- 1、本文档共14页,可阅读全部内容。
- 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
ARIMA模型-自回归移动平均模型
自回归移动平均模型(Autoregressive Integrated Moving Average Model,简记ARIMA)
目录
[显示]
1 什么是ARIMA模型?
2 ARIMA模型的基本思想
3 ARIMA模型预测的基本程序
4 相关链接
4.1 各国的box-jenkins模型名称
5 ARlMA模型案例分析
5.1 案例一:ARlMA模型在海关税收预测中的应用
5.2 案例二:基于ARIMA模型的备件消耗预测方法[1]
6 参考文献 [编辑]
什么是ARIMA模型?
ARIMA模型全称为自回归移动平均模型(Autoregressive Integrated Moving Average Model,简记ARIMA),是由博克思(Box)和詹金斯(Jenkins)于70年代初提出的一著名时间序列预测方法,所以又称为box-jenkins模型、博克思-詹金斯法。其中ARIMA(p,d,q)称为差分自回归移动平均模型,AR是自回归, p为自回归项; MA为移动平均,q为移动平均项数,d为时间序列成为平稳时所做的差分次数。
[编辑]
ARIMA模型的基本思想
ARIMA模型的基本思想是:
[编辑]
ARIMA模型预测的基本程序
(一)根据时间序列的散点图、自相关函数和偏自相关函数图以ADF单位根检验其方差、趋势及其季节性变化规律,对序列的平稳性进行识别。一般来讲,经济运行的时间序列都不是平稳序列。
(二)对非平稳序列进行平稳化处理。如果数据序列是非平稳的,并存在一定的增长或下降趋势,则需要对数据进行差分处理,如果数据存在异方差,则需对数据进行技术处理,直到处理后的数据的自相关函数值和偏相关函数值无显著地异于零。
(三)根据时间序列模型的识别规则,建立相应的模型。若平稳序列的偏相关函数是截尾的,而自相关函数是拖尾的,可断定序列适合AR模型;若平稳序列的偏相关函数是拖尾的,而自相关函数是截尾的,则可断定序列适合MA模型;若平稳序列的偏相关函数和自相关函数均是拖尾的,则序列适合ARMA模型。
(四)进行参数估计,检验是否具有统计意义。
(五)进行假设检验,诊断残差序列是否为白噪声。
(六)利用已通过检验的模型进行预测分析。
[编辑]
相关链接
[编辑]
各国的box-jenkins模型名称
Glossary of statistical terms Language Description English Box-Jenkins model French modèle de Box-Jenkins German Box-Jenkins-Modell Dutch Box-Jenkins-model Italian modello Box-Jenkins Spanish modelo de Box-Jenkins Catalan model de Box-Jenkins Romanian modelul Box-Jenkins Finnish Boxin-Jenkinsin mallit Hungarian Box-Jenkins-modell Turkish Box-Jenkins modeli Estonian Box-Jenkinsi mudel Lithuanian Box ir Jenkins modelis?; Bokso ir D?enkinso modelis Slovenian Box-Jenkinsova model Polish model Boxa-Jenkinsa Russian Модель Бокса-Дженкинса Ukrainian модель Бокса - Дженк?нса Farsi modele Box-Jenkins Persian-Farsi ??? ????-?????? Arabic ????? ???? - ???? Afrikaans Box-Jenkins-model Chinese 博克斯―詹金斯模型 [编辑]
ARlMA模型案例分析
[编辑]
案例一:ARlMA模型在海关税收预测中的应用
2008年。海关税收预算计划8400亿元.比2007年实际完成数增加10.8%,比2007年预算数增加22.1%。为了对2008年江门海关税收总体形势进行把握,笔者尝试利用SAS统计分析软件的时间序列预测模块建立ARIMA模型,对2008年江门海关税收总值进行预测。从预测结果来看,预测模型拟合度较高,预测值也切合实际情况,预测模型具有一定的应用价值。现将预测的方法、原理以及影响税收工作的相关因素
您可能关注的文档
- 7013安装方案.doc
- 70团连队居住区转型发展总体规划.doc
- 715《戏剧戏曲学基础》考试大纲.doc
- 712昆虫的生殖和发育.doc
- 6离散时间信号与系统的时域分析.doc
- 72现代生物进化理论的主要内容.doc
- 7人脑与电脑.doc
- 7抗结核病药.doc
- 7上第一单元复习.doc
- 7安全生产目标指标分解.doc
- 甘肃省白银市会宁县第一中学2025届高三3月份第一次模拟考试化学试卷含解析.doc
- 2025届吉林市第一中学高考考前模拟生物试题含解析.doc
- 四川省三台县芦溪中学2025届高三下第一次测试生物试题含解析.doc
- 2025届江苏省启东市吕四中学高三适应性调研考试历史试题含解析.doc
- 浙江省宁波市十校2025届高三二诊模拟考试历史试卷含解析.doc
- 甘肃省甘南2025届高考生物必刷试卷含解析.doc
- 河北省石家庄市一中、唐山一中等“五个一”名校2025届高考历史四模试卷含解析.doc
- 江西省南昌市进贤一中2025届高考生物考前最后一卷预测卷含解析.doc
- 甘肃省白银市会宁县第四中学2025届高三第二次模拟考试历史试卷含解析.doc
- 宁夏银川市宁夏大学附属中学2025届高考化学押题试卷含解析.doc
文档评论(0)