时间序列数据

时间序列数据：对同一对象在不一样时间连续观察所获得的数据。

1. 出生
2. GDP
3. 温度

组成要素【时期时间序列+时点时间序列】

1. 时间要素：年 季度 月 周 日
2. 数值要素

1. 长期变更趋势：至关长的一段时间，受长期趋势影响 持续上升/降低
2. 季节变更规律: 广义，通常以月、季、周为时间单位【百度指数】 ‘异常’（明显高于其余）
3. 不规则变更（随机扰动项）: 含白噪音
4. 循环变更： 市场经济的商业周期 或者整个国家的经济周期

四种指标分解：

(1)数据具备周期性才能使用时间序列分解，例如数据是月份数据，季度数据，若是是年份数据则不行 (2)在具体的时间序列图，若是随着时间的推移、序列的季节波动变得愈来愈大，则反映各类变更之间的关系发生变化，建议使用乘积模型；反之若是时间序列图的波动保持恒定，则能够直接使用叠加模型，固然，若是不存在季节伯兄，则两种分解均可以。 ####累积/叠加

案例：

Spss处理时间序列中的缺失值：

软件中：转换 替换缺失值

1. 序列平均值：用整个序列的平均值

获得的效果