資源描述：
《最新基于EVIEWS時(shí)間序列建模及應(yīng)用課件ppt.ppt》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在教育資源-天天文庫。
1、基于EVIEWS時(shí)間序列建模及應(yīng)用目錄1、ARIMA模型1.1模型的適用條件與構(gòu)建過程1.2EVIEWS操作簡(jiǎn)單說明1.3模型構(gòu)建實(shí)例2、季節(jié)時(shí)間序列模型2.1確定性季節(jié)時(shí)間序列模型2.2隨機(jī)性季節(jié)時(shí)間序列模型時(shí)間序列的預(yù)處理：拿到一個(gè)時(shí)間序列后，首先要對(duì)它的平穩(wěn)性和純隨機(jī)性進(jìn)行檢驗(yàn)，這兩個(gè)重要的檢驗(yàn)稱為序列的預(yù)處理。根據(jù)檢驗(yàn)的結(jié)果可以將序列分為不同的類型，對(duì)不同類型的序列采取不同的分析方法。平穩(wěn)非白噪聲序列建模步驟：平穩(wěn)非白噪聲序列預(yù)測(cè)序列將來的走勢(shì)計(jì)算ACF,PACFARMA模型識(shí)別估計(jì)模型中未知參數(shù)的值模
2、型優(yōu)化模型檢驗(yàn)NYARIMA模型建模流程：獲得觀察值序列擬合ARMA模型差分運(yùn)算分析結(jié)束平穩(wěn)性檢驗(yàn)白噪聲檢驗(yàn)NYNYEVIEWS操作創(chuàng)建文件數(shù)據(jù)錄入畫圖自相關(guān)和偏自相關(guān)圖單位根檢驗(yàn)建立方程Q檢驗(yàn)預(yù)測(cè)例：某國1980年至1993年GNP平減指數(shù)的季節(jié)時(shí)間序列，共56個(gè)觀測(cè)值，見下表表5.1某國GNP平減指數(shù)季度資料1234198089.8991.0791.7993.03198194.495.796.5297.39198298.7299.42100.25101.541983102.95104.75106.53108
3、.741984110.72113.48116.42119.791985122.88124.44126.68128.991986130.12131.3132.89134.991987136.8139.01141.03143.241988145.12148.89152.02155.381989158.6161.85165.12168.051990171.94176.46180.24185.131991190.01193.03197.7201.691992203.98206.77208.53210.271993212
4、.87214.25215.89218.21年/季該序列時(shí)序圖（1.1）和自相關(guān)圖（1.2）如下：圖（1.1）圖（1.2）該圖顯示有明顯的長期趨勢(shì)自相關(guān)系數(shù)隨延遲期數(shù)的增加，衰減向零的速度相當(dāng)緩慢，且后期有反向遞增趨勢(shì)序列非平穩(wěn)序列GNP的單位根檢驗(yàn)結(jié)果：檢驗(yàn)t統(tǒng)計(jì)量的值是0.325604，大于各個(gè)顯著性水平下的臨界值，所以不能拒絕原假設(shè)。也就是說，序列GNP存在單位根，因此，是非平穩(wěn)的。一階差分后的時(shí)序圖與自相關(guān)圖：圖（1.3）圖（1.4）時(shí)序圖仍顯示有長期趨勢(shì)自相關(guān)系數(shù)向零衰減的速度依然較慢一階差分序列仍不平
5、穩(wěn)一階差分序列D(GNP)的單位根檢驗(yàn)結(jié)果：檢驗(yàn)t統(tǒng)計(jì)量的值是-1.929760，大于各個(gè)顯著性水平下的臨界值，所以不能拒絕原假設(shè)。也就是說，一階差分序列D(GNP)存在單位根，因此，一階差分序列也是非平穩(wěn)的。2階差分時(shí)序圖與自相關(guān)圖：圖（1.5）圖（1.6）差分序列在零附近波動(dòng)，無明顯趨勢(shì)或周期自相關(guān)系數(shù)在零值附近波動(dòng)認(rèn)為2階差分序列平穩(wěn)二階差分序列的單位根檢驗(yàn)：檢驗(yàn)t統(tǒng)計(jì)量的值是-3.709559，小于各個(gè)顯著性水平下的臨界值，所以拒絕原假設(shè)。也就是說，二階差分序列不存在單位根。二階差分序列平穩(wěn)。對(duì)平穩(wěn)的2
6、階差分序列進(jìn)行白噪聲檢驗(yàn)：在顯著性水平為0.05的條件下，延遲期數(shù)為6和12時(shí)，Q統(tǒng)計(jì)量的P值均小于0.052階差分序列為非白噪聲序列結(jié)合前面分析，認(rèn)為該序列為2階差分平穩(wěn)非白噪聲序列，可考慮建立ARIMA模型根據(jù)2階差分序列的自相關(guān)圖ACF和偏自相關(guān)圖PACF的特點(diǎn)，判斷階數(shù)進(jìn)行建模:可以嘗試用ARMA(2,2)ARMA(3,2)ARMA(3,3);也就是說，對(duì)原序列GNP嘗試用ARIMA(2,2,2)ARIMA(3,2,2)ARIMA(3,2,3)進(jìn)行擬合，首先建立ARIMA(2,2,2)如下：C與MA(1
7、)系數(shù)的T檢驗(yàn)顯示：由于P值均大于0.05，故接受原假設(shè)，即二者系數(shù)顯著為零，所以剔除模型ARiMA(2,2,2)：d(gnp,2)ar(1)ar(2)cma(1)ma(2)模型一剔除C與MA（1）:ARIMA(2,2,(2)):d(gnp,2)ar(1)ar(2)ma(2)可供選用模型一模型參數(shù)均通過檢驗(yàn)建立ARIMA(3,2,2)如下：ARIMA(3,2,2):d(gnp,2)ar(1)ar(2)ar(3)ma(1)ma(2)AR(3)系數(shù)未通過檢驗(yàn)，予以剔除結(jié)果和前述模型相同建立ARIMA(3,2,3):
8、命令為：d(gnp,2)ar(1)ar(2)ar(3)ma(1)ma(2)ma(3)可供選用模型二模型適用性檢驗(yàn)：模型ARIMA(2,2,(2))模型ARIMA(3,2,3)通過對(duì)模型的適用性檢驗(yàn)，左側(cè)擬合模型中的殘差白噪聲檢驗(yàn)顯示延遲6階，12階，18階的殘差序列屬于白噪聲序列，模型ARIMA(2,2,(2))顯著有效，對(duì)序列適應(yīng)性更強(qiáng)。因此，選用該模型作為最終擬合模型。模型預(yù)測(cè)結(jié)果
