时间序列数据

时间序列数据：对同一对象在不同时间连续观察所得到的数据。

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. 长期变动趋势：相当长的一段时间，受长期趋势影响 持续上升/下降
2. 季节变动规律: 广义，一般以月、季、周为时间单位【百度指数】 ‘异常’（明显高于其他）
3. 不规则变动（随机扰动项）: 含白噪音
4. 循环变动： 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)数据具有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，如果是年份数据则不行
(2)在具体的时间序列图，如果随着时间的推移、序列的季节波动变得越来越大，则反映各种变动之间的关系发生变化，建议使用乘积模型；反之如果时间序列图的波动保持恒定，则可以直接使用叠加模型，当然，如果不存在季节伯兄，则两种分解都可以。

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

得到的效果