- 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)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
实用标准
实验二 ARIMA 模型的建立
一、实验目的
熟悉 ARIMA模型,掌握利用 ARIMA模型建模过程, 学会利用自相关系数和偏
自相关系数对 ARIMA模型进行识别, 利用最小二乘法等方法对 ARIMA模型进行估
计,利用信息准则对估计的 ARIMA模型进行诊断, 以及学会利用 ARIMA模型进行
预测。掌握在实证研究如何运用 Eviews 软件进行 ARIMA模型的识别、诊断、估
计和预测。
二、基本概念
ARIMA模型,即将非平稳时间序列转化为平稳时间序列,然后将平稳的时间
序列建立 ARMA模型。 ARIMA模型根据原序列是否平稳以及回归中所含部分的不
同,包括移动平均过程( MA)、自回归过程( AR)、自回归移动平均过程( ARMA)
以及 ARIMA过程。
在 ARIMA模型的识别过程中,主要用到两个工具:自相关函数 ACF,偏自相
关函数 PACF以及它们各自的相关图。对于一个序列 X t 而言,它的第 j 阶自相
关系数 j 为它的 j 阶自协方差除以方差,即 j = j 0 ,它是关于滞后期 j 的
函数,因此我们也称之为自相关函数,通常记 ACF( j ) 。偏自相关函数 PACF(j )
度量了消除中间滞后项影响后两滞后变量之间的相关关系。
三、实验内容
(1)根据时序图的形状,采用相应的方法把非平稳序列平稳化;
(2)对经过平稳化后的 2000年 1 月到 2011 年 10 月美国的失业率数据建立 ARIMA
(p,d ,q )模型,并利用此模型进行失业率的预测。
四、实验要求:
了解 ARIMA模型的特点和建模过程,了解 AR,MA和 ARIMA模型三者之间的
区别与联系,掌握如何利用自相关系数和偏自相关系数对 ARIMA模型进行识别,
利用最小二乘法等方法对 ARIMA模型进行估计,利用信息准则对估计的 ARIMA
模型进行诊断,以及如何利用 ARIMA模型进行预测。
五、实验步骤
(1) 输入原始数据
打开 Eviews 软件,选择“File ”菜单中的 “New--Workfile ”选项,在“Workfile
structure type ”栏中选择“ Dated-regular frequency ”,在“ Frequency ”栏
中选择 “Monthly ”,分别在起始月输入 1991.01 ,终止月输入 2010.12 ,点击 ok,
见图 1。再建立一个 New object ,将选取的 x 的月度数据复制进去 。
文档大全
实用标准
图一
(2)做出时序图并判断
做出该序列的时序图 2,看出该序列呈一定的上升趋势, 周期性不是很明显。
直观来看,显著非平稳。
图 2 :时序图
进一步考察其自相关图和偏自相关图,如图 3
文档大全
实用标准
图 3:x 的自相关图和偏自相关图
自相关系数可以看出,衰减到零的速度非常缓慢,所以断定 x 序列非平稳。
文档评论(0)