2023年时间序列实验报告.docx

第三章 平稳时间序列分析 选择合适的模型拟合1950-我国邮路及农村投递线路每年新增里程数序列，见表1： 表1 1950-我国邮路及农村投递线路每年新增里程数序列 单位：万公里 年份 新增里程 年份 新增里程 年份 新增里程 1950 15.71 1970 26.39 1990 6.76 1951 24.43 1971 31.09 1991 -0.83 1952 18.23 1972 19.78 1992 4.67 1953 22.50 1973 2.56 1993 11.68 1954 12.53 1974 12.95 1994 0.82 1955 9.94 1975 15.54 1995 8.54 1956 7.19 1976 3.97 1996 24.51 1957 41.13 1977 2.42 1997 28.91 1958 79.03 1978 0.31 1998 44.94 1959 119.32 1979 -5.10 1999 11.16 1960 -12.10 1980 -7.52 11.08 1961 -89.71 1981 -7.69 15.75 1962 -52.26 1982 1.61 -0.31 1963 20.01 1983 4.46 20.99 1964 19.92 1984 10.97 6.50 1965 42.81 1985 15.15 10.45 1966 18.78 1986 6.00 -3.51 1967 -0.75 1987 -0.90 23.42 1968 -1.08 1988 -3.22 17.99 1969 5.09 1989 -8.54 一、时间序列预处理 （一）时间序列平稳性检查 1.时序图检查 （1）工作文献的创立。打开EViews6.0软件，在主菜单中选择 File/New/Workfile, 在弹出的对话框中，在Workfile structure type中选择Dated-regular frequency（时间序列数据），在Date specification下的Frequency中选择Annual(年度数)，在Start date中输入“1950”（表达起始年份为1950年），在End date中输入“”（表达样本数据的结束年份为），然后单击“OK”，完毕工作文献的创立。 （2）样本数据的录入。选择菜单中的Quick/Empty group(Edit Series)命令，在弹出的Group对话框中，直接将数据录入，并分别命名为year（表达年份），X（表达新增里程数）。 （3）时序图。选择菜单中的Quick/graph…，在弹出的Series List中输入“year x”,然后单击“确定”，在Graph Options中的Specifi中选择“XYLine”,然后按“确定”，出现时序图，如图1所示： 图1 我国邮路及农村投递线路每年新增里程数序列时序图 从图1中可以看出，该序列一直在一种常数值附近随机波动，并且波动的范围有界，因而可以初步认定序列是平稳的。为了深入确认序列的平稳性，还需要分析其自有关图。 2.自有关图检查 选择菜单中的Quick/Series Statistics/Correlogram...,在Series Name中输入x（表达作x序列的自有关图），点击OK，在Correlogram Specification中的Correlogram of 中选择Level，在Lags to include中输入24，点击OK，得到图2： 图2 我国邮路及农村投递线路每年新增里程数序列自有关图和偏自有关图 从图2可以看出，序列的自有关系数一直都比较小，除滞后1阶和3阶的自有关系数落在2倍原则差范围以外，其他一直控制在2倍的原则差范围以内，可以认为该序列自始至终都在零轴附近波动，因而认定序列是平稳的。 时间序列纯随机性检查 由于平稳序列一般具有短期有关性，这里构造延迟6期和12期的Q记录量，如表2： 表2 序列白噪声检查成果表 延迟阶数 Q记录量的值 P值 6 37.754 0.000 12 44.620 0.000 由表2可知，在各延迟阶数下Q检查记录量的P值都非常小（0.0001），因此可以以很大的把握（置信水平99.999%）断定我国邮路及农村投递线路每年新增里程数序列属于非白噪声序列。从而可以对这个平稳非白噪声序列进行深入分析建模及预测。 模型识别 从图2可以看出，序列的自有关图显示除了1-3阶的自有关系数在2倍原