Eviews实验报告4.docVIP

实验概述： 【实验目的及要求】 深刻理解平稳性的要求和arima建模的思想。 学会如何通过观察自相关系数和偏相关系数，确定并建立模型。 学会如何利用模型进行预测。 熟练掌握EVIEWS的结果，看懂eviews的输出结果。 【实验原理】 ARIMA(p, q)过程的平稳域和可逆域 对于非平稳序列的时变均值函数，最简单的处理方法就是考虑均值函数可以由一个时间的确定性函数来描述，这时，可以用回归模型来描述。 假如均值函数服从于线性趋势 我们可以利用确定性的线性趋势模型 如果均值函数服从二次函数则我们可以用 假如均值函数服从k次多项式我们可以使用下列模型建模 实验内容： 【实验方案设计】 4.2数据和指标的选取 我们的模型估计选取了我国1990年1月到2008年12月的CPI月度数据 附表（1））作为研究的对象。度量通货膨胀的指标通常有CPI（消费者价格指生产者物价指数（PPI）、批发物价指数（wholesale price index）、GDP平减指数（deflator）等。消费者物价指数（CPI）（consumer price index）是用来度量一期内居民所支付消费商品和劳务价格变化程度的相对数指标，它是反映通货水平的重要指标。CPI指数作为生活成本指数，不仅能够及时和明确地反映子商品和服务价格的变化，而且是定期公布，广为人知，易于获取和明了，被公众理解。选取CPI作为通货膨胀的指标有利于合理引导公众和市场对经预期，有利于政府综合运用价格和其他经济手段，实现宏观经济调控目标。 为了研究这些问题，笔者搜集了1985-2007年的年度中国消费者物价指数的相关数据，利用EVIEWS软件，将这几个指标数据进行了相关分析。对于ARIMA(p q)模型，可以利用其样本的自相关函数和样本的偏自相关函数的截尾性判定模型的阶数，若平稳时间序列的偏相而自相关函数是截尾的 则可断定此序列适合MA模型; 若平稳时间序列的偏相关函数和自相关函数均是拖尾的则此序列适合模型。 【实验过程】（实验步骤、记录、数据、分析） 首先导入1985-2007年的年度的CPI数据： 对CPI序列进行平稳性检验可以发现其对应p值大于0.05，序列是不稳定的。 因此，令dcpi=cpi-cpi（-1）得到CPI的一阶差分序列： 由单位根检验，其对应p值显著小于0.05，可以看到其是稳定的。 所以可以对其一阶序列进行ARMA模型的建立和预测。 观察其一阶差分序列的自相关和偏自相关系数图可以发现： 自相关和偏自相关系数在5阶之后迅速趋向于0，因此可以尝试AR(1), AR(2) AR(3),AR(4),AR(5),MA(1) ,MA(2) ,MA(3) ,MA(4) ,MA(5)模型。 不断地排除对应p值显著大于0.05的项，最后得到的模型如下： 可以看到对应的三个参数的系数的p值都显著小于0.001。 此外，其12阶的残差Q检验也显示残差为白噪声序列，因此模型拟合是较好的。 模型拟合的预测值DCPIF的折线图和与dcpi的对比图如下： 从图中也可以看到：模型拟合是较好的。 从而我们得到最后的拟合方程为： 从而得到CPI的预测方程为： 从而预测2008年的CPI指数为104.07。与实际2008年全年CPI上涨5.90% 从而得到CPI的预测方程为： 从而预测2008年的CPI指数为104.07。与实际2008年全年CPI上涨5.90% 成绩： 指导教师签名： 批阅日期：