SPSS ile Zaman Serisi Analizi – İSTMER

SPSS ile Zaman Serisi Analizi

spss ile zaman serisi analizi

 

SPSS ile Zaman Serisi Analizi Uygulamaları ve Temel Menüler

Zaman serisi analizi, belirli bir süre içerisinde  (yıl, ay, gün vb.) elde edilen verilerin istatistiksel analiz ve ekonometrik modelleme teknikleri ile değerlendirildiği geniş bir alanı kapsamaktadır. Bu geniş alan için kullanılan yazılımlardan birisi de SPSS programıdır. SPSS ile zaman serisi analizi uygulamalarını, menüleri doğru şekilde kullanarak gerçekleştirmek olanaklıdır.

SPSS temelde istatistik analizi uygulamaları için popüler bir yazılım olmasına karşın zaman serisi tekniklerini de içeren menülere sahiptir. Bunun için SPSS programında toplam dokuz menü mevcut.

Bu menülerde genel olarak aşağıda gruplandırabileceğimiz analiz teknikleri uygulanabiliyor:

  • Klasik zaman serisi öngörü teknikleri (ARIMA, ETS vb.)
  • Zaman serisi grafikleri
  • Otokorelasyon analizleri
  • Çapraz korelasyon analizleri
  • Mevsimsel ayrıştırma işlemleri
  • Spektral ayrıştırma işlemleri

Yukarıda tanımlanan analizlerin elbette kendi içerisinde birçok farklı detay noktası var.

SPSS’in zaman serisi analizindeki en çarpıcı özelliği de öngörü tekniklerine otomatik karar verebilmesidir.

Öngörü analizi kapsamında otomatik tahmin modelini seçmek üzere, SPSS analizi  Analyze -> Forecasting -> Create Traditional Models şeklinde üç adımda gerçekleştiriyor. Açılan menüden de Method kısmını seçerek Expert Modeler bölümünü işaretlediğimizde, SPSS analizi tamamlayabiliyor.

Zaman serisi analizinde SPSS programını kullanmayı tercih etmek istersek, başlıca sebeplerinden birisi de bu otomatik seçim özelliği olacaktır.

Dilerseniz kendi modelinizi de kendiniz belirleyebiliyorsunuz.

Mesela ARIMA tekniği ile öngörüde bulunmak istediğimizi varsayalım. Bu durumda modelin (p,d,q) parametrelerini kendimiz tanımlayarak öngörüde bulunabiliyoruz. Yine benzer şekilde, diğer öngörü modellerinin de parametrelerini seçebiliyoruz. Modeli tahmin ederken dönüşüm yapılıp yapılamayacağına da karar verebiliyoruz.

SPSS ile zaman serisi analizi uygulamalarında, modeli oluştururken aykırı değerin belirlenmesi, uyum iyiliği ve performans ölçütlerinin hesaplanması gibi alternatif seçeneklere de erişebiliyoruz. Uyum iyiliği için R-kare ve Normalize BIC (Bayesci Bilgi Kriteri) değerlerinden yararlanabiliyoruz.

Araştırmacılar her ne kadar yaygın olarak E-Views, Stata, Gauss gibi ekonometrik analiz programlarını kullansalar da; istatistik analizi uygulamaları için geliştirilmiş SPSS’in zaman serisi tekniklerinden yararlanabilirler.

Özetle SPSS ile zaman serisi analizi tekniklerini uygulayabilmek, araştırmacılar için bir seçenek dahilindedir.