多元平稳时间序列ARIMAX模型的应用.doc

多元平稳时间序列 ARIMAX 模型的应用 汪远征, 徐雅静 ( 郑州轻工业学院 信息与计算科学系, 郑州 450002) 摘 要: 本文介绍多元平稳时间序列 AR IMAX 模型的建立方法, 并将 AR IMAX 模型应用于我国 第三产业产值、固定资产投资和 GDP 数据的分析与预测, 得到较为满意的结果。 关键词: AR IMAX 模型; 时间序列; 预测 中图分类号: O212 文献标识码: A 文章编号: 1002- 6487( 2007) 09- 0132- 03 近几年来, 很多学者利用时间序列模型研究经济指标的 变化规律。有些采用一元时间序列的 ARIMA 模型, ARIMA 模型是研究经济系统中一元时间序列变化规律的有效方法, 但由于 ARIMA 模型只涉及一个变量, 无法表达经济系统中 变量间相互影响的关系; 有些采用协整分析, 但大都停留在 两个或多个时间序列的简单回归模型及修正误差模型上, 用 因为7yt:和7x1t:, 7x2t:, , 7xkt:均平稳, 平稳序列的线性组合 仍然是平稳的, 所以残差??列7εt:为平稳序列: k Φ(B) εt=yt- (μ+! Θi(B) Blixit) i = 1 i 使用 ARMA 模型继续提取残差序列7εt:中的相关信息。 最终得到的模型为: k 以进行经济结构分析, 虽然也能够较好地解释经济指标的相 互影响, 但由于没有考虑各时间序列自回归作用, 在预测方 面仍不尽如人意; 还有一些学者利用 ARIMAX 模型描述经 $yt=μ+! Θi(B) Blixit+εt Φ(B) # i = 1 i t $ε= Θ(B) a  (1) 济系统中多元时间序列的变化规律, 但较多只是构建了含有 一个输入序列的 ARIMAX 模型, 在现实中, 很多时间序列除 有其自身的变化规律外, 还会受到其它多个时间序列的影 响, 利用单一时间序列的 ARIMA 模型或含有一个输入时间 序列的 ARIMAX 模型, 由于计量模型不够完整, 均无法很好 地表达经济系统中多元时间序列的变化规律, 因此, 有必要 建立含有多个输入变量的 ARIMAX 模型。 本文首先介绍 ARIMAX 模型的结构与建立方法, 然后 将 ARIMAX 模型应用于我国固定资产投资总额、第三产业 产值和 GDP 数据的分析上, 以建立较为完整的计量模型, 达 到更好地描述三者之间的影响关系、更有效地对 GDP 预测 的目的。 1 ARIMAX 模型的结构 ARIMAX 模 型 的 构 造 思 想 是 : 假 设 响 应 序 列7yt: 和 输 入 变量序列(即自变量序列)7x1t:, 7x2t:, , 7xkt:均平稳, 首先构建 响应序列和输入变量序列的回归模型: k Φ(B) yt=μ+! Θi(B) Blixit+εt i = 1 i 式 中 , Φi(B)为 第 i 个 输 入 变 量 的 自 回 归 系 数 多 项 式 , Θi (B) 为第 i 个输入变量的移动平均系数多项式, li 为第 i 个输 入变量的延迟阶数, 7εt:为回归残差序列。 % Φ(B) t 模型(1)被称为动态回归模型, 简记为 ARIMAX。式中, Φ (B)为残差序列自回归系数多项式; Θ(B)为残差序列移动平均 系数多项式; at 为零均值白噪声序列。 2 ARIMAX 模型的建立步骤 (1)首先对响应序列7yt:和各输入变量序列7xit:做平稳性检 验; (2)对经过适当差分后平稳的输入序列7xit:建立 ARMA 模 型, 以产生白噪声序列7εxit:: εxit= Θxi(B) xit Φxi(B) (3)对经过差分后平稳的响应序列7yt:实施同样的变换: εyit= Θxi(B) yt, i=1, 2, ..., k Φxi(B) (4)考察序列7εxit:与7εyit:的互相关系数以确定动态回归模 型的结构[10]: k Φ(B) yt=μ+! Θxi(B) Blixit+εt i = 1 xi (5)考察残差序列7εt:, 并对其拟合模型: εt= Θ(B) at Φ(B) 式中7at:为零均值白噪声序列。  统计与决策 2007 年 9 月(理论版) 133 (2)1!lnyt4 的 单 位 根 检 验 表 明 模 型!1nyt=μ+ εt 拒 1- #1B 绝原假设, 这说明, 对数差分后的第三产业序列是具有常数 均值的平稳序列, 该平稳序列 1 阶自相关, 如图 3 所示。 图 3 ’!lnyt,的单位根检验结果 (3)1!lngdpt4 的单位根检验显示表明模型!1ngdpt=μ+ εt 拒绝原