时间序列分析时间序列分析的基本原理是什么？

ARIMA模型(移动平均自回归模型)，这是时间序列预测和分析的最常用的方法。历史数据可以用来预测未来的形势。ARIMA模型可分为三项，即AR模型、I是差模型和MA模型。SPSSAU智能找出最佳AR模型，I为微分值和MA模型，最终给出最佳模型预测结果。SPSSAU智能找出最佳模型的原理是利用最小AIC值规则遍历所有可能的模型组合进行模型构建，最后结合最小AIC规则得到最佳模型。

当然，研究者也可以自己设置AR模型、微分阶、MA模型，即分别设置自回归阶P、微分阶D、移动平均阶Q，然后构建模型。至于自回归阶数P，差分阶数D和移动平均阶数Q要适当设置，建议研究者使用偏(自)相关图进行分析(SPSSAU也智能提供关于P或Q的建议)，使用ADF检验分析得到合适的差分阶数D (SPSSAU也智能提供关于最佳差分阶数D的建议)。

ARIMA模型可分为三项，即AR模型、I是差模型和MA模型。SPSSAU智能找出最佳AR模型I，即微分值和MA模型。当然，如果研究者自己设置AR模型、微分阶和MA模型，即分别设置自回归阶P、微分阶D和移动平均阶Q，那么SPSSAU会根据研究者的设置来构建模型。建议用户直接使用SPSSAU的智能分析。

Spssau操作如下: