時間序列上機(jī)實(shí)驗(yàn)-arima模型的建立(季節(jié)乘積模型)

1、實(shí)驗(yàn)二實(shí)驗(yàn)二ARIMAARIMA模型的建立模型的建立一、實(shí)驗(yàn)?zāi)康囊?、?shí)驗(yàn)?zāi)康氖煜RIMA模型，掌握利用ARIMA模型建模過程，學(xué)會利用自相關(guān)系數(shù)和偏自相關(guān)系數(shù)對ARIMA模型進(jìn)行識別，利用最小二乘法等方法對ARIMA模型進(jìn)行估計(jì)，利用信息準(zhǔn)則對估計(jì)的ARIMA模型進(jìn)行診斷，以及學(xué)會利用ARIMA模型進(jìn)行預(yù)測。掌握在實(shí)證研究如何運(yùn)用Eviews軟件進(jìn)行ARIMA模型的識別、診斷、估計(jì)和預(yù)測。二、基本概念二、基本概念A(yù)RIMA模型，即將非

2、平穩(wěn)時間序列轉(zhuǎn)化為平穩(wěn)時間序列，然后將平穩(wěn)的時間序列建立ARMA模型。ARIMA模型根據(jù)原序列是否平穩(wěn)以及回歸中所含部分的不同，包括移動平均過程（MA）、自回歸過程（AR）、自回歸移動平均過程（ARMA）以及ARIMA過程。在ARIMA模型的識別過程中，主要用到兩個工具：自相關(guān)函數(shù)ACF，偏自相關(guān)函數(shù)PACF以及它們各自的相關(guān)圖。對于一個序列而言，它的第階自??tXj相關(guān)系數(shù)為它的階自協(xié)方差除以方差，即＝，它是關(guān)于滯后期j?jj?j0?

3、?的函數(shù)，因此我們也稱之為自相關(guān)函數(shù)，通常記ACF()。偏自相關(guān)函數(shù)jjPACF()度量了消除中間滯后項(xiàng)影響后兩滯后變量之間的相關(guān)關(guān)系。j三、實(shí)驗(yàn)內(nèi)容三、實(shí)驗(yàn)內(nèi)容（1）根據(jù)時序圖的形狀，采用相應(yīng)的方法把非平穩(wěn)序列平穩(wěn)化；（2）對經(jīng)過平穩(wěn)化后的2000年1月到2011年10月美國的失業(yè)率數(shù)據(jù)建立ARIMA（）模型，并利用此模型進(jìn)行失業(yè)率的預(yù)測。pdq四、實(shí)驗(yàn)要求：四、實(shí)驗(yàn)要求：了解ARIMA模型的特點(diǎn)和建模過程，了解AR，MA和ARIMA

4、模型三者之間的區(qū)別與聯(lián)系，掌握如何利用自相關(guān)系數(shù)和偏自相關(guān)系數(shù)對ARIMA模型進(jìn)行識別，利用最小二乘法等方法對ARIMA模型進(jìn)行估計(jì)，利用信息準(zhǔn)則對估計(jì)的ARIMA模型進(jìn)行診斷，以及如何利用ARIMA模型進(jìn)行預(yù)測。五、實(shí)驗(yàn)步驟五、實(shí)驗(yàn)步驟（1）輸入原始數(shù)據(jù)打開Eviews軟件，選擇“File”菜單中的“NewWkfile”選項(xiàng)，在“Wkfilestructuretype”欄中選擇“Datedregularfrequency”，在“Fre

5、quency”欄中選擇“Monthly”，分別在起始月輸入1991.01，終止月輸入2010.12，點(diǎn)擊ok，見圖1。再建立一個Newobject，將選取的x的月度數(shù)據(jù)復(fù)制進(jìn)去。圖3：x的自相關(guān)圖和偏自相關(guān)圖自相關(guān)系數(shù)可以看出，衰減到零的速度非常緩慢，所以斷定x序列非平穩(wěn)。為了證實(shí)這個結(jié)論，進(jìn)一步對其做ADF檢驗(yàn)，結(jié)果見圖4，可以看出在顯著性水平0.05下，接受存在一個單位根的原假設(shè)，進(jìn)一步驗(yàn)證了原序列不平穩(wěn)。圖4：序列x的ADF檢驗(yàn)（