2023年时间序列实验报告.doc

实 验 报 告 课程名称 应用时间序列分析 试验项目名称 某地区各年年平均气温运用时间序列分析 姓名 李慧斌 系别班级 12信息与计算科学 组别 同组者姓名 试验时间 年 11月 至 年 12 月 指导教师 米国芳 职称 副专家 经济管理试验实训中心制 试验地点 经管中心705 软件平台 Eviews6 试验设备 计算机 试验类型 上机操作 试验目的： 随时间的推移，各年的温度在不停变化，且温度的变化从很大程度上影响着各个地区、国家的旅游、制造等行业的发展，也影响着人们的生活——目前我们通过往年的各年年平均气温变化，通过时间序列分析，对过去的年份气温进行研究，对未来的气温进行预测，从而制定有关的政策等以便于经济正常发展、人类更好的生活。 预习的基本知识点： 平稳性检查、白噪声检查、纯随机性检查、分析自有关和偏自有关图进行模型确实定和定阶、MA(1)模型检查、AR(1) 模型检查、MAAR(1) 模型检查。 试验措施、环节及内容： 试验内容： 本试验采用1949年到1998年某地区年平均气温变化数据为时间序列分析模型，通过平稳性检查、白噪声检查、纯随机性检查、分析自有关和偏自有关图进行模型确实定和定阶、MA(1)模型检查、AR(1) 模型检查、MAAR(1) 模型检查、对参数顾及预测等来研究此地区气温的变化规律。 数据如下： 年份 温度 年份 温度 年份 温度 年份 温度 1 49 38.8 1964 37.5 1979 35.9 1994 37.2 1950 35.6 1965 38.5 1980 35.1 1995 35 1951 38.3 1966 37.5 1981 38.1 1996 36 1952 39.6 1967 35.8 1982 37.3 1997 38.2 1953 37 1968 40.1 1983 37.2 1998 37.2 1954 33.4 1969 35.9 1984 36.1 1955 39.6 1970 35.3 1985 35.1 1956 34.6 1971 35.2 1986 38.5 1957 36.2 1972 39.5 1987 36.1 1958 37.6 1973 37.5 1988 38.1 1959 36.8 1974 35.8 1989 35.8 1960 38.1 1975 38.4 1990 37.5 1961 40.6 1976 35 1991 35.7 1962 37.1 1977 34.1 1992 37.5 1963 39 1978 37.5 1993 35.8 试验环节及措施： 序列预处理 平稳性检查（如不平稳，合适差分平稳化） 包括图形检查（如图所示）： 由图可知，数据平稳。 将其进行差分平稳化得到如下图所示： 为了使研究愈加精确，合适采用差分对序列在进行平稳化处理，对气温变化深入分析预测。 从而我们对数据进行一阶差分。 纯随机性检查（如是白噪声分析结束，如不是进入第二步） 在Eviews中进行白噪声检查分析，得下图： 如图可知，Prob值0.05,为非白噪声。因此，进行一下建模等有关分析、检查、优化。 建模 分析自有关和偏自有关图进行模型确实定和定阶 进行一阶差分后，得到自有关与偏自有关系数如下图所示： 由图分析可知，该模型为一阶自有关、二阶偏自有关。 估计参数 当完毕（三）所示图可得，参数估计成果为： （1-B）xt=-0.015139+εt-0.977081εt-1 检查（参数明显性检查和模型有效性检查——分别对MA(1)、AR(1)、ARMA(1) 模型进行检查） MA(1)模型检查： 如图所知，Prob值0.05，模型明显。 AR(1) 模型检查: 如图所知，Prob值0.05，模型明显。 MAAR(1) 模型检查: 如图所知，Prob值0.05，模型不明显。 第三，预测 试验结论与分析、存在的问题： 结论与分析： 通过平稳性检查，得到数据平稳。 通过纯随机性检查，由于Prob值0.05,为非白噪声。 分析自有关和偏自有关图进行模型确实定和定阶，一阶差分后可知，该模型为一阶自有关、二阶偏自有关。 分别对MA(1)、AR(1)、ARMA(1) 模型进行检查，得之检查成果分别为模型明显、模型明显、模型不明显。 对MA(1)参数估计成果为：（1-B）xt=-0.015139+εt-0.977081εt-1 存在问题及结论： 由于对某地区个年年平均气温时间序列分析，温度的