基于时间序列分析方法预测高校在校生规模

摘 要：在校生规模关系到高校各资源配备，科学预测在校生规模是高校规划中重要的一环，为高校中长期发展起到靶向作用。SPSS作为用于分析运算、数据挖掘、预测分析和决策支持的产品，能够客观地展现运算过程及结果。其中，时间序列分析方法可以挖掘某组或多组数据随时间变化的基本变动规律及趋势，并利用其对将来的数据进行预测。本文主要以某普通高校为例，基于SPSS时间序列分析，通过季节趋势预测法对高校在校生规模进行预测研究。

关键词：在校生规模;时间序列;预测研究

引 言

随着高等教育发展，高校招生人数一再扩张，对校舍规模、师资力量、教学设备等资源的需求也随之增长。越来越多的高校选择扩建或新建校区，以此来应对现有资源紧张的问题。高校强调“以生为本”，所有条件发展的前提和基础都是学生，预期的在校生规模成为高校未来发展的有力依据。因此，各高校开始探索更加准确的在校生规模预测方法，为其拓展资源提供重要支撑。本文主要介绍SPSS时间序列分析方法主要特点及步骤，第2节基于某高校在校生数据模型进行分析预测，最后总结全文。

1. SPSS时间序列分析

1.1时间序列分析方法简析

时间序列是将某种统计指标的数值，按时间先后顺序排成数列。时间序列预测法就是通过编制和分析时间序列，根据其反映的发展过程、方向和趋势，进行类推或延伸，以预测未来某段时间其可能达到的水平。内容包括：收集与整理某种社会现象的历史数据;对数据进行检查鉴别、排列;分析时间序列，从中寻找该现象随时间变化的规律;得出模式，以此模式去预测该现象将来的情况。

1.2时间序列分析基本假设。基于数据分析的理想化，对该分析方法有三点基本假设：（1）假设事物发展趋势会延伸到未来;（2）假设预测所依据的数据具有不规则性;（3）假设不考虑事物发展之间的因果关系

1.3时间序列分析基本步骤。（1）收集整理数据样本。按照固定的周期性，收集较长时间内大量数据样本，编成时间序列，并绘制序列图。时间序列分析通常是把各可能发生作用的因素进行分类，按各种因素的特点或影响效果分长期趋势、季节变动、不规则变动、循环变动四类。（2）分析时间序列。数据样本中的每个数值都受到不同时期许多因素的影响。通常对于影响因素较简单的数据样本，以某固定周期作分解，可得出分析因子，并根据因子分析结果得出样本模型拟合度。（3）求时间序列的长期趋势（T）季节变动（s）和不规则变动（I）的值，并选定近似的数学模式来代表它们。（4）利用序列数据求出长期趋势、季节变动和不规则变动的数学模型后，预测未来的长期趋势值T和季节变动值s，在可能的情况下预测不规则变动值I。然后用以下模式计算出未来的时间序列的预测值Y：

加法模式T+S+I=Y 乘法模式T×S×I=Y

2.以某高校在校生数据模型进行时间序列分析预测

2.1现有数据整理

采用SPSS Statistics 23时间序列分析，将表1中2016年1月-2019年12月每月在校生规模数据作为样本，可得出序列图，如图1。

2.2 现有数据分析

以12个月为周期，作季节性分解，可得出在校生规模季节因子，如表2。

2.3创建数据模型

通过时间序列图和季节性分解，可创建温特斯乘性模型，得出2016-2019年在校生规模模型拟合度，如表3，表4。

根据表3、表4可得，平稳R方等于50.9%，拟合效果较好，且统计量的显著性P=0.953，大于0.05（此处P>0.05是期望得到的结果），同时没有离群数值出现，所以接受原假设。

2.4 预测在校生规模

将模型代入時间序列预测，可得出2020-2025年在校生规模预测序列图及在校生规模。

以9月新生入学为准，则学校2025年在校生规模为29720人。

结 语

本文首先对SPSS时间序列分析方法做介绍，阐述该方法的基本假设与步骤，然后以某高校在校生数据为样本，运用时间序列分析方法对分析变动规律和影响因子，进行预测、得出结果。

时间序列分析方法基于参数模型将时间序列预测与过去时间变动特点结合，为指标未来发展指明走向，为预测研究提供依据。

参考文献

[1] 李杰.民航院校规模预测方法研究[J]. 民航管理，2018年11期：89-90

[2] 马文韬.民航飞行技术人才需求预测[J]. 民航管理，2019年04期：82-84

[3] 杨海民，潘志松，白玮.时间序列预测方法综述[A]. 计算机科学，2019年1月：21-28

[4] 罗芳琼，吴春梅.时间序列分析的理论与应用综述[J].柳州师专学报，2009，24（3）

作者简介： 杨简暄（1994-），女，汉族，四川德阳人，大学本科，研究实习员。