应用时间序列分析课程论文剖析.docxVIP

应用时间序列分析课程论文 班级：13?应用统计?1?班?学号姓名：彭鹏 学习了本学期的应用时间序列分析课程内容，学习了使用?EVIEWS?软 件对平稳时间序列的平稳性进行分析，学习平稳时间序列模型的建 立、学会根据自相关系数和偏自相关系数判断?ARMA?模型的阶数?p 和?q，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。 在统计研究中，有大量的数据是按照时间顺序排列的，用数学方法 来表述就是使用一组随机序列表示随机事件的时间序列即为{Xt} 通常的?ARMR?建模过程，B-J?方法具体步骤如下： 一、?对时间序列进行特性分析。从随机性、平稳性、季节性考虑。 对于一个非平稳时间序列，若要建模首先将其平稳化，其方法 有三种： 1?差分，一些序列可以通过差分使其平稳化。 2?季节差分，如果序列具有周期波动特点，为了消除周期波动 的影响，通常引用季节差分。 3?函数变换与差分结合运用，某些序列如果具有某类函数趋势， 我们可以先引入某种函数变换将序列转化为线性趋势，然后再 进行差分以消除线性趋势。 二、?模型识别与建立。模型识别和模型定阶。 三、?模型的评价，并利用模型进行评价。 下面从网上搜寻数据，1949-2014?年城镇人口数(单位万人，其中有 些年份缺失数据，数据来源于中国统计年鉴)。进行处理分析 绘制序列时序图 有看来有明显增长趋势为 非平稳序列?，进行一阶差分?y=d(r): 由图得出序列?y?仍然非平稳 1. 对原序列进行二阶差分?z=d(r,2) 相关图检 验： 序列?z?为平稳序列，进行单位根检验： 拒绝有单位根的原假设，即为 平稳序列。有相关图看出为非白噪声序列。 可见均值非零；在原 序列上生成?0?均值序列在输入?x=z-28.59184 得到序列?x?为?0?均值的平稳非白噪声序列 由相关图看出自相关系数一阶截尾，考虑?MA(1)模型 Xt=εt-0.0844111εt-1 我们用拟合的有效模型进行短期预测，比如我们预预测未来?5?年的城镇人口，首先需 要扩展样本期，在命令栏输入?expand?1?56，回车则样本序列长度就变成?56?了，且最后面 5?个变量值为空。 用动态预测如上下图， 预测值存放在?XF?序列中，此时我们可以观察原序列?x?和?xf?之间的动态关系， 动态预测值几乎是一条直线。输入?d(x,2) c ma(1) 对原序列进行动态预测， 打开?xf?得到?5?个预测值 52?到?56?如下图