时间序列分析论文答辩问题

【论文答辩申请书_范文1】姓名学号专业班级论文题目 : 国际贸易中的专利权保护问题研究申请报告通过论文的编写工作，让我们对国家如今的外贸专利权方面的工作有深刻了解，对目前的形势展开了全面的概括、总结，主要针对国际贸易专利权方面进行一定程度的挖掘的深层次的探讨，基于我国目前的国情，认真剖析各种案例，通读各学者的学术研究，加深对专利权保护的理解，最后也相对地提出了一定的应对方案，促使我们以后对专利权方面的贸易工作提高警惕，避免不必要的贸易争端和法律纠纷，保证我们在不触犯法律的前提下，保证自身的利益不受侵害。尽管文章内容涉及面不多，但是在探讨专利权方面知识后，对专利权方面的只是和条款的敏感程度得到大幅度提高，在了解我们国情前提下，我们懂得了如何通过法律来保护自身的研发成果，其次是知晓我们现在面临的情况在法律面上存在的缺点，通过一系列的研究，得出如何应对专利权保护的措施和政策，并且对此提出自身的建议，收获了一系列在社会实践不能得到的知识，指导我能够更好地进行拓展和为我以后的职业生涯打下了殷实的基础铺垫，在我原有的学习基础上实行了进一步的挖掘、学习和巩固。在整个论文写作的过程中，我对自身的态度还是比较满意，虽然指导老师因为格式问题对我的文献检索部分非常不悦，但是我一直在努力一直在改正，现在已经有一定的好转。加上整个行文布置都是由我自己来布置，其布置的效果也可圈可点，直至成功定稿。但是由于学术知识的不足和经验的匮乏，我的论文尚有许多值得改进之处，希望日后能够更好地修改，为我的学士生涯交出一份完整完美的答卷。本人对论文(设计)和成果的真实性郑重承诺:申请人签名 (手签) 年月日指导教师意见1、同意参加答辩 2、不同意参加答辩 3、缓答辩指导教师签名 (手签) 年月日【论文答辩申请书_范文2】姓名专业指导教师职称论文题目论文完成日期 20XX年03月申请答辩时间 20XX年05月申请答辩理由:本文在比较广泛地搜索、整理并系统地归纳总结出英语动词主被动语态之间不对称现象的大量翔实、可靠的语言材料，在此基础上结合相关语言学理论展开严谨的科学分析和理论探索。本文主要研究发现:首先，对英语主被动语态之间的不同选择根源于英语动词的行为本身包含的行为特征，对英语动词本身的语义特征及内涵的深入认识在英语主被动语态认知方面起重要的作用;其次，英语主动语态转换成被动语态时会导致部分句子成分的位置移动，这也有可能引起句子语义的变化;再次，英语中存在一些词类比如限定词，数量词和代词等肯能影响英语主被动语态的选择;最后，英语语态的选择与转换不仅仅涉及到句法结构，主要信息的变化，而且关系到语用、语义和人类认知心理诸多个方面。此外，对英语主被动语态之间不对称现象的切入点在于英语动词这一词类本身，所以，以英语词类为切入点或可作为一种研究方法，来研究、认识英语语言乃至普遍语言的规律性的东西。最后如何将英语主被动语态不对称现象的深层原因，比如动词的行为特征，英语句法，英汉思维差距等因素体现在英语动词语法习得和使用过程中是值得继续探讨的问题。本人保证:所提交论文完全为个人工作成果，所用资料、实验结果及计算数。(通过查阅文献和阅读相关资料，严格按照毕业论文的格式和要求，完成论文的撰写工作。经过指导教师审核检查、评阅教师审核，所写论文已经达到了本科生毕业论文要求，特申请进行毕业论文答辩。经过长时间的充分准备，所有设计资料已经准备齐全，在第一草、二草、三草、征稿等阶段的不断推敲上，已全部完成毕业设计(论文)的要求内容。现已向答辩组提交的内容有:1、毕业设计(论文)任务书，2、毕业设计(论文)开题报告，3、毕业论文，4、毕业设计(论文)指导教师记录表，5、毕业设计(论文)指导教师中期检查表，7、毕业设计(论文)答辩申请表。综上所述，本人已具备参加答辩能力，现向答辩组提出正式申请，望批准!指导教师意见:该生认真系统的学习了时间序列的理论和方法，查阅大量文献，在论文写作过程中虚心听取指导教师的意见。论文内容充实，层次结构合理科学，格式规范，语言表达清楚、流畅。达到本科生毕业论文水平。同意参加答辩。签名:年月日答辩委员会意见:签名:年月日

声明：本文中所有引用部分，如非特别说明，皆引自Time Series Analysis with Applications in R.接触时间序列分析才半年，尽力回答。如果回答有误，欢迎指出。对第一个问题，我们把它拆分成以下两个问题：Why stationary?（为何要平稳？）Why weak stationary?（为何弱平稳？）Why stationary?（为何要平稳？）每一个统计学问题，我们都需要对其先做一些基本假设。如在一元线性回归中（），我们要假设：①不相关且非随机（是固定值或当做已知）②独立同分布服从正态分布（均值为0，方差恒定）。在时间序列分析中，我们考虑了很多合理且可以简化问题的假设。而其中最重要的假设就是平稳。The basic idea of stationarity is that the probability laws that govern the behavior of the process do not change over time.平稳的基本思想是：时间序列的行为并不随时间改变。正因此，我们定义了两种平稳：Strict stationarity: A time series {} is said to be strictly stationary if the joint distribution of ,, · · ·, is the same as that of,, · · · ,for all choices of natural number n, all choices of time points ,, · · · , and all choices of time lag k.强平稳过程：对于所有可能的n，所有可能的,, · · · , 和所有可能的k，当,, · · ·,的联合分布与,, · · · ,相同时，我们称其强平稳。Weak stationarity: A time series {} is said to be weakly (second-order, or co-variance) stationary if:① the mean function is constant over time, and② γ(t, t − k) = γ(0, k) for all times t and lags k.弱平稳过程：当①均值函数是常数函数且②协方差函数仅与时间差相关，我们才称其为弱平稳。此时我们转到第二个问题：Why weak stationary?（为何弱平稳？）我们先来说说两种平稳的差别：两种平稳过程并没有包含关系，即弱平稳不一定是强平稳，强平稳也不一定是弱平稳。一方面，虽然看上去强平稳的要求好像比弱平稳强，但强平稳并不一定是弱平稳，因为其矩不一定存在。例子：{}独立服从柯西分布。{}是强平稳，但由于柯西分布期望与方差不存在，所以不是弱平稳。（之所以不存在是因为其并非绝对可积。）另一方面，弱平稳也不一定是强平稳，因为二阶矩性质并不能确定分布的性质。例子：,,互相独立。这是弱平稳却不是强平稳。知道了这些造成差别的根本原因后，我们也可以写出两者的一些联系：一阶矩和二阶矩存在时，强平稳过程是弱平稳过程。（条件可简化为二阶矩存在，因为）当联合分布服从多元正态分布时，两平稳过程等价。（多元正态分布的二阶矩可确定分布性质）而为什么用弱平稳而非强平稳，主要原因是：强平稳条件太强，无论是从理论上还是实际上。理论上，证明一个时间序列是强平稳的一般很难。正如定义所说，我们要比较，对于所有可能的n，所有可能的,, · · · , 和所有可能的k，当,, · · ·,的联合分布与,, · · · ,相同。当分布很复杂的时候，不仅很难比较所有可能性，也可能很难写出其联合分布函数。实际上，对于数据，我们也只能估算出它们均值和二阶矩，我们没法知道它们的分布。所以我们在以后的模型构建和预测上都是在用ACF，这些性质都和弱项和性质有关。而且，教我时间序列教授说过："General linear process(weak stationarity, linearity, causality) covers about 10% of the real data." ，如果考虑的是强平稳，我觉得可能连5%都没有了。对第二个问题：教授有天在审本科毕业论文，看到一个写金融的，用平稳时间序列去估计股票走势（真不知这老兄怎么想的）。当时教授就说：“金融领域很多东西之所以难以估计，就是因为其经常突变，根本就不是平稳的。”果不其然，论文最后实践阶段，对于股票选择的正确率在40%。连期望50%都不到（任意一点以后要么涨要么跌）。暑假里自己用了一些时间序列的方法企图开发程序性交易程序。刚开始收益率还好，越往后就越...后面直接亏损了...（软件是金字塔，第二列是利润率）亏损的图当时没截，现在也没法补了，程序都删了。所以应该和平稳没关系吧，毕竟我的做法也没假设是平稳的。如果平稳我就不会之后不盈利了。（吐槽）自己果然不适合做股票、期货什么的...太高端理解不能...以上

统计学是一门抽象难懂的学科，非统计学专业毕业人员一般很难做到精通。下文是我为大家整理的关于统计类论文投稿的范文，欢迎大家阅读参考!

医学统计学方法应用的错误解析

一、引言

医学由于其研究的复杂性和系统性，常需要应用严谨的统计学方法，由于有些作者对医学科研的统计学理论和方法的应用缺乏深刻了解，在医学论文中错误应用统计学方法的现象时有发生。统计学方法应用的错误直接导致统计结果的错误。例如统计学图表、统计学指标、统计学的显著性检验等。因此，正确应用统计学方法，并将所获得的结果进行正确的描述有助于单篇论著的质量提高，现将医学论文中统计学方法应用及其常见结果的错误解析如下。

二、医学论文统计学方法应用概况

医学论文的摘要是全文的高度浓缩[1]，主要由目的、方法、结果、结论组成。一般要求要写明主要的统计学方法、统计学研究结果和P值。一篇医学论文的质量往往通过摘要的统计学结果部分就能判断。统计学方法的选择和结果的表达直接影响单篇论著的科研水平。

(一)材料与方法部分

正文中，材料与方法部分必须对统计学方法的选择、应用、统计学显著性的设定进行明确说明。通过对统计学方法的描述，读者应该清楚论著的统计学设计思路。材料部分要清楚说明样本或病例的来源、入组和排除标准、样本量大小、研究组和对照组的设定条件、回顾性或者前瞻性研究、调查或者实验性研究、其他与研究有关的一般资料情况，其目的是表明统计学方法应用的合理性和可靠性，他人作相关研究时具备可重复性。方法部分应详细叙述研究组和对照组的不同处理过程、观察的具体指标、采用的测量技术，要具备可比较性和科学性，

方法部分还要专门介绍统计分析方法及其采用的统计软件。不同的数据处理要采用不同的方法，必须清楚的说明计数或者计量资料、两组或者多组比较、不同处理因素的关联性研究。常用的有两组间计量资料的t检验，多组间计量资料的F检验，计数资料的卡方检验，不同因素之间的相关分析和回归分析。有些遗传学研究方法还有专门的统计学方法，要在这里简要说明并给出参考文献，还要简单叙述统计方法的原理。统计学软件要清楚的说明软件的名称和版本号，如基于家系资料研究的FBAT1.7.3版本。

(二)论文结果部分

论文结果部分要显示应用统计学方法得到的统计量[2]，所采用的统计学指标较多时，往往分开叙述。分组比较多时还要借助统计图表来准确表达统计结果。对于数据的精确度，除了与测量仪器的精密程度有关外，还与样本本身的均数有关，所得值的单位一般采用紧邻均数除以三为原则。均数和标准差的有效位数要和原始数据一致。标准差或标准误差有时需要增加一个位数，百分比一般保留一个小数。在统计软件中，分析结果往往精确度比较高，一般要采用四舍五入的方法使其靠近实验的实际情况，否则还会降低论文的可信度和可读性。

结果部分的统计表采用统一的“三线”表，表题中要注明均数、标准差等数据类型。表格中的数值要按照行和列进行顺序放置，要求整齐美观，不能出现错行现象。要明确标注观察的例数，得到的检验统计量。统计图可以直观的表达研究结果，如回归和相关分析的散点图可以显示个体值的散布情况。曲线图表达个体均值在不同组别随时间变化的情况或者不同条件下重复测量的结果。误差条图由均数加减标准误绘出，描述的是67%的置信区间，不是95%，提倡在误差条图采用95%的置信区间。

关于统计量，一般采用均数与标准差两个指标，均数不宜单独使用。使用均数的时候要明确变异指标标准差或者精确性指标标准误。关于百分比，分母的确定必须要符合逻辑，过小的样本会导致分母过小而出现百分比过大的情况。百分率的比较要写清两者中不同的变化，可以采用卡方检验。

1.假设检验的结果中，常见只写P值的情况，有时候会误导读者，也会隐藏计算失误的情况，因此写出具体的统计值，如F值、t值，可以增强可信度。对于率、相关系数、均数这类描述统计量，要清楚写明进行过统计学检验并将结果列出。P值一般取0.05与0.01作为检验显著性，对于结果的计算要求具体的P值，如P=0.23或P=0.02。

2.在对论文进行讨论时，作为统计学方法产生的结果往往要作为作者的主要观点支持其科学假设，对统计结果的正确解释至关重要。P值很大表明两组间没有差别属于大概率事件，P值很小表明两组间没有差别的概率很小。当P<0.05，表明差异具有统计学意义。P值与观察的样本量的大小有关联，当样本量小的时候，数据之间的差别即使很大，P值也可能很大;当样本量大时，数据之间的差别即使很小，P值也可能显示有显著性差异。相关系数统计学意义的显著性也与相关系数的大小没有绝对的关联，有统计学意义的样本相关系数可能很小。因此，有统计学差异的描述并不一定意味着两组间差别很大，错判的危险性很大，显著性的检验为定性的结果，结合统计量大小方可判断是否具有专业意义。

变量间虚假的相关关系与变量随时间变化而变化相关，统计学意义的关联并不表示变量间一定存在因果关系。因果关系的确定要根据专业知识和采用的研究方法的不同来考量。使用回归方程进行分析，当两变量间具有显著性关系，但是从自变量推测因变量仍然不会很精确。相关或回归系数不能预测推测结果的精确程度，而只是预测一个可信区间。诊断性检验应用于人群发病率很低的疾病，灵敏度、特异度的高低对于明确疾病诊断并不能很肯定。“假阳性率”与“假阴性率”根据实际的需要不同要求并不一致，在疾病患病率很低时，出现假阳性也是正常的，要确诊疾病必须要与临床症状体征相结合。因此，这两个率的计算方法必须交待清楚。

三、医学论文统计学方法应用的常见错误分析

(一)“材料与方法”中的统计学方法应用的常见错误

“材料与方法”中统计学方法常见的问题主要为：对样本的选择或者研究对象的来源和分组描述很少或者过于简单。例如，临床入组病例分组只采用简单的随机分组，未描述随机分组的方法，未描述是否双盲双模拟，未设置空白对照组，分组后对性别、年龄、文化程度的描述未进行统计学检验，对于特殊的统计学方法没有详细交代;动物实验分组的随机化原则描述过于简单，没有具体说清完全随机、配对或分层随机分组等;统计分析方法没有任何说明采用的分析软件，有的只说明采用的分析软件而不交代在软件中采用的统计方法;没有说明原因的情况下出现样本量过于小等情况。

(二)“结果”统计学方法应用的常见错误

1.应用正确的统计学方法出现的结果表达并不一定正确。例如前文所述数据的精确度要求。医学论文常见错误中包括均数、标准差、标准误等统计学指标与原始数据应保留的小数位数不同;对于率、例数、比值、比值比、相对危险度等统计学指标保留的小数点位数过多;罕见疾病的发病率、患病率、现患率等指标没有选择好基数，导致结果没有整数位;相关系数、回归系数等指标保留的小数位数过多或者过少;常用的一些检验统计量，如F值、t值保留的位数不符合要求。

2.对统计学指标进行分析和计算时，一般采用计数资料和计量资料进行区分。计量资料常用三线表，在近似服从正态分布的前提下采用均数、标准差进行说明，如果不符合正态分布时，可以采用加对数或其他的处理方式使其近似正态分布，否则只能采用中位数和四分位数间距等指标进行描述。医学论文中常见未对数据进行正态分布检验的计算，影响统计结果的真实性和可信度。对于率、构成比等常用的计数资料指标，常见样本量过小的问题，采用率进行描述会影响统计结果的可靠性，采用绝对数进行说明会显得客观一些。还有一些文献将构成比误用为率，也是不可取的。

3.在判断临床疗效之一指标时，两组平均疗效有差别并不意味着两组的每一个个体都有效或无效，必须通过计算有效率进行计算。如比较某药物治疗糖尿病的疗效，服药一周后，研究组和对照组的对血糖降低值分别为6.7 ±2.4 和1.2 ±0.6 ( P = 0.000 1) 。按空腹血糖值低于7.7mmol/L的疗效判定有效率，研究组和对照组的有效率分别为75.6%和12.4% ，尽管平均疗效相差较多，但也要注意到该药物对部分患者无效(24.4%)。对假设检验结果的统计学分析结果，P 值的表达提倡报告精确P值，如P = 0.015或P = 0.321等。目前的统计学分析软件均可自动计算精确的P 值。例如常用的SAS，SPSS等，只要提供原始数据，就可以计算出t值、F值和相应的自由度，并可获得精确的P值。

四、小结

提高医学论文中统计学方法的使用质量是编辑部值得重视的一项长期而又艰巨的工作[3]，医学论文中统计方法应用和统计结果的表达正确与否，不仅体现了论文的科学性和严谨性，而且对于提高期刊整体的学术质量，促进医学科学的发展和传播也有着重要作用[4]。

参考文献：

[1] 李敬文,吕相征,薛爱华.医学期刊评论性文章摘要的添加对期刊被引频次的影响[J].编辑学报,2011(23).

[2] 陈长生.生物医学论文中统计结果的表达及解释[J].细胞与分子免疫学杂志,2008(24).

[3] 潘明志.新时期复合型医学科技期刊编辑应具备的素质和能力[J].中国科技期刊研究,2011 (22).

统计学专业毕业现状分析与对策研究

本科毕业论文是高等学校人才培养计划的重要组成部分，是本科教学过程中最后一个重要的教学实践环节，是学士学位授予的一个重要依据。[1，2]然而，相较于其他教学环节，毕业论文没有受到足够的重视，从而导致该环节存在着一些问题。[3]本文将以中央民族大学统计学专业毕业论文为例，在分析其现状的基础上，找到问题并提出相应的建议。

中央民族大学统计学本科专业设置于2003年，目前已有六届毕业生。经过学院和学校层面的努力，统计学专业作为新办专业取得了较快发展，所培养的学生具有较好的专业能力和综合素质，近四成学生继续读研深造，就业的学生大都在专业对口的工作岗位上，就业率一直在85%左右。

本科毕业论文环节在培养方案中是6个学分。学生在第七学期开始选择指导教师以确定毕业论文题目。经过前6个学期的系统理论学习，统计学专业学生已基本掌握了统计学的基础理论和基本方法，具备了正确的统计思想和较强的统计软件应用能力，以及运用所学的理论和方法解决实际问题、文献检索和资料查询等综合能力。本科毕业论文的写作就是统计学专业学生将上述基础和能力进一步深化与升华的重要过程，从而培养学生的创新能力和实践能力，使学生的知识、技能和素质得到进一步的充实和提高，同时也是衡量学校教学质量和办学水平的重要指标。因此对如何提高毕业论文质量进行研究是必要和有意义的。[4]

一、统计学专业毕业论文质量的现状分析

从论文完成情况来看，每届的毕业论文基本都能达到论文教学环节的要求，通过对中央民族大学统计学专业2007～2011年四届毕业生的毕业论文进行分析，发现毕业论文及格率为99.18%。

从毕业论文研究的类型来看，主要分为两大类：理论研究型论文和实证型论文，理论研究型论文表现为总结和论述现有统计理论问题，表述理论研究的成果，或应用理论对现实问题进行分析、说明，并提出自己的思考;实证型论文主要表现为针对某一特定的实际目的或目标，运用所学统计的理论和方法，对经济、管理、金融、医学、生物、工程、环境等领域进行统计调查、统计信息管理、数量分析等。

从论文知识点范围的分析来看，学生论文绝大多数是统计专业问题，极少数是其他数学分支的问题。从中央民族大学历届统计学专业学生的毕业论文情况分析，发现毕业论文中研究其他数学分支的问题占总数的6.50%，主要包括：一是其他科目的应用研究(数学分析、常微分方程、运筹学及空间解析几何等)，占总数的1.63%。二是数学专业教育和数学思维的研究，占总数的4.87%。研究统计学专业问题的毕业论文占绝大部分，比例为93.50%，选题内容广泛且多为社会热点问题，涉及经济、社会、医疗卫生、教育发展、旅游、基础设施建设等多领域，由于受学校人文环境影响，很大比例的学生对少数民族地区的经济、社会、民生等问题进行了统计分析，约占总学生人数的30.08%。所使用的分析方法主要集中于抽样调查、回归分析、多元统计方法、聚类分析、判别分析等常用统计方法。

此外，统计分析显示学生成绩普遍偏高，统计学专业学生的毕业论文，尤其是实证类论文，存在着可以大量使用背景介绍和统计软件分析结果的特点，因此，一些论文没有创新性和学术含量，但具有较大的篇幅，与理学院其他专业的毕业论文成绩比较，其平均成绩相对较高，约80.42分。

二、统计学专业毕业论文存在的问题

毕业论文的质量问题关系到本科人才的培养规格和目标，直接体现了学生本科阶段的学习成果，是衡量教学水平、学生毕业与学位资格认证的重要依据。通过对论文和考评结果的具体分析，发现学生的毕业论文在创新性、理论深度及论文写作常识多方面存在问题。具体表现为：

1.创新性不够

学生的毕业论文表现为理论性研究非常少，大都是实证型论文，并且多是简单的统计方法应用，缺少创新性研究和思考。从中央民族大学历届统计学专业学生的毕业论文来看，理论研究型论文只占4.89%，与实证型论文的比例为1︰19.45，比例悬殊，体现了学生在毕业论文大的选题过程中，避重就轻，缺乏创新的特点。如每年都有一定数量的学生选择“我国人均GDP的预测”这类针对某经济指标进行预测的题目，论文的主要内容就是利用ARMA、灰色预测或者趋势外推方法等一种或多种方法对时间序列数据做简单建模和分析，论文没有对指标本身的意义以及国内国际的社会经济形势进行综合分析。这种方法简单套用性质的论文占有很大的比重。

2.选题过大、内容空泛，缺乏深入研究，存在抄袭、拼凑现象

有些学生在选择研究课题时，往往不能根据自身的专业知识结构特点和社会实践情况进行准确定位，只是一味的盲目的选择一些过大过空的社会热点问题，因此难以看到所要研究的问题的本质。如有的学生针对CPI做研究，没有深入了解问题的实质，只是收集了一些文献，很难提出自己的观点或研究角度，造成了材料堆积且过于散乱，论文变成了一些材料的简单拼凑。有些论文针对某一社会经济问题进行研究，论文的主题只是针对现有数据利用简单的统计方法进行分析，对数据的质量和可靠性以及方法的适用性不做针对性讨论，对所得的结论也不结合社会经济现实情况进行分析，导致论文质量不高。

3.相对前沿的分析方法利用较少

前沿的分析方法利用较少，通过毕业论文的写作，统计分析能力没有实质性提升。学生论文使用的统计方法主要集中于回归分析、聚类分析、判别分析、相关性分析等，其中回归分析方法占有非常大的比例，约41.46%，其他各统计方法使用的比例分别为：聚类分析为5.69%，判别分析为7.32%，相关性分析为14.63%，多元统计方法为2.44%，时间序列分析为3.25%，极少有学生使用教科书外的相对前沿的分析方法。

4.论文写作上存在结构不合理、没有相关研究介绍、创新点表述不清、参考文献不会正确标注等问题

从学生的毕业论文来看，论文写作不规范，专业性差。主要存在论文形式不规范、结构不合理、题目含糊、有些论文杂乱无章、口语化严重、可读性差等问题。

三、存在问题的原因分析

针对上述问题，统计学系通过对论文进行详细审查以及组织指导教师和学生座谈，发现毕业论文出现以上问题的主要原因包括以下几方面：

1.学生对论文不够重视

部分学生由于忙于考研学习而无暇顾及毕业论文的研究，还有部分学生由于忙于外出找工作、实习而无心认真撰写论文。论文撰写所需的必要时间难以得到保障，因此学生应付了事，从而无法保证论文的深度。此外，还有部分学生认为毕业论文只是一个教学环节，与考研的好坏无关，存在只要写了论文，教师都会让自己通过的侥幸心理，在思想上没有引起足够的重视。

2.缺乏指导教师的针对性指导

指导教师所带毕业生人数过多，使得导师的工作量呈现超负荷状态，无法保证每个学生毕业论文的质量，从而致使部分学生的论文规范性较差，没有对存在的问题反复修改，使得学生论文存在诸多问题。

3.学生的专业训练还不够

大部分本科生没有经历过论文的写作训练，写作水平较低，不了解学术论文的规范性及其格式，不知如何从科研的角度构思文章、组织材料、安排结构，使得相当一部分学生的毕业论文表达的观点不够准确清楚，论据亦不能很好地支持论点。另外，一些同学为了完成任务，直接将在网络中搜索到的资料不假思索的拼凑在一起，使得内容不成体系，观点混乱。

四、提高毕业论文质量的建议和实践

1.加强毕业论文重要性的宣传，提高学生的重视度

加强对毕业论文重要性的认识有助于提高本科生毕业论文的质量。通过讲座、课堂传授等形式，让学生意识到毕业论文的实践性和综合性是任何教学环节都不能替代的，是提高发现问题、分析问题、解决问题能力的有效途径，更是进行个人综合素质提高的必不可少的重要环节，[4]从而使学生在思想上认识到毕业论文的重要性，投入更多精力进行毕业论文设计。

2.选题和教师的科研项目相结合，提高论文的创新性

在选择课题时，为了能充分发挥学生的主观能动性，可以让学生根据自身的特点，与指导教师协商，结合导师的研究方向制定课题方案。统计学专业的教师一般除了申请国家自然科学基金和国家社会科学基金这类对理论性和创新性要求较高的项目以外，很多教师还主持或参加有相应的应用研究类项目。应用类项目大都需要实地调研(以及问卷涉及和数据分析)或者大量的数据分析和建模。引导学生参加这类项目来设计和完成自己的本科毕业论文，能够激发学生的科研热情和创新潜力。此外，鼓励和引导一些成绩较好，如让具备保研资格的学生参加教师的科研讨论班或者课题组，选择一些具有一定难度的理论问题进行研究，可以使学生了解本学科的发展方向和最新动态。最近两年，越来越多的学生，特别是具备了保研资格的学生，在大四上学期就能投入到项目和毕业论文的写作中。

3.重视平时实践教学环节，培养学生的实践能力、发现问题以及解决问题的能力

为了提高学生的学习兴趣以及对问题的分析、解决能力，广泛开展了丰富多彩的社会实践活动，使学生尽可能早地接触与本专业有关的实际工作，切身体会到如何将理论与实际相结合，了解本学科的实际业务，从而提高自主学习能力，加强专业知识的把握。结合学校的实际情况，积极鼓励学生在大二和大三阶段参加校级和国家级的全国大学生数学建模竞赛，申请“中央民族大学本科生研究训练计划项目”、“北京市大学生科学研究计划项目”和“国家大学生创新性试验计划项目”。项目的申请和实施以及研究报告的写作，对学生来说都是一个很好的锻炼。目前，统计学专业本科生的参与率在70%以上。此外，建立专业实习基地可以提高学生利用专业知识分析和解决实际问题的能力。这些环节的设计和实施都有力地保障了学生本科毕业论文的水平和质量。

4.加强学生科技论文写作训练

加强平时课堂上大作业的规范化，潜移默化培养学生科技论文的写作能力。通过平时的实践活动，如学生数学建模以及大学生创新实践等各类实践性项目来提高学生的论文写作能力。

5.实施激励措施，激发学生的兴趣和主动性

针对那些参与实际课题的学生，学院鼓励指导教师根据学生的完成情况以劳务费的形式给予其奖励，另外积极鼓励毕业论文质量优秀的学生进行投稿发表。此外，还需对答辩程序和评分标准进行规范化，建立优秀毕业论文指导教师和优秀毕业论文奖励制度，以形成积极的导向作用，充分调动指导教师和学生的积极性。

6.加强教师责任心，建立完善的机制

加强学生毕业论文的过程管理，从开题到中期检查严格执行，指导教师严格把关。为了保证学生与教师之间的沟通，学校可以通过建立师生信息反馈机制改善师生分离状态，为师生提供便利的沟通渠道，同时设置适当的教师激励制度，中央民族大学目前对教师指导本科毕业论文有额外的课时补贴。

时间序列分析论文范文

统计年鉴或者（中华人民共和国国家统计局网站），

SPSS软件是“统计产品与服务解决方案”软件，是数据统计分析的一个重要的工具。下文是我为大家整理的关于spss统计分析论文的范文，欢迎大家阅读参考!

统计分析软件SPSS的特点和应用分析

【摘要】通过文献资料法，介绍了统计分析软件SPSS的特点，并通过实例：用非参数检验中的两个独立样本的检验(Test for Two Independent Sample)进行分析，对该软件的应用做了详细的介绍，旨在为学习SPSS软件的人们提供参考。

【关键词】统计分析软件;SPSS;独立样本;非参数检验

一、前言

统计分析软件SPSS是一款统计产品与服务解决方案的软件，其全称为“统计产品与服务解决方案(Statistical Product and Service Solutions)”。该软件是一款在统计中应用很广的统计分析软件，目前在各专业毕业论文经常可以看到它的身影，其应用范围广、方便快捷等特点吸引着众多的爱好者。本文通过对统计分析软件SPSS的功特点进行介绍，通过举例用非参数检验中的两个独立样本的检验(Test for Two Independent Sample)进行分析，对该软件的操作用做了详细的介绍，为学习SPSS软件的人们提供参考。

二、SPSS软件的特点

(一)操作简便

SPSS软件的界面非常友好，除了数据录入及部分命令程序等少数输入工作需要键盘键入外，大多数操作可通过鼠标拖曳、点击“菜单”、“按钮”和“对话框”来完成。

(二)编程方便

具有第四代语言的特点，告诉系统要做什么，无需告诉怎样做。只要了解统计分析的原理，无需通晓统计方法的各种算法，即可得到需要的统计分析结果。对于常见的统计方法，SPSS的命令语句、子命令及选择项的选择绝大部分由“对话框”的操作完成。因此，用户无需花大量时间记忆大量的命令、过程、选择项。

(三)功能强大

具有完整的数据输入、编辑、统计分析、报表、图形制作等功能。自带11种类型136个函数。SPSS提供了从简单的统计描述到复杂的多因素统计分析方法，比如数据的探索性分析、统计描述、列联表分析、二维相关、秩相关、偏相关、方差分析、非参数检验、多元回归、生存分析、协方差分析、判别分析、因子分析、聚类分析、非线性回归、Logistic回归等。

(四)全面的数据接口

能够读取及输出多种格式的文件。比如由dBASE、FoxBASE、FoxPRO产生的*.dbf文件，文本编辑器软件生成的ASCⅡ数据文件， Excel 的*.xls文件等均可转换成可供分析的SPSS数据文件。能够把SPSS的图形转换为7种图形文件。结果可保存为*.txt，word，PPT及html格式的文件。

(五)灵活的功能模块组合

SPSS for Windows软件分为若干功能模块。用户可以根据自己的分析需要和计算机的实际配置情况灵活选择。

(六)针对性强

SPSS针对初学者、熟练者及精通者都比较适用。并且现在很多群体只需要掌握简单的操作分析，大多青睐于SPSS，像薛薇的《基于SPSS的数据分析》一书也较适用于初学者。而那些熟练或精通者也较喜欢SPSS，因为他们可以通过编程来实现更强大的功能。

三、实例分析――两个独立样本的检验(Test for Two Independent Sample)

例题：为了调查甲、乙两地土壤对种植同一种西瓜有没有影响，从这两个产地分别随机抽取同种的8只和7只西瓜，称重后得重量(市斤)如下：

甲(斤)：9.31、9.57、10.21、8.86、8.52、10.53、9.21、9.14

乙(斤)：9.98、8.46、8.92、10.14、10.17、11.04、9.43

问：根据样本数据检验两地的土壤对种植西瓜在重量上是否有显著差异?

解：建立假设 H0：甲乙两地的西瓜重量没有显著差异;

H1：甲乙两地的西瓜重量有没有显著差异。

然后根据上面给出的数据建立数据文件，注意数据文件中有一个表示重量数据的变量和一个表示地区分组的变量。最后在数据编辑窗口进行检验。检验的具体操作过程如下：

第一步：单击Analyze Nonparametric Test 2 Independent Sample，打开Two-Independent-Sample对话框(见图1)。

第二步：选择检验的变量进入检验框中，选择分组变量进入Grouping Variable框中，单击Define Group键，打开Define Group对话框，将分组变量值分别键入两个框中，单击Continue返回主对话框(见图2)：

第三步：在Test Type栏中，确定检验方法。

SPSS中提供了四种检验方式，几种检验方法侧重点不同，但都是先把两样本数据混合排序，再从不同的角度分析并检验两个独立总体的分布是否有显著的差异。有时这几种检验结果可能不一样，所以要结合数据的探索分析考察数据的分布状况作出结论。本文选择了常用的Mann-Whitney U曼―惠特尼检验和Kolmogorov-Smirnov Z K-S检验。

第四步：选择输出的结果形式及缺失值处理方式;

第五步：单击OK，得输出结果。

所以，以上两种检验结论是一致的。也就是说在两地种植的同一种西瓜地重量没有显著差异。

参考文献

[1]杜志渊.常用统计分析方法―SPSS应用[M].山东人民出版社,2011.

[2]刘宁元.运用SPSS对高职专业课程成绩进行相关分析[J].电脑与电信,2007(3).

[3]井海立.SPSS在数学试卷统计分析中的应用[J].科技信息(学术版),2006(10).

试谈SPSS软件在考试数据统计分析中的应用

摘要： SPSS软件是数据统计分析的一个重要的工具。本文作者利用SPSS软件对考试数据的相关性、检验假设进行了统计分析，介绍了使用SPSS进行统计分析的一般方法和步骤，文中的方法对考试研究人员具有一定的指导意义。

关键词： SPSS软件考试数据统计分析操作步骤

1. 引言

一份好的试卷须有好的测量指标来表明它的优良程度，试题有难度和区分度指标，试卷有效度和信度指标，这些是评价考试最主要的测量指标，但是仅有这些指标不足以反映一份试卷的实际测量效果，考试研究人员希望从考生的试卷统计分析中获取更多的信息来评价一份试卷。在计算机未普及的年代，考试成绩统计主要依靠人工阅卷，考试数据无法电子化存储，对考试数据分析统计难以实现。随着计算机的普及和信息化的推广，各种分析数据的软件应运而生，这些软件中汇集了统计学和测量学的分析工具，使得应用电子信息技术分析统计考试成绩数据成为可能，这些统计信息可以为教研部门、考试行政部门进行行政决策等提供非常重要的帮助。在众多的统计分析软件当中，SPSS是应用最多、影响最广泛的分析工具之一。在本文中，我们以SPSS软件为工具，对教育招生考试成绩的数据进行统计分析，分析主要着重于考试数据的相关性、假设检验等几个方面。

2. SPSS分析软件简介

“SPSS统计分析软件”的英文名称为“Statistical Package for the Social Science”，中文名称为“社会科学统计软件包”，它是世界著名的统计分析软件之一，在自然科学、社会科学的各个领域均有非常广泛的应用。SPSS是一个组合式软件包，它集数据整理、分析于一身，主要功能包括数据管理、统计分析、图表分析、输出管理等，该软件的统计分析过程包括描述性统计、均值比较、一般线性模型、相关分析、回归分析、对数线性模型、聚类分析、数据简化、生存分析、时间序列分析、多重响应等几大类。

下面我们利用SPSS软件对考试数据的相关性、检验假设进行统计分析，介绍使用SPSS进行统计分析的一般方法和步骤。

3. 相关性分析

教育考试中，考试结果的信度，试题的区分度，每个题目得分与试卷总分的关系，以及题目之间的关系，等等，都是考试研究的重要内容，最主要的研究方法就是数据的相关性分析。在众多的教育考试数据的相关性分析方法中，Pearson相关系数法、Spearman相关系数法和Cronbach α信度系数法是比较常用的几种方法。

Pearson相关系数法计算公式：

式中x为第i个考生第j题的得分，y为第i个考生第k题的得分，为第j题的平均分，为第k题的平均分，n为测试样本量。该公式既可以计算两个连续变量之间的相关性，又可以计算一个双歧变量与一个连续变量之间的相关性。

Spearman相关系数法计算公式：

r=1-(2)

式中D为两个变量的秩序之差，n为样本容量。

Cronbach a信度系数法计算公式：

α= 1-(3)

式中n为试题数，s为第i题的标准差，s为总分的标准差。该公式实际上就是将考试中所有试题间相关系数的平均值(又称内部一致性)作为α信度系数。

对于给定的一组考生成绩数据，利用SPSS统计分析软件可以非常容易地定量分析考生某学科试卷总分和该学科某道题的相关性，以及各个题目之间的相关性。我们以Pearson相关系数分析为例，利用SPSS软件进行统计分析。

数据统计分析的对象是某省高考数学6道解答题的得分情况(不是整张试卷)，数据源于该省的高考数据成绩。研究的目的是测量6道解答题每两个题目之间的相关性。

我们以SPSS 13.0版本的软件为例，介绍利用SPSS进行数据统计分析的步骤(以Pearson相关系数法为例)：

(1)将考试数据导入SPSS软件，在SPSS数据窗口中，顺序点击【Analyze】→【Correlate】→【Bivariate...】，系统弹出变量相关系数设置对话框。

(2)在该对话框中，将待计算的变量从左侧的变量列表中导入到右侧的“Variables”变量列表中，在本例中导入t1、t2、t3、t4、t5、t6共6个变量(t1―t6是6道解答题的变量名称)。在“Correlation Coefficients”相关系数选项中，选取“Pearson”复选框。

(3)在该对话框的“Test of Significance”设置区域，可以点选“Two-tailed”选项或者“One-tailed”，我们采用系统默认值。

(4)对话框中的其它选项取软件系统的默认值，点击【OK】，开始相关系数计算，系统弹出新的窗体输出运算的结果。本次输出的情况如下：

上表的统计结果可用于题目之间相关性的分析。表中的大部分题目的相关系数都比较适中，但题目T4和题目T5之间的相关程度远高于其它几个题目，我们可以确信这两者之间一定存在着比其他题目之间更紧密的关系，这是我们通过分析获取的重要信息，该信息表明这两个题目之间的相关性高于其他几个题目之间的相关性，这在大规模考试中是不应该出现的，需要在以后的命题考试中加以改进。

Spearman相关系数分析方法和上述分析方法类似，只需要在上述SPSS操作的第二个骤中选取“Pearson”复选框，程序就会按Pearson相关系数法进行统计分析，如果同时选中“Spearman”和“Pearson”复选框，程序将会同时计算按两种分析方法统计分析的数据，并会以不同的图表进行显示，而Cronbach a信度系数法计算方法与上述方法略有不同，其操作步骤如下：

(1)在SPSS数据窗口中，顺序点击【Analyze】→【Scale】→【Reliability Analysis...】，系统弹出“Reliability Analysis”信度分析设置对话框。

(2)将待计算的变量从左列的变量列表中导入到右侧的“items”变量中，在左下列的“model”选择项的下拉列表中确保选中“Alpha”(信度系数)，点击“Statistics”选择项可以进行更为详细的参数设置，我们采用系统的默认值即可。

(3)参数设置完毕之后，点击【OK】，软件开始相关系数计算并输出运算结果。

4. 选择题的选项分析

在目前的教育招生考试中选择题是一种较常见的题型，考试研究人员关注较多的是对选择题基本特征、测量功能及其优缺点的理论探讨[1][2]，对选择题干扰项的设计及其施测后的实际效果关注甚少，事实上施测后对题目各选项的有效性作出判断可为评价试题质量提供重要参考依据。我们利用统计中χ检验假设，对试卷中常见的选择题选择项进行统计分析。

教育考试的单项选择项一般设置为4个，其中仅有1个选择项是正确的。命题人员在设计选择项时，应当也必然对每道题目所有的选择项(正确选择项和干扰选择项)的考生作答情况作出预测，对考生作答的分布情况作出预估。考试结束后，研究人员应该对实测的情况与命题教师预测的情况进行对比分析，以检验考试效果是否达到了预测的目标。这和χ拟合度检验的思想具有一致性，因此可以尝试使用χ检验假设进行分析。

我们依据文献[3][4]的方法来介绍χ检验假设在考试数据分析中应用的基本原理，设变量E是命题者对某道试题的期望值，E=nP，n为样本容量，P为期望的相对频率，引入以下统计量：∑(O-E)/E，其中O为观察频数。

本文为全文原貌未安装PDF浏览器用户请先下载安装原版全文

我们需要进行的假设检验是：零假设H：选项的实测分布与期望分布相同;非零假设H：选项的实测分布与期望分布不同。

检验假设的思想：拟合度检验的统计量在确定的某种显著性水平下如果零假设是真，则检验统计量∑(O-E)/E呈近似χ分布，其自由度为研究变量的可能值减1;如果实测分布与期望的分布相当吻合，就不排除零假设，否则就排除零假设;最后对检验假设的结果进行解释。

数据分析的目的是判断考生实际的应答结果(实测数据)与命题期望的选择概率(期望数据)是否一致。我们随机抽取某省5542个高考考生的数学有效数据构成分析样本，利用SPSS进行统计分析。

SPSS数据统计分析的步骤如下：

(1)将考试数据导入SPSS软件，依次点击【Analyze】→【Nonparametric Tests】→【Chi-Square...】，弹出“Chi-Square Tests”对话框。

(2)将变量列表中待分析的题目序号导入到“Test Variables List”(检验变量列表)中，本例中题目的序号为t7。

(3)将对选择试题的每个选项的期望值依次输入到“Expected Values”所属的方框，具体操作方法是选中单选框“Values”，输入具体的期望数值，点击“Add”按钮，依次重复上述的步骤直至所有的选项的期望值输入完毕。

(4)点击【OK】，输出软件运算结果。

我们需要进行的假设检验，H：选项的实测分布与期望分布相同;H：选项的实测分布与期望分布不同。

假设检验的显著性水平为α=0.05，χ=∑(O-E)/E，自由度为df=4-1=3，查χ分布表或利用相关软件可得P=0.0626，由于P>α，因此不能拒绝零假设，即选项的实测分布与期望分布相同。因此，检验结果在0.05显著性水平时，没有足够的证据拒绝零假设，即可认为本题选项的实测分布与期望分布相同，也就是说本题的实际测试效果与命题教师预测的效果是一致的，命题教师准确地估计了考生的实际水平，这是分析获得的很重要的结论。

5. 结语

SPSS软件在考试数据统计分析中应用广泛，但大部分是集中在试题难度、均值、方差统计、考试数据的图表显示等几个方面，本文从一个新的角度利用SPSS软件对考试数据的相关性、检验假设等几个方面进行了尝试性统计分析，介绍了使用SPSS进行统计分析的一般方法和步骤。从上述分析来看，软件操作步骤和统计分析过程十分简单、快捷，对于测量学和统计学基础不太好的数据分析统计人员来说，只要遵循一定的操作步骤，就可以进行分析。

参考文献：

[1]王孝玲.教育测量(修订版)[M].上海：华东师范大学出版社，2006.

[2]雷新勇.大规模教育考试：命题与评价[M].上海：华东师范大学出版社，2006.

[3]李伟明，冯伯麟，余仁胜.考试的统计分析方法[M].北京：高等教育出版社，1990.

[4]雷新勇.考试数据的统计分析和解释[M].上海：华东师范大学出版社，2007.

spss时间序列分析毕业论文

3.3时间序列分析3.3.1时间序列概述1. 基本概念(1)一般概念：系统中某一变量的观测值按时间顺序（时间间隔相同）排列成一个数值序列，展示研究对象在一定时期内的变动过程，从中寻找和分析事物的变化特征、发展趋势和规律。它是系统中某一变量受其它各种因素影响的总结果。(2)研究实质：通过处理预测目标本身的时间序列数据，获得事物随时间过程的演变特性与规律，进而预测事物的未来发展。它不研究事物之间相互依存的因果关系。(3)假设基础：惯性原则。即在一定条件下，被预测事物的过去变化趋势会延续到未来。暗示着历史数据存在着某些信息，利用它们可以解释与预测时间序列的现在和未来。近大远小原理（时间越近的数据影响力越大）和无季节性、无趋势性、线性、常数方差等。(4)研究意义：许多经济、金融、商业等方面的数据都是时间序列数据。时间序列的预测和评估技术相对完善，其预测情景相对明确。尤其关注预测目标可用数据的数量和质量，即时间序列的长度和预测的频率。2. 变动特点(1)趋势性：某个变量随着时间进展或自变量变化，呈现一种比较缓慢而长期的持续上升、下降、停留的同性质变动趋向，但变动幅度可能不等。(2)周期性：某因素由于外部影响随着自然季节的交替出现高峰与低谷的规律。(3)随机性：个别为随机变动，整体呈统计规律。(4)综合性：实际变化情况一般是几种变动的叠加或组合。预测时一般设法过滤除去不规则变动，突出反映趋势性和周期性变动。3. 特征识别认识时间序列所具有的变动特征，以便在系统预测时选择采用不同的方法。(1)随机性：均匀分布、无规则分布，可能符合某统计分布。(用因变量的散点图和直方图及其包含的正态分布检验随机性，大多数服从正态分布。)(2)平稳性：样本序列的自相关函数在某一固定水平线附近摆动，即方差和数学期望稳定为常数。样本序列的自相关函数只是时间间隔的函数，与时间起点无关。其具有对称性，能反映平稳序列的周期性变化。特征识别利用自相关函数ACF：ρk=γk/γ0 其中γk是yt的k阶自协方差，且ρ0=1、-1<ρk<1。平稳过程的自相关系数和偏自相关系数都会以某种方式衰减趋近于0，前者测度当前序列与先前序列之间简单和常规的相关程度，后者是在控制其它先前序列的影响后，测度当前序列与某一先前序列之间的相关程度。实际上，预测模型大都难以满足这些条件，现实的经济、金融、商业等序列都是非稳定的，但通过数据处理可以变换为平稳的。4. 预测类型(1)点预测：确定唯一的最好预测数值，其给出了时间序列未来发展趋势的一个简单、直接的结果。但常产生一个非零的预测误差，其不确定程度为点预测值的置信区间。(2)区间预测：未来预测值的一个区间，即期望序列的实际值以某一概率落入该区间范围内。区间的长度传递了预测不确定性的程度，区间的中点为点预测值。(3)密度预测：序列未来预测值的一个完整的概率分布。根据密度预测，可建立任意置信水平的区间预测，但需要额外的假设和涉及复杂的计算方法。5. 基本步骤(1)分析数据序列的变化特征。(2)选择模型形式和参数检验。(3)利用模型进行趋势预测。(4)评估预测结果并修正模型。3.3.2随机时间序列系统中某一因素变量的时间序列数据没有确定的变化形式，也不能用时间的确定函数描述，但可以用概率统计方法寻求比较合适的随机模型近似反映其变化规律。(自变量不直接含有时间变量,但隐含时间因素)1．自回归AR(p)模型（R：模型的名称 P：模型的参数）（自己影响自己，但可能存在误差，误差即没有考虑到的因素）(1)模型形式（εt越小越好，但不能为0：ε为0表示只受以前Y的历史的影响不受其他因素影响） yt=φ1yt-1+φ2yt-2+……+φpyt-p+εt 式中假设：yt的变化主要与时间序列的历史数据有关，与其它因素无关； εt不同时刻互不相关，εt与yt历史序列不相关。式中符号：p模型的阶次，滞后的时间周期，通过实验和参数确定；yt当前预测值，与自身过去观测值yt-1、…、yt-p是同一序列不同时刻的随机变量，相互间有线性关系，也反映时间滞后关系；yt-1、yt-2、……、yt-p同一平稳序列过去p个时期的观测值；φ1、φ2、……、φp自回归系数，通过计算得出的权数，表达yt依赖于过去的程度，且这种依赖关系恒定不变；εt随机干扰误差项，是0均值、常方差σ2、独立的白噪声序列，通过估计指定的模型获得。(2)识别条件当k>p时，有φk=0或φk服从渐近正态分布N(0,1/n)且(|φk|>2/n1/2)的个数≤4.5%，即平稳时间序列的偏相关系数φk为p步截尾，自相关系数rk逐步衰减而不截尾，则序列是AR(p)模型。实际中，一般AR过程的ACF函数呈单边递减或阻尼振荡，所以用PACF函数判别(从p阶开始的所有偏自相关系数均为0)。(3)平稳条件一阶：|φ1|<1。二阶：φ1+φ2<1、φ1-φ2<1、|φ2|<1。φ越大，自回归过程的波动影响越持久。(4)模型意义仅通过时间序列变量的自身历史观测值来反映有关因素对预测目标的影响和作用，不受模型变量相互独立的假设条件约束，所构成的模型可以消除普通回归预测方法中由于自变量选择、多重共线性等造成的困难。2．移动平均MA(q)模型(1)模型形式 yt=εt-θ1εt-1-θ2εt-2-……-θpεt-p(2)模型含义用过去各个时期的随机干扰或预测误差的线性组合来表达当前预测值。AR(p)的假设条件不满足时可以考虑用此形式。总满足平稳条件，因其中参数θ取值对时间序列的影响没有AR模型中参数p的影响强烈，即这里较大的随机变化不会改变时间序列的方向。(3)识别条件当k>q时，有自相关系数rk=0或自相关系数rk服从N(0,1/n(1+2∑r2i)1/2)且(|rk|>2/n1/2(1+2∑r2i)1/2)的个数≤4.5%，即平稳时间序列的自相关系数rk为q步截尾，偏相关系数φk逐步衰减而不截尾，则序列是MA(q)模型。实际中，一般MA过程的PACF函数呈单边递减或阻尼振荡，所以用ACF函数判别(从q阶开始的所有自相关系数均为0)。(4)可逆条件一阶：|θ1|<1。二阶：|θ2|<1、θ1+θ2<1。当满足可逆条件时，MA(q)模型可以转换为AR(p)模型3．自回归移动平均ARMA(p,q)模型(1) 模型形式 yt=φ1yt-1+φ2yt-2+……+φpyt-p+εt-θ1εt-1-θ2εt-2-……-θpεt-p式中符号： p和q是模型的自回归阶数和移动平均阶数；φ和θ是不为零的待定系数；εt独立的误差项；yt是平稳、正态、零均值的时间序列。(2) 模型含义使用两个多项式的比率近似一个较长的AR多项式，即其中p+q个数比AR(p)模型中阶数p小。前二种模型分别是该种模型的特例。一个ARMA过程可能是AR与MA过程、几个AR过程、AR与ARMA过程的迭加，也可能是测度误差较大的AR过程。(3) 识别条件平稳时间序列的偏相关系数φk和自相关系数rk均不截尾，但较快收敛到0，则该时间序列可能是ARMA(p,q)模型。实际问题中，多数要用此模型。因此建模解模的主要工作是求解p、q和φ、θ的值，检验εt和yt的值。(4) 模型阶数AIC准则：最小信息准则，同时给出ARMA模型阶数和参数的最佳估计，适用于样本数据较少的问题。目的是判断预测目标的发展过程与哪一随机过程最为接近。因为只有当样本量足够大时，样本的自相关函数才非常接近母体的自相关函数。具体运用时，在规定范围内使模型阶数从低到高，分别计算AIC值，最后确定使其值最小的阶数是模型的合适阶数。模型参数最大似然估计时AIC=(n-d)logσ2+2(p+q+2)模型参数最小二乘估计时AIC=nlogσ2+(p+q+1)logn式中：n为样本数，σ2为拟合残差平方和，d、p、q为参数。其中：p、q范围上线是n较小时取n的比例，n较大时取logn的倍数。实际应用中p、q一般不超过2。4．自回归综合移动平均ARIMA(p,d,q)模型(1)模型识别平稳时间序列的偏相关系数φk和自相关系数rk均不截尾，且缓慢衰减收敛，则该时间序列可能是ARIMA(p,d,q)模型。(2)模型含义模型形式类似ARMA（p,q）模型，但数据必须经过特殊处理。特别当线性时间序列非平稳时，不能直接利用ARMA（p,q）模型，但可以利用有限阶差分使非平稳时间序列平稳化，实际应用中d一般不超过2。若时间序列存在周期性波动，则可按时间周期进行差分，目的是将随机误差有长久影响的时间序列变成仅有暂时影响的时间序列。即差分处理后新序列符合ARMA(p,q)模型，原序列符合ARIMA(p,d,q)模型。3.3.3建模解模过程1. 数据检验检验时间序列样本的平稳性、正态性、周期性、零均值，进行必要的数据处理变换。(1)作直方图：检验正态性、零均值。按图形Graphs—直方图Histogram的顺序打开如图3.15所示的对话框。图3.15 将样本数据送入变量Variable框，选中显示正态曲线Display normal curve项，点击OK运行，输出带正态曲线的直方图，如图3.16所示。图3.16 从图中看出：标准差不为1、均值近似为0，可能需要进行数据变换。(2)作相关图：检验平稳性、周期性。按图形Graphs—时间序列Time Series—自相关Autocorrelations的顺序打开如图3.17所示的对话框。图3.17 将样本数据送入变量Variable框，选中自相关Autocorrelations和偏自相关Partial Autocorrelations项，暂不选数据转换Transform项，点击设置项Options，出现如图3.18所示对话框。图3.18因为一般要求时间序列样本数据n>50，滞后周期k