cpi时间序列-第一组实验报告精要.doc

实验项目名称：中国2010年1月到2015年12月的月度CPI数据时间序列分析 实验分工 我们大家讨论出实验的主题——研究月度CPI数据的变化规律，之后进行率分工安排：胡典、张声颖负责查找我国月度CPI数据，陈龙龙、康燕红负责制定实验内容、徐子明、陈建椿负责eviews操作并撰写实验报告，陈龙龙、徐子明负责审查并修订实验报告。 二、实验目的 实验目的：本实验采用2010年1月到2015年12月的月度CPI数据为时间序列分析模型，通过平稳性检验、白噪声检验、纯随机性检验、分析自相关和偏自相关图进行模型的确定和定阶、MA(1)模型检验、AR(1) 模型检验、MAAR(1) 模型检验、对参数估计预测等来研究月度CPI数据的变化规律。 三、实验环境 装有Eviews7.2软件的电脑一台；《现代时间序列分析导论》教材一本 四、实验方法及数据来源 实验方法：本实验采用2010年1月到2015年12月的月度CPI数据为时间序列分析模型，通过平稳性检验、白噪声检验、纯随机性检验、分析自相关和偏自相关图进行模型的确定和定阶、MA(1)模型检验、AR(1) 模型检验、MAAR(1) 模型检验、对参数估计预测等来研究月度CPI数据的变化规律。 数据来源:中华人民共和国国家统计局网站（/） 五、实验内容及步骤 序列预处理 平稳性检验（如不平稳，适当差分平稳化） （1）包括图形检验（如图所示，其中，月度cpi数据导入并命名为GPI）： 由图可知，数据不平稳。 （2）将其进行差分平稳化得到如下图所示： 为了使研究更加精准，适当采用差分对序列在进行平稳化处理，对月度gpi数据变化进一步分析预测，从而我们对数据进行二阶差分（eviews命令： genr dgpi=D(gpi)，genr dgpi2=D(dgpi)）。 纯随机性检验（如是白噪声分析结束，如不是进入第二步） 在Eviews中进行白噪声检验分析，得下图： 如图可知，Prob值 由图分析可知，该模型为一阶自相关、二阶偏自相关（左侧一阶截尾，右侧二阶截尾）。 估计参数 当完成（三）所示图可得，参数估计结果为： （1-B）t=-0.001349+εt-0.982019εt-1 检验（参数显著性检验和模型有效性检验——分别对MA(1)、AR(1)、ARMA(1) 模型进行检验） MA(1)模型检验： 在eviews命令栏输入：LS dgpi2 c MA(1)，点击回车键，有如下结果: 如图所知，Prob值0.05，模型显著。 AR(1) 模型检验: 如图所知，Prob值0.05，模型显著。 MAAR(1) 模型检验: 如图所知，Prob值0.05，模型显著。 第三，预测 利用MA(1) 模型进行静态预测（staitic forcast），预测区间设为：2013m01到2015m12，预测结果如下，可以看出预测结果较好。 实验结论 （1）经过平稳性检验，原数据不平稳，对数据差分处理得到数据平稳。 （2）经过纯随机性检验，由于Prob值（1-B）t=-0.001349+εt-0.982019εt-1 （6）利用MA(1) 模型进行静态预测，预测结果较好,模型的建立较为成功。