案例目的：本数据来自1993年1月份——2000年12月份销售数据，用此数据建立时间序列模型来预测接下来两年的销售数据。
数据如下：原始数据只有一个变量，日期需要定义
第一步：创建日期（数据——定义日期和时间——窗口如下图——定义完之后 原始数据会增加3列）
第二步：绘制初始时间序列图（分析——时间序列预测——序列图——绘制序列图如下）
第三步：由序列图可以发现该时间序列具有明显的趋势项（上升趋势）和周期项（周期性波动），首先进行一阶差分消除趋势项（转换——创建时间序列——一阶差分）
如果上升速度一致的话，那么差分后的数值图应该是较平的，差分后作序列图分析，结果可以看出：虽然没有上升和下跌的趋势了，还是具有周期性，接着进行季节差分！观察季节性差分的分布状况
然后进行季节性差分消除季节项：差分后序列图如下
第四步：做自相关图和偏子相关图（分析——时间序列预测→自相关）
图形如下：
第五步：创建时间序列模型（分析——时间序列预测——创建传统模型）
模型预测如下：
第六步：拟合预测值与实际值（分析——时间序列预测——序列图）
最后，将1999——2000年的实际值贴到数据中，进行实际值与预测值拟合比较，只选择1999年以后的数据拟合（数据——选择个案——选择时间序列）
拟合结果如下：
只拟合实际值与预测值如下：
拟合效果很好，可见模型还是不错的，可以用此模型进行接下来的预测分析
可以将模型XML文件导出，然后选择 实用程序——评分向导
这样就可以运用此模型了。
参考：https://jingyan.baidu.com/article/9158e000060870a25412283e.html
本站文章版权归原作者及原出处所有 。内容为作者个人观点， 并不代表本站赞同其观点和对其真实性负责。本站是一个个人学习交流的平台，并不用于任何商业目的，如果有任何问题，请及时联系我们，我们将根据著作权人的要求，立即更正或者删除有关内容。本站拥有对此声明的最终解释权。