定義日期标示量：
打開資料檔案，單擊"資料"，選擇"定義日期和時間"，彈出"定義日期"對話框，
資料中的起始時間就是資料檔案裡面的單元格第一個時間，我的第一個是1997年8月，每行表示的是月度銷售量，是以，需要從"定義日期"對話框的左側"個案是"框中選擇"年，月"，在左側輸入‘1997’，月框中輸入‘8’，表示第一個個案的起始月是1997年8月，然後點選确認，這樣spss資料檔案裡面就會生成3個新的變量
如下圖：
了解時間序列的變化趨勢，做一個序清單就可以了，單擊"分析"，裡面選擇"時間序列預測，選擇"序列圖"對話框，然後把'平均值'移到"變量"框裡面，‘DATE_’移到"時間軸标簽"框中，單擊"确定"。結果如圖
根據序列圖的分析知道，序列的波動随着季節的波動越來越大，是以我們選擇乘法模型；
第三步：單擊“分析”，選擇時間序列預測，然後選擇“季節性分解”，彈出“季節性分解”對話框，确認無誤之後點選确定，如圖：
發現多了四個變量，ERR表示的誤差分析；SAS表示的是季節因素校正後序列；SAF表示的季節因子；STC表示的是長期趨勢和循環變動序列。
我們可以把新出現的四個變量、平均值和DATE_做序列圖，先把ERR、SAS、STC和平均值和DATE_做個序列圖，效果如下：
再單獨做個ＳＡＴ和ＤＡＴＥ＿的時間序列圖：
後面就是開始預測了：
1、 單擊“分析”，選擇“時間序列預測”，然後選擇“建立傳統模型”，之後就會彈出“時間序列模組化”對話框。
2、 将“平均值”移至“因變量”框中，然後确定中間的“方法”，在下拉清單中選擇“專家模組化器”項，單擊右側的“條件”按鈕，彈出“時間序列模組化器：專家模組化器條件”對話框。
3、 在“時間序列模組化器：專家模組化器條件”對話框的“模型”頁籤中，在“模型類型”框中選擇“所有模型”項，并勾選“專家模組化器考慮季節性模型”複選框，設定完，點“繼續”按鈕
4、 在“時間序列模組化器”對話框中，切換至“儲存”頁籤中，勾選“預測值”複選框，單擊“導出模型條件”框中“XML檔案”後面的“浏覽”按鈕，然後設定導出的模型檔案和儲存路徑，然後單擊“确定”按鈕就可以了。
做完上面的步驟之後，在原始資料上面就又會多一列預測值出現。如圖：
之前我們儲存了預測的模型，我們現在就利用那個模型進行預測資料。
1、 單擊“分析”，選擇“時間序列預測”，然後選擇“應用傳統模型”，彈出“應用模型序列”對話框。具體的操作如下圖：
做完上面的之後最後一步就是切換至“儲存”界面，勾選“預測值”之後單擊确定就可以了。
從預測值直接看看不出來，我們可以把預測的資料和原始資料放到一起看下，也是直接做序列圖就可以。
這樣就完成了一次時間序列的模型，具體的預測資料可以看原始資料上面的出現的新的一列資料。