17时间序列-胡跃华.ppt

AR？ MA？ Dyt = -0.372 Dyt-1 +vt+ 0.481ut + 0.625ut-1 残差的Q统计量（pro）值均大于0.05，可以认为是白噪声，检验通过。 * ARIMA模型预测的基本程序（用任何软件） * 按照ARIMA模型建模方法，对全国2005.1.1-2012.12.31的丙型肝炎发病数建模，并用该模型对全国2013.1.1-2013.6.30发病数进行预测，得到预测数据（表2），预测的平均相对误差为0.034。比较观测值与预测值，可见每月的绝对误差不大，特别是3月份绝对误差只有-32例，这在全国水平上来说预测效果很好。模型拟合图（图6）也可见预测值与观测值相比无论从趋势还是大小差别均不大。可见ARIMA（1，1，1）（0，1，1）12模型的预测效果好。 * SAS/ETS。SAS/ETS编程语言简洁，输出功能强大，分析结果精确，是进行时间序列分析与预测的理想的软件。并且sas系统有着全球一流的数据仓库功能，因此在进行海量数据的时间序列分析时具有其他统计软件无可比拟的优势。 R是一种语言，是基于Ｓ语言两种形式中的一种，另一为S-plus 一种软件，是集统计分析与图形显示于一体的统计分析工具 是完全免费的！！ 其他软件尽管非常优秀，可是你需要支付一笔$US . Eviews是Econometrics Views的缩写，直译为计量经济学观察，通常称为计量经济学软件包。Eviews是专门为大型机构开发的、用以处理时间序列数据的时间序列软件包的新版本。Eviews的前身是1981年第1版的Micro TSP。虽然Eviews是经济学家开发的，而且主要用于经济学领域，但是从软件包的设计来看，Eviews的运用领域并不局限于处理经济时间序列。即使是跨部门的大型项目，也可以采用Eviews进行处理。Eviews处理的基本数据对象是时间序列，每个序列有一个名称，只要提及序列的名称就可以对序列中所有的观察值进行操作，Eviews允许用户以简便的可视化的方式从键盘或磁盘文件中输入数据，根据已有的序列生成新的序列，在屏幕上显示序列或打印机上打印输出序列，对序列之间存在的关系进行统计分析。 JMP是SAS（全球最大的统计学软件公司）推出的一种交互式可视化统计发现软件系列，包括JMP，JMP Pro，JMP Clinical，JMP Genomics，SAS Simulation Studio for JMP等强大的产品线。主要用于实现统计分析。JMP的算法源于SAS，特别强调以统计方法的实际应用为导向，交互性、可视化能力强，使用方便，尤其适合非统计专业背景的数据分析人员使用，在同类软件中有较大的优势。在医药领域，以严格和严谨著称的美国食品与药物管理局(FDA)对于药企申报的新药报告中的统计分析部分，只接受用SAS和JMP分析得出的统计结果。其40%以上的药物评审员都是JMP用户。（比较不同模型的参数检验结果） * ？？本例的ACF图当延迟数目为1时，自相关值突破了可信区间，说明该序列在一阶以内相关性是比较大的。PACF图是从高阶开始，逐个检验每阶的偏自相关系数是否有意义，直到第一个有意义的为止，这时的阶数就是模型中应该包含的最大阶数[6]，本例的PACF图当延迟数目为1和2时，偏自相关系数的值已突破了可信区间，说明建立模型最多有两阶已经够了。因此可初步确定p=1、q=l，即模型结构为ARIMA(1，1，1)(P，1，Q) 12。季节模型的参数P、Q识别较为困难，但因模型阶数过高会造成过拟合，故各阶数一般均限定在2以内[7]。可以分别取0、1、2由低阶到高阶逐个反复试验，根据模型的拟合优度、残差情况以及系数间的相关性进行综合判断，直至得到最佳模型。 ARIMA(1，1，1)(0，1，0) 12。ARIMA(1，1，1)(0，1，1) 12。ARIMA(1，1，1)(0，1，2) 12。 ARIMA(1，1，1)(1，1，0) 12。ARIMA(1，1，1)(2，1，0) 12。ARIMA(1，1，1)(1，1，1) 12。 ？？自相关函数图（ACF）和偏自相关函数图（PACF）是ARIMA模型识别中非常有用且非常直观的工具。 对序列首先进行取自然对数的数据变换，其次进行一阶逐期差分和一阶季节差分，得到一个基本平稳的序列。于是，模型中的d和D应同时取1；从自相关图看，在1阶以后函数值明显趋于0，呈拖尾性，因此可将q取1，而第12阶的函数值显著不为0，因此可将Q取为1；再看偏自相关图，前三阶函数值均显著不为0，滞后趋于0并呈拖尾性，因此可将p取为2或3，而第12阶也显著不为0，因此可考虑将P取为1。 * LB检验 LB统计量服从自由度为m的χ2分布。 当P=0.05，拒绝纯随机性的假设，认为序列非纯随机 *