時間序列數據

時間序列數據：對同一對象在不一樣時間連續觀察所獲得的數據。

1. 出生
2. GDP
3. 溫度

組成要素【時期時間序列+時點時間序列】

1. 時間要素：年 季度 月 周 日
2. 數值要素

1. 長期變更趨勢：至關長的一段時間，受長期趨勢影響 持續上升/降低
2. 季節變更規律: 廣義，通常以月、季、周爲時間單位【百度指數】 ‘異常’（明顯高於其餘）
3. 不規則變更（隨機擾動項）: 含白噪音
4. 循環變更： 市場經濟的商業週期 或者整個國家的經濟週期

四種指標分解：

(1)數據具備週期性才能使用時間序列分解，例如數據是月份數據，季度數據，若是是年份數據則不行 (2)在具體的時間序列圖，若是隨着時間的推移、序列的季節波動變得愈來愈大，則反映各類變更之間的關係發生變化，建議使用乘積模型；反之若是時間序列圖的波動保持恆定，則能夠直接使用疊加模型，固然，若是不存在季節伯兄，則兩種分解均可以。 ####累積/疊加

案例：

Spss處理時間序列中的缺失值：

軟件中：轉換 替換缺失值

1. 序列平均值：用整個序列的平均值

獲得的效果