时间序列建模实例分析.ppt

时间序列建模实例分析 利用Eviews统计分析软件处理 Box_Jenkins建模过程(平稳时序) 1、检验时间序列的平稳性 2、零均值化 3、模型的初步识别 4、模型的定阶 5、模型的参数估计 6、模型的适应性检验 化学反应产出量(每次观测间隔两小时) 47 64 23 71 38 64 55 41 59 48 71 35 57 40 58 44 80 55 37 74 51 57 50 60 45 57 50 45 25 59 50 71 56 74 50 58 45 54 36 54 48 55 45 57 50 62 44 64 43 52 38 59 55 41 53 49 34 35 54 45 68 38 50 60 39 59 40 57 54 23 共70个数据 化学反应产出量时序模型的数据文件建立和数据的观察 一、工作文件的建立 化学反应产出量时序是每隔两小时采集的数据，可把此数据看作无规则的数据，而且，共有70个数据，建立工作文件应选择 二、建立数据对象 三、输入数据 四、对数据进行浏览观察 1、观察其数据图，看序列是否具有趋势性、周期性、季节性，以判断序列是否平稳序列？本序列的数据图如下： 五、看数据的统计特性，观察此序列是否正态序列： 六、看序列的自相关函数和偏自相关函数 化学反应产出量时序模型的初步识别 一、数据的零均化 x1=fhdata-@mean(fhdata) 二、观察序列的相关函数图，以判断此序列初步判别序列是何种模型。 通过相关图观察，我们发现自相关函数具有拖尾性，而偏自相关函数具有截尾性，可初步判定在一步截尾。 三、对上述判定进行进一步确认。 H0: H1: 在H0成立的条件下： 化学反应产出量时序模型定阶和参数估计 我们依据初步识别的结果，利用Ls估计法对模型进行进进一步分析定阶。对本数据分别拟合AR(1),AR(2),AR(3),AR(4),其结果如下： 化学反应产出量时序模型适应性检验 主要检验残差序列 是否是白噪声序列,是独立序列， 不存在序列相关，且同方差。我们主要从以下二方面进行检验： 1、检验残差序列是否白噪声序列，Eviews提供了3种方法检验当前序列相关 (1) Dubin-Waston统计量 D-W统计量用于检验一阶序列相关。 (2)相关图和Q-统计量 计算相关图和Q-统计量。 (3)序列相关LM检验 检验的原假设是:至给定阶数，残差不具有序列相关。 现分别检验如下： （1）从估计方程式结果，可以看出D-W=1.769032 说明残差序列存在着一阶序列负相关。需对模型进行改进。 (2)相关图和Q-统计量 序列相关LM检验 阶数=1 化学反应产出量时序模型修正模型 本节对已经确认的模型进行修正，因为残差序列存在着一阶序列相关，所以把模型把AR(2)变为ARMA(1,1),在进行建立模型。其结果如下： * 本图展示了连续观测一项化学反应的70笔产量的观测值，这70笔的数列数据的明显特征就是大约在一固定的水准为50测量单位左右，并且都在20到80的测量单位固定范围内变动，整体来说此数列不论何时皆具有大致相同的统计特征，此序列是一个平稳序列。在此例中，所预测的产量的平均水准应为50，且都在20到80之间。若再仔细观察数列的行为可发现一趋势：若观测值大于平均数，则下一个观测值即小于平均数，反之亦然，于是两两邻近的观测呈现负相关，如能适当利用此相关性可使我们的预测更精确。 从其统计特征可以看出该序列均值为51.12857,Jarque-Bera为0.065419，Probalility为0.967819，说明此序列为正态序列。 从序列的相关图可以看出ACF具有拖尾性，而PACF具有截尾性。说明此序列也是平稳序列。 *