第三章 ARMA实验报告.docVIP

第三章 平稳时间序列建模实验报告 下表为1980-2012年全国第三产业增加值指数（上年=100）的数据。 表3-1 1980-2012年全国第三产业增加值指数（上年=100） 年份 第三产业增加值 年份 第三产业增加值 1980 106 1997 110.7 1981 110.4 1998 108.4 1982 113 1999 109.3 1983 115.2 2000 109.7 1984 119.3 2001 110.3 1985 118.2 2002 110.4 1986 112 2003 109.5 1987 114.4 2004 110.1 1988 113.2 2005 112.2 1989 105.4 2006 114.1 1990 102.3 2007 116 1991 108.9 2008 110.4 1992 112.4 2009 109.6 1993 112.2 2010 109.8 1994 111.1 2011 109.4 1995 109.8 2012 108.1 1996 109.4 资料来源：国家统计局网站 根据以上数据，下面用Eviewis6.0对1980-2012年我国第三产业增加值指数的年度数据建立ARMA（p ,q）模型，并利用此模型进行数据预测。 以下将分为时间序列预处理、模型识别、参数估计、模型检验、模型优化和模型预测六个部分进行具体分析。 一、时间序列预处理 （一）平稳性检验 根据序列时序图和散点图以及序列相关图，判断序列是否为平稳序列，最后用单位根检验图像判断是否准确。若为平稳序列则可对其进一步进行分析处理，进而建立模型。 1．时序图检验 在数据窗口中，按路径“View\Graph”选择Line @ Sybol，做序列时序图，看序列是否随时间随机波动没有明显的趋势和周期性波动，如果没有，则可以认为序列平稳。 图3-1 时序图 2．散点图 在数据窗口，按路径“View\Graph”选择Dot Plot,做序列散点图如下： 图3-2 散点图 通过观察时序图和散点图发现序列没有明显的趋势变动和周期变动，数值在110上下小范围波动，可初步确定其为平稳序列。 3．自相关图检验 图3-3 序列相关图 自相关图中显示，自相关系数和偏自相关系数一阶之后都基本控制在两倍标准差之内，基本可以看做接近于0，得出序列应为平稳序列。 4．单位根检验 通过以上的直观判断后，得出序列为平稳序列。优于直观图判断受主观因素影响，很容易产生偏差。下面通过统计检验来进一步对其是否为统计上显著的平稳序列进行证实。 在数据窗口，按路径“View\Unit Root Test”,在Automatic selection中选择Akaike Info Criterion,检验结果如下表3-2所示。 从以上单位根检验结果看，P值小于0.05，拒绝原假设，认为序列为平稳的。 表3-2 单位根检验结果 Null Hypothesis: Y has a unit root Exogenous: Constant Lag Length: 4 (Automatic based on AIC, MAXLAG=8) t-Statistic ??Prob.* Augmented Dickey-Fuller test statistic -3.500137 ?0.0156 Test critical values: 1% level -3.689194 5% level -2.971853 10% level -2.625121 *MacKinnon (1996) one-sided p-values. Augmented Dickey-Fuller Test Equation Dependent Variable: D(Y) Method: Least Squares Date: 05/12/14 Time: 19:25 Sample (adjusted): 1985 2012 Included observations: 28 after adjustments Variable Coefficient Std. Error t-Statistic Prob.?? Y(-1) -0.764592 0.218446 -3.500137 0.0020 D(Y(-1)) 0.556963 0.194090 2.869608 0.0089 D(Y(-2)) -0.016350 0.216951 -0.075365 0