时间序列分析与预测实验报告.docxVIP

时间序列分析与预测实验报告 　　课程名称：__时间序列分析__实验项目：__ARMA模型______实验类型：__验证型__________学生学号：__XX96XX______学生姓名：__张艳杰_________学生班级：_统计学___________课程教师：__范英兵___________实验日期：_______XX年10月13日_____　　HarbinInstituteofTechnology　　实验手册　　课程名称：时间序列分析　　院系：电子工程系　　指导教师：冀振元　　哈尔滨工业大学XX年3　　月　　实验目的：熟悉对零均值平稳序列建立ARMA模型的前三个阶段：模型识别、模型参数估计、诊断检验。　　根据时间序列自相关图对零均值平稳序列进行初步的模型识别。　　运用Eviews软件估计ARMA模型参数。对所建立的模型是否为适应性模型进行诊断检验模式识别实验内容：从天气预报网站上下载哈尔滨XX年3月份的天气数据，对天气数据进行处理，建立起相适应的ARMA模型。　　1绘制序列时序图及数据的平稳性检验　　哈尔滨哈尔滨XX年3月份的最高气温图　　最高气温条形图　　由图可以看出数据的均值是不为零的，因此应该对数据进行去均值处理　　最高气温去均值后的条形图　　对数据进行平稳性检验　　数据平稳性检验结果　　通过数据平稳检验，可以知道数据时平稳的。2模型识别及模型定阶　　数据的协方差和自协方差图　　通过数据的协方差和自协方差图可以看出协方差的第一个系数挺大，初步设定为ARMA(1,1)模型，　　时间序列分析综合分析　　一、TZP；　　2）将GDPP、XFP、TZP分别取对数，生成的新序列分别命名为LNGP、LNXF、LNTZ。　　数据处理　　1）将GDP、XF、TZ分别除以价格指数P，生成的新序列分别命名为GDPP、XFP、　　二、平稳时间序列建模　　1）将LNTZ进行差分，生成的序列命名为DLNTZ；2）根据DLNTZ序列的自相关图判断该序列的平稳性；　　DLNTZ是平稳的，因为自相关图迅速衰减。　　3）根据自相关和偏自相关图，建立ARMA模型，因为k=4时，自相关系数与0也有显著差异，所以也考虑q=4，即建立ARMA模型再对比R24）建立ARMA模型，进行参数估计：　　因为AR没有通过检验，所以其对dlntz的影响是不显著的，删除该解释变量：　　再建立ARMA模型，进行参数估计：　　删除未通过检验的系数，直到所有系数均通过检验，得到：　　比较两个模型的可决系数，发现ARMA模型你和优度更高，选取ARMA模型。　　得出方程：Dlntz=0.+Ut　　5）对估计的方程进行必要的检验。并根据检验的结果对模型进行修正，最后确定合适的模型；　　由上表可以看出ACF和PACF都没有显著地异于零，且Q统计量的p值远大于，所以残差序列是白噪声序列，通过检验。　　6）根据最后的模型预测XX年DLNTZ的预测值为-　　三、单整性、协整性和误差修正模型　　1）选用只含有截距项的ADF检验模型，检验序列LNGP、LNXF、LNTZ各自的　　单整性，确定出单整阶数；　　?LNGP的ADF检验：　　p,接受原假设说明LNGP是非平稳的，再进行一次差分：　　此时p，接受原假设，认为序列LNXF是非平稳的，再对序列进行一次差分得到如下结果，p=，此时拒绝原假设，认为序列是平稳的。即序列LNXF必须经过一次差分才能变为平稳序列，所以其单整阶数为1.