SPSS自回归集成移动平均（ARIMA）模型：基本原理
自回归集成移动平均（ARIMA）模型也称为Box-Jenkins模型，是广泛应用于时间序列分析的常见模型，它可以用来处理包含季节趋势的时间序列。
根据对时间序列特征的预先研究，可以指定三个参数用来分析时间序列，即自回归阶数（p）、差分次数（d）和移动平均阶数（q），通常模型被写作ARIMA(p, d, q)。
该方法的第一步是对数据求差分直到它是平稳的，这可以通过检查各种差分序列的相关图（包括偏相关图）直到找出一个“急速”下降于零，并且从此任何季节效应已经大大消除的序列来完成分析时间序列的随机性、平稳性及季节性。对于非季节数据，通常求一阶差分就足够了。
第二步是选定一个特定的模型拟合所分析的时间序列数据，模型识别是Box-Jenkins方法中很重要的一环，是否合适的比较标准是对一般ARMA模型中的一些特征，分析其理论特征，把这种特定模型的理论特征作为鉴别实际模型的标准，观测实际资料与理论特征的接近程度，最后根据这种分类比较分析的结果来判定实际模型的类型。
第三步是用时间序列的数据估计模型的参数并进行检验，以判定该模型是否恰当，如果不恰当，则返回第二步，重新选定模型。
