时间序列分析Eviews..docVIP

实验报告 课程名称： 时间序列分析 院 系： 班 级： 姓 名： 学 号： 指导教师： 设计时间： （一）时序图检验 根据平稳时间序列均值、方差为常数的性质，平稳序列的时序图应该显示出该序列始终在一个常数值附近随机波动，而且波动的范围有界、无明显趋势及周期特征。 图1：时序图 （二）自相关图检验 可以看出自相关系数始终在零周围波动，判定该序列为平稳时间序列。  图2：序列的相关分析结果 平稳性检验—（单位根检验） 图3：单位根检验结果 由图3可见，检验t统计量的值为-24.29904，显著性水平1%、5%、10%的临界值分别为-3.452066、-2.870996、-2.571980，可见t统计量的值小于各显著性水平的临界值，故拒绝原假设，认为序列平稳。 （四）模型识别 根据图2可见自相关系数与偏自相关系数的情况，我们分别选取AR(1)、MA(1)、ARMA(1,1)进行拟合，从中选优。 图4：AR（1）参数估计结果 图5：MA(1)参数估计结果 图6：ARMA(1,1)参数估计结果 注：（由p值可知此模型未能很好的拟合这组数据，故舍弃。） 从AIC方法看，以上三个模型的拟合中，模型AM(1)较适合。 模型为 X=-0.000442-0.341250 模型的单位根如下：单位根在单位圆内，所以可逆 图7：单位根结果 模型检验 1、参数的显著性检验 根据图5中的P值检验参数的显著性，均小于0.05时，拒绝原假设，即参数显著不为0。 2、检验{εt}是否为白噪声序列 （1）检验均值是否为零， 由于P值=0.9999，所以接受原假设，即期望值为0。 （2）检验纯随机性 所有P值均大于0.05，接受残差为随机序列的原假设。 （3）异方差检验 至此可以表明残差序列为白噪声序列，因此信息提取的比较充分，模型比较合理。 模型拟和效果 （九）预测