季节ARIMA与RegARIMA模型精要.pptx

下载文档 降价啦

388
0
约小于1千字
约 100页
2017-06-15 发布于湖北
举报
版权申诉
保障服务

季节ARIMA与RegARIMA模型精要.pptx

1、本文档共100页，可阅读全部内容。
2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。

季节ARIMA与RegARIMA模型精要

file: 7b2c3 file: 1211692 file: 7gener1-1 file: dummy01 （file:arfunc）（file:arfunc） xt = 0.8 xt –4+ut 序列的相关图与偏相关图（file:7gener1-text4） z1 xt = - 0.8 xt –4+ut序列的相关图与偏相关图（file:7gener1-text4） z2 （4）自回归系数为负的SAR过程 z9 z2b z5 z5b z6 SAR(1,0,0)(1,0,0)12序列， (1-0.5L)(1- 0.9L12) z4t = ut 的相关图呈拖尾特征。而偏自相关函数在k=13以后呈截尾特征。 z4 z7 SMA(0,0,1)(0,0,1)12序列 xt = (1+ 0.4 L)(1+ 0.6 L12)ut 的相关图与偏相关图 z3 总结: 预测评价 EViews操作：点击View，选residual Diagnostics，Serial Correlation LM Test vt的相关图、偏相关图如下，vt中已不存在自相关。残差图合格去除不显著虚拟变量，再次回归，得，观察残差的相关图和偏相关图。这是典型的AR(1)过程。估计AR(1)模型，得结果如图。（file:outlier2）结束