应用时间序列eviews实验报告.doc

应用时间序列实训（eviews）views对时间序列建立ARMA模型的过程 实验步骤： 一， 1．打开数据附录1.15 年 每万人生育率 1917 183.1 1918 183.9 1919 163.1 1920 179.5 1921 181.4 1922 173.4 1923 167.6 1924 177.4 1925 171.7 1926 170.1 1927 163.7 1928 151.9 1929 145.4 1930 145 1931 138.9 1932 131.5 1933 125.7 1934 129.5 1935 129.6 1936 129.5 1937 132.2 1938 134.1 1939 132.1 1940 137.4 1941 148.1 1942 174.1 1943 174.7 1944 156.7 1945 143.3 1946 189.7 1947 212 1948 200.4 1949 201.8 1950 200.7 1951 215.6 1952 222.5 1953 231.5 1954 237.9 1955 244 1956 259.4 1957 268.8 1958 264.3 1959 264.5 1960 268.1 1961 264 1962 252.8 1963 240 1964 229.1 1965 204.8 1966 193.3 1967 179 1968 178.1 1969 181.1 1970 165.6 1971 159.8 1972 136.1 1973 126.3 1974 123.3 1975 118.5 2．在窗口中单击view—Line Graph得到以下趋势图 3．在窗口中单击view—Correlogram选择level得到以下自相关图 由自相关图的p值可知，因为p0.05，所以拒绝原假设，此序列不为白噪声序列。 4．在命令窗口中输入genr news=D(x,1,0)进行一阶差分 5．在窗口中单击view—Line Graph得到以下趋势图 6．利用一阶差分后的数据，做出自相关系数图. 在news窗口中单击view-Unit Root Test 由以上两图可知，拒绝原假设，故平稳 7．同时单击Quick-----Estimate Equation弹出对话框，输入news AR(1)得到： 所以平稳 二， 1．分别建立AR（1）、MA（1）和ARMA（1,1）模型 单击Quick-----Estimate Equation弹出对话框，输入news AR(1) ，news MA(1)和news AR(1) MA(1)便得到如下三张图表： 由以上三幅图表，可知ARMA(1，1)的模型中AIC和SC的值最小，所以ARMA（1，1）模型为最优模型. 2．表示ARMA（1,1）模型：在ARMA（1,1）模型中单击view选择Represtations得到： ARMA（1，1）模型的表达式为，根据图表中 ，所以此模型的表达式为 3．根据最优模型ARMA（1,1），对序列进行预测 （1）动态预测：打开Forecast，在弹出的窗口中选Dynamic，点ok得到如下图表 （2）静态预测：打开Forecast，在弹出的窗口中选Static，点ok得到如下图表 参考文献 [1]王艳，应用时间序列分析（第二版） 中国人民大学出版社 课程论文评分表 各项 满分 评分标准 学生 得分 评分标准一 10 有明确的研究背景和意义 评分标准二 30 数据准确、有时效性，必须是最新的数据 评分标准三 40 方法得当，有实证分析 评分标准四 10 条理性和逻辑性强，内容阐述清晰、结论明确 评分标准五 10 论文按规定的格式撰写，文章中引用的内容需用脚注注明来源 评分标准六 特别 提醒 文章出现大段抄袭或者两人之间内容雷同达到80%以上，均不能及格。论文按规定的时间上交，每推迟一天，扣减2分 总分 评阅人签字