時間序列數據

時間序列數據：對同一對象在不同時間連續觀察所得到的數據。

1. 出生
2. GDP
3. 溫度

組成要素【時期時間序列+時點時間序列】

1. 時間要素：年 季度 月 周 日
2. 數值要素

1. 長期變動趨勢：相當長的一段時間，受長期趨勢影響 持續上升/下降
2. 季節變動規律: 廣義，一般以月、季、周為時間單位【百度指數】 ‘異常’（明顯高於其他）
3. 不規則變動（隨機擾動項）: 含白噪音
4. 循環變動： 市場經濟的商業周期 或者整個國家的經濟周期

四種指標分解：

(1)數據具有周期性才能使用時間序列分解，例如數據是月份數據，季度數據，如果是年份數據則不行
(2)在具體的時間序列圖，如果隨着時間的推移、序列的季節波動變得越來越大，則反映各種變動之間的關系發生變化，建議使用乘積模型；反之如果時間序列圖的波動保持恆定，則可以直接使用疊加模型，當然，如果不存在季節伯兄，則兩種分解都可以。

累積/疊加

案例：

Spss處理時間序列中的缺失值：

軟件中：轉換 替換缺失值

1. 序列平均值：用整個序列的平均值

得到的效果