季节ARIMA模型建模与预测.pdfVIP

案例五、季节ARIMA模型建模与预测实验指导 一、实验目的 学会识别时间序列的季节变动，能看出其季节波动趋势。学会剔除季节因素的方法， 了解ARIMA模型的特点和建模过程，掌握利用最小二乘法等方法对ARIMA模型进行估计， 利用信息准则对估计的ARIMA模型进行诊断，以及如何利用ARIMA模型进行预测。掌握在 实证研究如何运用Eviews软件进行ARIMA模型的识别、诊断、估计和预测。 二、基本概念 季节变动：客观社会经济现象受季节影响，在一年内有规律的季节更替现象，其周期为 一年四个季度或12个月份。 季节 ARIMA 模型是指将受季节影响的非平稳时间序列通过消除季节影响转化为平稳时 间序列，然后将平稳时间序列建立ARMA 模型。ARIMA 模型根据原序列是否平稳以及回归 中所含部分的不同，包括移动平均过程（MA）、自回归过程（AR）、自回归移动平均过程 （ARMA）以及ARIMA过程。 三、实验内容及要求 1、实验内容： （1）根据时序图的形状，采用相应的方法把周期性的非平稳序列平稳化； （2）对经过平稳化后的桂林市1999年到2006 的季度旅游总收入序列运用经典B-J方法论 建立合适的ARIMA （p,d,q）模型，并能够利用此模型进行未来旅游总收入的短期预测。 2、实验要求：