实验arima模型分析.pdfVIP

第七章ARIMA 模型分析 一、实验目的 了解AR ，MA 以及ARIMA 模型的特点，了解三者之间的区别联系，以及AR 与MA 的转感谢阅读 换，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，利用最小二乘法等精品文档放心下载 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，以及如何利用谢谢阅读 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、谢谢阅读 估计和预测。 二、基本概念 所谓ARIMA 模型，是指将非平稳时间序列转化为平稳时间序列，然后将因变量仅对它精品文档放心下 载 的滞后值以及随机误差项的现值和滞后值进行回归所建立的模型。ARIMA 模型根据原序列精品文档放心下载 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 ）、自回精品文档放心下 载 归移动平均过程（ARMA ）以及ARIMA 过程。 在ARIMA 模型的识别过程中，我们主要用到两个工具：自相关函数(简称ACF ），偏自相感谢阅读   以及它们各自的相关图（即  相对于滞后长度描图）。对于一个 关函数简称Y 、 PACFj ( PACF) ACF t 序列 来说，它的第j 阶自相关系数(记作 )定义为它的j 阶自协方差除以它的方差，  即 ＝  ，它是关于j的函数，因此我们也称之为自相关函数，通常记ACF(j) 。偏自 j j 0 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。感谢阅读 三、实验内容及要求 1、实验内容： 根据1991 年1 月～2005 年1 月我国货币供应量（广义货币M2）的月度时间数据来说谢谢阅读 明在Eviews 软件中如何利用B-J 方法论建立合适的ARIMA （p,d,q ）模型，并利用此模型进感谢阅读 行数据的预测。 2、实验要求： （1）深刻理解上述基本概念； （2 ）思考：如何通过观察自相关，偏自相关系数及其图形，利用最小二乘法，以及信息准精品文档放心下载 则建立合适的ARIMA 模型；如何利用ARIMA 模型进行预测；感谢阅读 （3 ）熟练掌握相关Eviews 操作。 四、实验指导 1、ARIMA 模型的识别 （1）导入数据 打开Eviews 软件，选择“File”菜单中的“New--Workfile”选项，出现“Workfile Range”对话谢谢阅读 框，在“Workfile frequency”框中选择“Monthly”，在“Start date”和“End date”框中分别输入 “1991:01”和“2005:01”，然后单击“OK”，选择“File”菜单中的“Import--Read Text-Lotus-Excel” 选项，找到要导入的名为的Excel 文档，单击“打开” 出现“Excel Spreadsheet Import”对话框 并在其中输入相关数据名称(M2)，再单击“OK”完成数据导入。（2 ）模型的识别谢谢阅读 首先利用ADF 检验，确定d 值，判断M2 序列为2 阶非平稳过程（由于具体操作方法 我们在第五章中予以说明，此处略），即 d 的值为2，将两次差分后得到的平稳序列命名 为 W2 ；下面我们来看 W2 的自相关、偏自相关函数图。 打开 W2 序列，点击“View”— “Correlogram”菜单，会弹出如图7 －1 所示的窗口，感谢阅读 图7 －1 自相关