基于ARIMA模型地我国农业实际国民收入指数地研究.docxVIP

基于 ARIMA模型的我国农业实际国民收入指数的研究 ARIMA模型遵循如图 1 所示的操作流程。 获得观察值序 列 平稳性检 验 差分运算 白噪声检 验 拟合 ARMA模型 分析结果 1 建模流程 1952 年到 1988 年中国农业实际国民收入指数序列建模。 1、获得观察值序列 1952 年到 1988 年中国农业实际国民收入指数如表 1 所示。 表 1 1952 年到 1988 年中国农业实际国民收入指数序列 （以 1952 年农业国民收入总额为基数 100） 年份 农业 年份 农业 1952 100.0 1971 142.0 1953 101.6 1972 140.5 1954 103.3 1973 153.1 1955 111.5 1974 159.2 1956 116.5 1975 162.3 1957 120.1 1976 159.1 1958 120.3 1977 155.1 1959 100.6 1978 161.2 1960 83.6 1979 171.5 1961 14.7 1980 168.4 1962 88.7 1981 180.4 1963 98.9 1982 201.6 1964 111.9 1983 218.7 1965 122.9 1984 247.0 1966 131.9 1985 253.7 1967 134.2 1986 261.4 1968 131.6 1987 273.2 1969 132.2 1988 279.4 1970 139.8 2、判断序列的平稳性 该序列时序图如图 2 所示。 agric time 2 1952 年到 1988 年中国农业实际国民收入指数时序图时序图显示，该序列有显著的趋势，为典型的非平稳序列。 3、对原序列进行差分运算 因为原序列呈现出近似线性趋势， 所以选择一阶差分。 一阶差分后序列时序图如图 3 所示。 dif time 图 3 中国农业实际国民收入指数一阶差分后序列时序图 时序图显示，差分后序列在均值附近比较稳定的波动。 为了进一步确定平稳性，考察差分后序列的自相关图，如图 4 所示。 Autocorrelations Lag Covariance Correlation -1 9 8 7 6 5 4 3 2 1 0 1 2 3 4 5 6 7 8 9 1 0 78.239 167 1.000 00 ┋ ┋ ******************* ┋ 1 42.075 733 0.537 78 ┋ . ┋ *********** ┋ 2 16.246 605 0.207 65 ┋ . ┋ **** . ┋ 3 7.058 588 0.090 22 ┋ . ┋**. ┋ 4 -11.132 207 -.142 28 ┋ . *** ┋. ┋ 5 -7.917 076 -.101 19 ┋ . ** ┋. ┋ 6 -9.245 185 -.118 17 ┋ . ** ┋. ┋ 7 -11.564 313 -.147 81 ┋ . *** ┋. ┋ 8 7.108 735 0.090 86 ┋ . ┋**. ┋ 9 12.965 116 0.165 71 ┋ . ┋***. ┋ 10 -0.909 105 -.011 62 ┋ . ┋. ┋ 11 -2.455 085 -.031 38 ┋ . * ┋. ┋ 12 -3.501 852 -.044 76 ┋ . * ┋. ┋ 13 -6.583 063 -.084 14 ┋ . ** ┋. ┋ 14 -7.883 765 -.100 76 ┋ . ** ┋. ┋ 15 -4.783 310 -.061 14 ┋ . * ┋. ┋ 16 2.087 515 0.026 68 ┋ . ┋*. ┋ 17 12.894 776 0.164 81 ┋ . ┋***. ┋ 18 15.631 250 0.199 79 ┋ . ┋**** . ┋ “ . ” marks two standard errors 4 中国农业实际国民收入指数一阶差分后序列自相关图 自相关图显示序列有很强的短期相关性， 所以可以初步认为一阶差分后序列平稳。 4、对平稳的一阶差分序列进行白噪声检验 白噪声检验结果如表 2 所示。 2 一阶差分后序列白噪声检验 延迟阶数 χ 2统计量 P 值 6 15.33 0.017 8 12 18.33 0.106 0 18 24.66 0.134 4 在检验的显著性水平 0.05 的条件下，由于延迟 6 阶的 χ2检验统计量的 P 值为 0.017 8，小于 0.05 ，所以该差分后序列不能视为白噪声序列，即差分后序列还蕴涵着不容忽视的相关信息可提取。 5、对平稳非白噪声差分序列拟合 ARMA模