数据分析spss作业

该序列图为平稳序列则可以直接进行建模分析。 （1）简单指数平滑模型

型號說明

模型 ID 亿客公里

模型_1

簡單

模型類型

模型統計資料 模型適合度統計資料 預測變數數模型 亿客公里-模型_1 目 0 平穩 R 平方 RMSE 統計資料 12.511 DF 17 顯著性 .046 Ljung-Box Q(18) 離群值數目 0 -.417 367.918 指數平滑化模型參數 模型 亿客公里-模型_1 自然對數 Alpha（水準） 估計 1.000 SE .122 T 8.175 顯著性 .000

預測

模型

亿客公里-模型_1

預測 UCL LCL

2014 13638.21 17502.48 10451.72 2015 13752.16 19474.79 9393.22 2016 13867.06 21137.62 8654.28 針對每一個模型，預測是在所要求的估計期間範圍內的前次非遺漏開始，並在其所有預測值的非遺漏值可用的前次期間，或是在所要求的預測期間的結束日期結束，取較早的時間。

（2）HOIT线性趋势指数平滑模型

型號說明

模型 ID 亿客公里

模型_1

Holt

模型類型

模型統計資料 模型 預測變數數模型適合度統計資料 Ljung-Box Q(18) 離群值數目 平穩 R 平方 RMSE 統計資料 15.336 DF 16 顯著性 .050 目 亿客公里-模型_1 0 .610 417.990 0 指數平滑化模型參數 模型 亿客公里-模型_1 自然對數 Alpha（水準） Gamma（趨勢） 估計 .694 .117 SE .118 .062 T 5.893 1.895 顯著性 .000 .063

預測

模型

亿客公里-模型_1

預測 UCL LCL

2014 13940.78 17038.10 11286.08 2015 14300.63 18400.81 10926.81 2016 14680.08 19860.96 10585.12 針對每一個模型，預測是在所要求的估計期間範圍內的前次非遺漏開始，並在其所有預測值的非遺漏值可用的前次期間，或是在所要求的預測期間的結束日期結束，取較早的時間。

（3）Brown线性趋势指数平滑模型

型號說明

模型 ID 亿客公里

模型_1

Brown

模型類型

模型統計資料 模型適合度統計資料 預測變數數模型 亿客公里-模型_1 目 0 平穩 R 平方 RMSE 統計資料 13.265 DF 17 顯著性 .047 Ljung-Box Q(18) 離群值數目 0 .548 402.232 指數平滑化模型參數

模型

亿客公里-模型_1 自然對數 Alpha 值 (水準與趨

勢)

估計 .540 SE .053 T 10.109 顯著性

.000

預測

模型

亿客公里-模型_1

預測 UCL LCL

2014 13775.93 17291.57 10825.41 2015 14077.67 19575.76 9827.23 2016 14456.70 22517.84 8779.99 針對每一個模型，預測是在所要求的估計期間範圍內的前次非遺漏開始，並在其所有預測值的非遺漏值可用的前次期間，或是在所要求的預測期間的結束日期結束，取較早的時間。

结果分析：

在三个模型预测分析当中，简单指数模型均方根误差为367.918，HOIT线性趋势指数平滑模型均方根误差为417.990，Brown线性趋势指数平滑模型均方根误差为402.232，其中简单指数模型均方根误差最小。三个模型残差自相关函数和偏自相关函数图中，简单指数模型均方根完全落在置信区间，HOIT和Brown线性趋势指数平滑模型大部分落在置信区间。

综合上述分析，分别观察三个模型的简单指数模型你和效果图，可知简单指数模型你和效果最佳，2016年亿客公里预测值为13867.06。