有哪些信誉好的足球投注网站- 1、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。。
- 2、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。
- 3、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)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、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。
- 6、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。
- 7、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
分析流程
数据源：
附件1(50).xlsx
算法配置：
算法：时间序列分析ARIMA
分析结果：
暂无数据
分析步骤
1.ARIMA模型要求序列满足平稳性，查看ADF检验结果，根据分析t值，分析其是否可以显著性地拒绝序列不平稳的假设(P0.05)。
2.查看差分前后数据对比图，判断是否平稳（上下波动幅度不大），同时对时间序列进行偏（自相关分析），根据截尾情况估算其p、q值。
3.ARIMA模型要求模型具备纯随机性，即模型残差为白噪声，查看模型检验表，根据Q统计量的P值(P0.05)对模型白噪声进行检验，也可以结合信息准则AIC和BIC值进行分析（越低越好），也可以通过模型残差ACF/PACF图进行分析根据模型参数表，得出模型公式结合时间序列分析图进行综合分析，得到向后预测的阶数结果。
Tips：采用ARIMA模型预测时序数据，必须是稳定的，如果不稳定的数据，是无法捕捉到规律的。比如股票数据用ARIMA无法预测的原因就是股票数据是非稳定的，常常受政策和新闻的影响而波动，可以使用ADF检验，该检验用于稳定性检验，使用差分分析对数据进行稳定性处理。
详细结论
输出结果1：ADF检验表
ADF检验表
变量
差分阶数
t
P
AIC
临界值
1%
5%
10%
货量
0
-1.919
0.323
1409.465
-3.489
-2.887
-2.58
1
-7.958
0.000***
1398.678
-3.489
-2.887
-2.58
2
-6.298
0.000***
1402.064
-3.494
-2.889
-2.582
注：***、**、*分别代表1%、5%、10%的显著性水平
图表说明：
上表格为ADF检验的结果，包括变量、差分阶数、T检验结果、AIC值等，用于检验时间序列是否平稳。
●该模型要求序列必须是平稳的时间序列数据。通过分析t值，分析其是否可以显著地拒绝序列不平稳的原假设。
●若呈现显著性(P0.05)，则说明拒绝原假设，该序列为一个平稳的时间序列，反之则说明该序列为一个不平稳的时间序列。
●临界值1%、5%、10%不同程度拒绝原假设的统计值和ADFTestresult的比较，ADFTestresult同时小于1%、5%、10%即说明非常好地拒绝该假设。
●差分阶数：本质上就是下一个数值，减去上一个数值，主要是消除一些波动使数据趋于平稳，非平稳序列可通过差分变换转化为平稳序列。
●AIC值：衡量统计模型拟合优良性的一种标准，数值越小越好。
●临界值：临界值是对应于一个给定的显着性水平的固定值。
智能分析：
该序列检验的结果显示，基于变量货量:
在差分为0阶时，显著性P值为0.323，水平上不要呈现显著性，不能拒绝原假设，该序列为不平稳的时间序列。
在差分为1阶时，显著性P值为0.000***，水平上呈现显著性，拒绝原假设，该序列为平稳的时间序列。
在差分为2阶时，显著性P值为0.000***，水平上呈现显著性，拒绝原假设，该序列为平稳的时间序列。
输出结果2：最佳差分序列图
货量
图表说明：
上图展示了原始数据1阶差分后的时序图。
输出结果3：最终差分数据自相关图(ACF)
图表说明：
上图展示了自相关图(ACF)，包括系数，置信上限和置信下限。
●横轴代表延迟数目，纵轴代表自相关系数。
●自相关(ACF)图在q阶进行截尾，偏自相关(PACF)图拖尾，ARMA模型可简化为MA(q)模型。
●倘若自相关与偏自相关图均拖尾，可结合PACF、ACF图中最显著的阶数(最小值)作为p、q值。
●倘若自相关与偏自相关图均截尾，可以选择更换更高的差分，或则不适合建立ARMA模型。
●截尾是在置信区间内，ACF或PACF在某阶后就恒等于零(或在0附近随机波动)。
●拖尾是在置信区间内，ACF或PACF始终有非零取值，不呈现在某阶后就恒等于零(或在0附近随机波动)。
输出结果4：最终差分数据偏自相关图(PACF)
图表说明：
上图展示了偏自相关图(PACF)，包括系数，置信上限和置信下限。
●偏自相关(PACF)图在p阶进行截尾，自相关(ACF)图拖尾，ARMA模型可简化为AR(P)模型。
●倘若自相关与偏自相关图均拖尾，可结合PACF、ACF图中最显著的阶数(最小值)作为p、q值。
●倘若自相关与偏自相关图均截尾，可以选择更换更高的差分，或则不适合建立ARMA模型。
●截尾是在置信区间内，ACF或PACF在某阶后就恒等于零(或在0附近随机波动)。
●拖尾是在置信区间内，ACF或PACF始终有非零取值，不呈现在某阶后就恒等于零(或在0附近随机波动)。
输出结果5：模型参数表
ARIMA模型（1,0,2）检验表
项
符号
值
DfRes
文档评论（0）