📸 ARIMA / Zaman Serisi için SPSS menü yolu: Forecasting
ARIMA Nedir?
ARIMA (AutoRegressive Integrated Moving Average), tek değişkenli zaman serisi verilerini modellemek ve öngörmek için kullanılan istatistiksel bir yöntemdir. ARIMA(p,d,q) şeklinde gösterilir: p=otoregresif terimler, d=farklaştırma derecesi (durağanlık için), q=hareketli ortalama terimleri.
Kullanım alanları: ekonomik veriler, hastane başvuruları, hava koşulları, satış tahminleri.
SPSS'te Adım Adım
Adım 1: Verilerinizde tarih değişkeni tanımlayın: Data → Define Dates.
Adım 2: Analyze → Forecasting → Create Models seçin.
Adım 3: Bağımlı zaman serisi değişkenini "Dependent Variables"a ekleyin. Method: Expert Modeler (SPSS otomatik ARIMA seçer).
Adım 4: Statistics: Goodness of fit, Ljung-Box Q istatistiği seçin. Save: Predicted values, Residuals → OK.
📸 ARIMA model istatistikleri ve uyum ölçütleri
Durağanlık Kontrolü
ARIMA öncesi seri durağan mı kontrol edin: Analyze → Forecasting → Autocorrelations (ACF/PACF). Durağan değilse d=1 ile farklaştırın. Unit root testi için ayrı paketler (SPSS'te ADF testi yoktur, R'da kullanın) gerekebilir.
APA Raporlama
Zaman serisi analizi için ARIMA(1,1,1) modeli seçilmiş (BIC=-184.2) ve artıkların bağımsızlığı Ljung-Box Q testiyle doğrulanmıştır (Q=12.3, p=.412). Model, sonraki 6 ayın aylık satış tahminini üretmek için kullanılmıştır.