- 1、本文档共16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)。
查看更多
时间序列上机实验ARMA模型的建立
实验一ARMA模型建模
一、实验目的
学会检验序列平稳性、随机性。学会分析时序图与自相关图。学会利用最小二乘法等方法对ARMA模型进行估计,以及掌握利用ARMA模型进行预测的方法。学会运用Eviews软件进行ARMA模型的识别、诊断、估计和预测和相关具体操作。
二、基本概念
宽平稳:序列的统计性质不随时间发生改变,只与时间间隔有关。
AR模型:AR模型也称为自回归模型。它的预测方式是通过过去的观测值和现在的干扰值的线性组合预测,自回归模型的数学公式为:
式中: 为自回归模型的阶数(i=1,2,,p)为模型的待定系数,为误差,为一个平稳时间序列。
MA模型:MA模型也称为滑动平均模型。它的预测方式是通过过去的干扰值和现在的干扰值的线性组合预测。滑动平均模型的数学公式为:
式中: 为模型的阶数;(j=1,2,,q)为模型的待定系数;为误差;为平稳时间序列。
ARMA模型:自回归模型和滑动平均模型的组合,便构成了用于描述平稳随机过程的自回归滑动平均模型ARMA,数学公式为:
三、实验内容
(1)通过时序图判断序列平稳性;
(2)根据相关图,初步确定移动平均阶数q和自回归阶数p;
(3)对时间序列进行建模
四、实验要求
学会通过各种手段检验序列的平稳性;学会根据自相关系数和偏自相关系数来初步判断ARMA模型的阶数p和q,学会利用最小二乘法等方法对ARMA模型进行估计,学会利用信息准则对估计的ARMA模型进行诊断,以及掌握利用ARMA模型进行预测。
五、实验步骤
1.模型识别
(1)绘制时序图
在Eviews软件中,建立一个新的工作文件,500个数据。通过Eviews生成随机序列“e”,再根据“x=0.8*x(-1)-0.4*x(-2)+e”生成AR(2)模型序列“x”,默认x(1)=1,x(2)=2,得到下列数据,由于篇幅有限。只展示一部分。
图一:x的数据图
对序列x进行处理。首先,生成时序图二,初步判断其平稳性:
图二:时序图
通过上图可知,此序列为平稳非白噪声序列,可以对其进行进一步的处理分析,进而建模。
2)绘制序列相关图(滞后阶数为22阶)
图二:序列自相关和偏自相关图
从相关图看出,自相关系数迅速衰减为0,偏自相关系数二阶截尾,说明序列平稳。
当Q统计量大于相应分位点,或该统计量的P值小于0.05时则可以以0.95的置信水平拒绝原假设,认为该序列为非白噪声序列;否则,接受原假设,认为该序列为纯随机序列。
而由下图可以看出Q统计量足够大且P统计量足够小,满足拒绝原假设的条件,认为该序列为非白噪声序列。
故可以对序列采用B-J方法建模研究。
3)ADF检验序列的平稳性
在经过上面直观判断后,下面通过统计检验来进一步对其进行证实,在如下对话框中选择对常数项,不带趋势的模型进行检验后点击ok,出现图五,由图五中统计量可得,拒绝存在一个单位根的原假设,序列平稳。
图四
图五:ADF检验
4)模型定阶
由图三可以看出,偏自相关系数在k=2后突变为0,且后面的值均在0附近,故可判断其偏自相关系数明显为2阶结尾,可尝试用AR(2)进行拟合。而自相关系数开始渐变,且后面还有接近甚至稍大于两倍标准差的(已在途中用红圈标出),故一方面可判断其拖尾;另一方面,k=3后自相关系数突然变为几乎为0,后面基本都在2倍标准差内浮动,可认为其有4阶截尾的嫌疑。故后面会对AR(2)、MA(4)以及ARMA(2,4)分别进行考虑。
点击View/Descriptive Statistics/Histogram and States对原序列做描述统计分析得到图六,可见序列均值为0.055665,不为0,但由于通常是对0均值平稳序列做建模分析,故需要在原序列基础上生成一个新的0均值序列。
点击主菜单Quick/Generate Series,在对话框中输入赋值语句y=x-0.055665,点击ok生成新序列y,故所得序列y是0均值的平稳非白噪声序列。重复上面操作序列y进行描述统计分析得到图七,由于y相当于对序列x的平移,故统计特性本质上未发生改变,所以可通过分析y来得到x的特性。
图六:原序列作描述统计分析
图七:Y序列作描述统计分析
2.模型参数估计
1)尝试AR模型。由上面通过识别所确定的阶数2,可以初步建立AR (2)。
在主窗口输入ls y ar(1) ar(2) ,其中ar(i)(i=1,2)表示自回归系数,得到图9,即得模型估计结果和相关诊断统计量。由伴随概率可知,AR(1)、AR(2)均高度显著,表中最下方给出的是滞后多项式的倒数根,只有这些值都在单位圆内时,过程才平稳。由表可知,这三个根都在单位圆内。
另外,表中还有其他有价值的统计量:
AIC、SC准则是选择模型时需要参考的重要指标,其值越小越好。
DW统计量是对残差的自相关检验
您可能关注的文档
- 新建 Mi化学实验仪器 艾沙江。PowerPoint 演示文稿.ppt
- 新教材 皇权膨胀.ppt
- 新时期的外交政(5-3).ppt
- 新材料作文1.ppt
- 新材料作文怎样审题、立意.ppt
- 新材料及其应用(八年级上 ).ppt
- 新开店方案.ppt
- 新概念81-84.ppt
- 新教材 从地球仪上看世界 公开课 强烈推荐.ppt
- 新格林公式9-3.ppt
- Unit4WeloveanimalsUnit4PartA(课件)人教PEP版英语三年级上册2(精)5.pptx
- 江苏省马坝高级中学高二上学期期中地理试题(原卷版).docx
- 河北省石家庄市第四十九中学九年级上学期开学练习英语试题.docx
- 八年级英语下册Unit10I'vehadthisbikeforthreeyearsSectionB2课件(完整版)3.pptx
- Unit6Ananimalstory(词汇)(课件)新魔法英语(NewMagic)一年级上册.pptx
- Unit5Topic2SectionB课件初中英语七年级下册.pptx
- Unit1单元语法讲练九年级英语全一册课件(人教版).pptx
- 单细胞生物体七年级上学期精品课件.pptx
- Unit2句型所含知识点练习人教版八年级英语下册.docx
- 八年级英语下册Unit2I’llhelptocleanupthecityparks课件3(完整版)2.pptx
文档评论(0)