Documente Academic
Documente Profesional
Documente Cultură
n de datos temporales
Descripcio
1. C
omo definir una serie temporal en SPSS/PC?
Para trabajar con datos temporales primero introducimos los datos (ver seccion C omo
introducir datos en SPSS/PC? en las practicas 1 y 2) y a continuacion definimos las fechas
con: Datos , Definir fechas . En el ejemplo:
Como resultado obtenemos tres nuevas variables: dos numericas year , y month y una
cadena de caracteres date .
2. Representaci
on gr
afica
Para estudiar graficamente una serie temporal utilizamos Gr
aficos , Secuencia .
En el ejemplo:
1. aficos , Secuencia .
Gr
1
700
600
500
400
300
200
AIRPASS
100
0
JAN 1949 JAN 1951 JAN 1953 JAN 1955 JAN 1957 JAN 1959
JAN 1950 JAN 1952 JAN 1954 JAN 1956 JAN 1958 JAN 1960
En este punto, podemos obtener un grafico de la nueva variable log air como antes
lo hicimos con la variable original airpass.
2
1. Analizar , Regresion , Lineal .
Coeficientesa
Coeficientes no Coeficientes
estandarizados estandarizados
Modelo B Error tp. Beta t Sig.
1 (Constante) 87,653 7,716 11,359 ,000
TIEMPO 2,657 ,092 ,924 28,778 ,000
a. Variable dependiente: AIRPASS
4. aficos , Secuencia .
Gr
7,0
6,5
6,0
5,5
5,0
LOG_AIR
4. Media m
ovil centrada de orden k
Para obtener la serie de tendencias utilizamos los siguientes pasos:
3
2. En la opcion Funcion: elegimos Media m
ovil centrada, y en la opcion Amplitud:
escribimos k, en el ejemplo k = 3.
3. Por u
ltimo pasamos la variable log air al cuadro Nuevas variables con el boton
I , y Aceptar .
Obtenemos una nueva variable log ai 1 con las medias moviles centradas. Notemos
que esta nueva serie tiene k/2 observaciones faltantes al principio de la serie y k/2 obser-
vaciones faltantes al final.
En el siguiente grafico representamos la serie original, y sus medias moviles de orden
3, y 20:
7,0
6,5
6,0
5,5
5,0 LOG_AIR
MA(LOG_AIR,3,3)
4,5 MA(LOG_AIR,20,20)
JAN 1949 JAN 1951 JAN 1953 JAN 1955 JAN 1957 JAN 1959
JAN 1950 JAN 1952 JAN 1954 JAN 1956 JAN 1958 JAN 1960
5. Diferenciar la serie
Para obtener la serie diferenciada utilizamos los siguientes pasos:
4
7,0 ,3
,2
,1
6,0
-,0
5,5
-,1
5,0
LOG_AIR
-,2
4,5 -,3
JAN 1949 JAN 1951 JAN 1953 JAN 1955 JAN 1957 JAN 1959 JAN 1949 JAN 1951 JAN 1953 JAN 1955 JAN 1957 JAN 1959
JAN 1950 JAN 1952 JAN 1954 JAN 1956 JAN 1958 JAN 1960 JAN 1950 JAN 1952 JAN 1954 JAN 1956 JAN 1958 JAN 1960
,4 ,2
SDIFF(LOG_AIR,1,12) <-> Diferencia estacional
,3
,1
,2
,1
-,1
0,0
-,1 -,2
JAN 1949 JAN 1951 JAN 1953 JAN 1955 JAN 1957 JAN 1959 JAN 1949 JAN 1951 JAN 1953 JAN 1955 JAN 1957 JAN 1959
JAN 1950 JAN 1952 JAN 1954 JAN 1956 JAN 1958 JAN 1960 JAN 1950 JAN 1952 JAN 1954 JAN 1956 JAN 1958 JAN 1960
6. Descomposici
on estacional
Pgina 1 Pgina 1
5
MODEL: MOD_1.
Seasonal
Period index
1 -,086
2 -,115
3 ,018
4 -,013
5 -,009
6 ,115
7 ,216
8 ,204
9 ,064
10 -,076
11 -,216
12 -,101
Name Label
Ejercicio 1. El fichero best-x5.3 contiene los datos de las temperaturas medias mensu-
ales en Madrid entre 1988 y 1997 (en grados centgrados).
(c) Obtener la tendencia de la serie desestacionalizada con una media movil de orden 25.
Representarla sobre la serie desestacionalizada. Representar los residuos.
(e) Comparar los tres procedimientos de extraer la tendencia para obtener una serie
estacionaria.
6
En la figura siguiente presentamos la descomposicion de la serie en: Tt , St , e It :
7,0
6,5
6,0
5,5
5,0
LOG_AIR
4,5
JAN 1949 JAN 1951 JAN 1953 JAN 1955 JAN 1957 JAN 1959
JAN 1950 JAN 1952 JAN 1954 JAN 1956 JAN 1958 JAN 1960
7,0
6,5
6,0
5,5
Trend for LOG_AIR
5,0
4,5
JAN 1949 JAN 1951 JAN 1953 JAN 1955 JAN 1957 JAN 1959
JAN 1950 JAN 1952 JAN 1954 JAN 1956 JAN 1958 JAN 1960
,3
,2
,1
Seas factors for LOG_AIR
-,0
-,1
-,2
-,3
JAN 1949 JAN 1951 JAN 1953 JAN 1955 JAN 1957 JAN 1959
JAN 1950 JAN 1952 JAN 1954 JAN 1956 JAN 1958 JAN 1960
,08
,06
,04
,02
0,00
-,02
Error for LOG_AIR
-,04
-,06
-,08
JAN 1949 JAN 1951 JAN 1953 JAN 1955 JAN 1957 JAN 1959
JAN 1950 JAN 1952 JAN 1954 JAN 1956 JAN 1958 JAN 1960