1. 打开SPSS，从Excel中读取数据
2. 选择变量视图，将除日期之外的其他变量的测量值设为“标度”
3. 由于要进行时间序列分析，所以要首先定义时间。选择“数据” > "定义日期和时间..."，弹出的对话框中选择个案是“天”（不涉及周期性/季节性分析），点击确定。
注意：若数据存在或可能存在周期性/季节性，则应在定义日期时为其设置合适的周期，例如：若认为数据以周为周期，则应选择个案是“周、日”
4. 由于监测仪器的故障，原始数据存在部分缺失值，在进行时间序列分析之前，应补齐这些缺失值。选择“转换” > “替换缺失值...”，选入存在缺失的变量，为每个变量设置转换后的变量名称，以及填补缺失值的方法，此处均采用“临近点的线性趋势”，完成后点击确定。
5. 使用时间序列预测之前，应给出预测时间段内的自变量数据，如图所示。
6. 选择“分析” > “时间序列预测” > “创建传统模型...”，将监测数据选为因变量，其他数据选为自变量（选择变量时应注意所选取的变量为补全缺失值的变量），方法选择“专家建模器”。
7. 选择“统计” > 勾选“显示预测值”，选择“图”，全部勾选“每个图显示的内容”。
8. 选择“保存” > 将“预测值”，“置信区间下限”，“置信区间上限”勾选为保存，选择“选项”，设置预测至最后一天，点击确定。
9. 专家建模器可自动识别对自变量有价值的因变量构建时间序列模型，各因变量与自变量最终时间序列模型结构和统计学参数如图所示。
10. 各因变量预测情况如图所示，预测值可在数据视图中查看。
SPSS时间序列分析应用-空气质量长时预报（含缺失数据处理方法）
原文：https://www.cnblogs.com/lijinying/p/12863332.html