平稳时间序列模型要点.docVIP

实验八：平稳时间序列模型 湖北文理学院 湖北襄阳 信息1411王茂林 12.7 1.输入数据 选择第一项create a new Eviews workfile,建立一个新的工作表。或者关掉这个窗口 点击【File】—【New】—【workfile】，选择(Monthly)，输入数据的开始2005:1，结束2008：4，然后输入data cpi回车得到名字为cpi的表，输入数据即可。 画时序图 点击【Quick】-【Graph】，如下图所示： 可以看出数据不是平稳的，为了快速平稳，可以先对数据取对数得到新的序列，在主表对话框中输入series cpi1=log(cpi)，可以得到取自然对数后的新序列，时序图如下： 新的序列仍然不平稳，但是上升趋势变得平缓，这个时候选择一阶差分，在主表对话框中输入series cpi2 =cpi1-cpi1（-1）得到新的序列，如下图所示: 一阶差分后序列还是不平稳，选择再次差分,输入series cpi3 =cpi2-cpi2(-1)，得到下图 初步看来二阶差分后数据平稳。 3.这组数据不是零均值，所以还要计算均值。在数据cpi3中点击【View】-【Descriptive StatisticsTests】-【Histogram and Stats】直方图和统计量。 如下图所示： 4.我们需要零均值的平稳序列，所以现在的序列需要减掉均值得到新的序列建模。 即输入series cpi4=cpi3+0.000463 如下图所示得到新的数据、时序图、直方图和统计量： 5.计算自相关系数和偏自相关系数，选择【Correlogram】,【View】和【Qiuck】下都有这个选项，都可以使用，默认选择level，下面的数字代表要计算滞后阶数。然后确定， 表格的第一列和第二列分别是自相关系数和偏自相关系数的取值，后面第三列和第四列分别是它们的数值，第五列和第六列是相应的统计量和概率。第一二列中在虚线内，可以认为系数为0。 6.看图分析建模 由上图可以看出，k=11,自相关系数和k=2的偏自相关系数为峰值，此后均为拖尾。所以建立ARMA（11,2）模型和ARMA（2,2）模型。先建立ARMA（2，2）模型，即最小二乘估计，在主表框中输入ls cpi4 ar(2) ma(2)，得到下图： 再建立ARMA（11，2）模型，在主表框中输入ls cpi4 ar(11) ma(2)，得到下图： 对比两个模型，可以看出ARMA（11,2）的R-squared和Adjusted R-squared比 ARMA（2,2）更接近1，因此拟合度更好；P值也显著的小于0.05，说明系数作用明显；AIC和SBC也更小，这两个数值越小越好；DW值也更接近2，代表残差序列不存在自相关关系。 从每个指标都可以看出模型ARMA（11，2）最好，因此选择ARMA（11，2）模型， 模型方程为：cpi4 = 0 + [ar(11)=0.592456955469,ma(2)=-0.311432414251,backcast=2006m02,estsmpl=2006M02 2008M04] ****************************************************************************************************************************************** 12.8 年份 实际利用外资 进出口总额 1985 19.65 696 1986 22.44 738.5 1987 23.14 826.5 1988 31.94 1027.9 1989 33.92 1116.8 1990 34.87 1154.4 1991 43.66 1357 1992 110.08 1655.3 1993 275.15 1957 1994 337.67 2366.2 1995 375.21 2808.6 1996 417.26 1898.8 1997 452.57 3251.6 1998 454.63 3239.5 1999 403.19 3606.3 2000 407.15 4742.9 2001 468.78 5096.5 2002 527.43 6207.7 2003 535.05 8509.88 2004 606.3 11545.5 2005 603.25 14219.1 2006 630.21 17603.96 2007 747.68 21737.26 200