数据在长时间中呈现出的稳定变化方向，可能是上升、下降，也可能是水平波动，它能反映出事物长期发展的规律。

季节成分，是数据跟着固定时间周期重复出现的波动，比如按天、按周、按月或者按季度，通常和自然周期（像春夏秋冬）、大家的消费习惯（比如节日购物）或者社会活动（比如开学季）有关系。

循环成分是数据绕着趋势线波动，但周期不固定，而且一般比较长，可能要好几年，大多和经济周期（比如经济繁荣、衰退）、行业周期这些宏观因素相关。

最后是随机成分，把趋势、季节、循环这三种成分都排除后，剩下的那些偶然波动就是它了，通常是突发事件（比如突发暴雨影响门店销量）、随机误差导致的，没什么规律可循。

二、SPSS时间序列分解趋势

讲完了时间序列分解的基本概念后，我们再通过实际数据，跟大家说一说在SPSS中做时间序列分解的具体步骤。

1、首先点击菜单栏中的【数据】，下拉列表中选择【定义日期和时间】。在弹出来的面板中，把时间单位设成【年，月】，左边框里第一个个案的日期设置为2018年1月，确认没问题后点击【确定】。

2、这么操作之后，SPSS会自动生成一个新的时间变量，用来标记每一条数据对应的时间点。

3、接下来，点击菜单栏中的【分析】选项，然后在下拉菜单中选择【时间序列预测】，在弹出的子菜单找到【季节性分解】功能。

4、在弹出来的对话框中，把左边的销售额选入【变量】框，模型类型中选择【乘法】。

5、然后点击【保存】按钮，在新弹出来的【季节：保存】对话框中，勾选创建变量【添加到文件】，再点击【继续】，最后进行【确定】。

6、SPSS就会开始进行时间序列季节性分解了。分解完之后，在输出窗口会显示相关结果。

7、如下图所示，SPSS时间序列分解用的是乘性模型，分析的是【销售额】序列。模型设定的季节性周期长度是12，还用了跨度和周期长度一样、所有数据点权重相同的移动平均方法，来分别提取序列中的趋势、季节性和不规则成分。说明该销售额序列的季节波动幅度，可能会跟着趋势的变化成比例变动，适合有明显上升或下降趋势，而且季节波动也随之变大的时间序列数据。

8、另外，从季节因子表格中能看出来，销售额在不同月份有明显的季节规律：年初1月、2月是明显的销售淡季（因子分别是69.5%和80.3%），之后每个月慢慢回升，到年末12月达到全年最高（因子131.3%），成了销售旺季；除此之外，7月、8月和11月的季节因子也都超过了110%，也是销售的小高峰。

本期重点为大家介绍了SPSS时间序列分解是什么，SPSS时间序列分解趋势的相关内容，SPSS时间序列分解不只是一种数据分析方法，更像是一个能帮我们看透数据内在规律的工具，也是预测未来趋势的有效手段。如果大家对时间序列分析感兴趣，不妨下载SPSS软件进行体验。