原创力文档- 1、本文档共14页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
ARIMA模型的概念和构造
函数(简称PACF)以及它们各自的相关图（即ACF、PACF相对于滞后长度描图）。对于一个序列来说，它的第j阶自相关系数(记作)定义为它的j阶自协方差除以它的方差，即＝，它是关于j的函数，因此我们也称之为自相关函数，通常记ACF(j)。偏自相关函数PACF(j)度量了消除中间滞后项影响后两滞后变量之间的相关关系。
三、实验内容及要求
1、实验内容：
根据1991年1月～2005年1月我国货币供应量（广义货币M2）的月度时间数据来说明在Eviews3.1软件中如何利用B-J方法论建立合适的ARIMA（p,d,q）模型，并利用此模型进行数据的预测。
2、实验要求：
（1）深刻理解上述基本概念；
（2）思考：如何通过观察自相关，偏自相关系数及其图形，利用最小二乘法，以及信息准则建立合适的ARIMA模型；如何利用ARIMA模型进行预测；
（3）熟练掌握相关Eviews操作。
四、实验指导
1、ARIMA模型的识别
（1）导入数据
打开Eviews软件，选择“File”菜单中的“New--Workfile”选项，出现“WorkfileRange”对话框，在“Workfilefrequency”框中选择“Monthly”，在“Startdate”和“Enddate”框中分别输入“1991:01”和“2005:01”，然后单击“OK”，选择“File”菜单中的“Import--ReadText-Lotus-Excel”选项，找到要导入的名为EX6.2.xls的Excel文档，单击“打开”出现“ExcelSpreadsheetImport”对话框并在其中输入相关数据名称(M2)，再单击“OK”完成数据导入。
（2）模型的识别
首先利用ADF检验，确定d值，判断M2序列为2阶非平稳过程（由于具体操作方法我们在第五章中予以说明，此处略），即d的值为2，将两次差分后得到的平稳序列命名为W2；下面我们来看W2的自相关、偏自相关函数图。打开W2序列，点击“View”—“Correlogram”菜单，会弹出如图5－1所示的窗口，
图5－1自相关形式设定
我们选择滞后项数为36，然后点击“OK”，就得到了W2的自相关函数图和偏自相关函数图，如图5－2所示。
图5－2W2自相关函数图和偏自相关函数图
从W2的自相关函数图和偏自相关函数图中我们可以看到，他们都是拖尾的，因此可设定为ARMA过程。W2的自相关函数1-5阶都是显著的，并且从第6阶开始下降很大，数值也不太显著，因此我们先设定q值为5。W2的偏自相关函数1-2阶都很显著，并且从第3阶开始下降很大，因此我们先设定p的值为2，于是对于序列W2，我们初步建立了ARMA(2,5)模型。
2、模型的估计
点击“Quick”－“EstimateEquation”，会弹出如图5－3所示的窗口，在“EquationSpecification”空白栏中键入“W2CMA(1)MA(2)MA(3)MA(4)MA(5)AR(1)AR(2)”，在“EstimationSettings”中选择“LS-LeastSquares(NLSandARMA)”，然后“OK”，得到如图5－4所示的估计结果。
图5－3回归方程设定
图5－4ARMA(2,5)回归结果
可以看到，除常数项外，其它解释变量的系数估计值在15%的显著性水平下都是显著的。
3、模型的诊断
点击“View”—“Residualtest”—“Correlogram-Q-statistics”，在弹出的窗口中选择滞后阶数为36，点击“Ok”，就可以得到Q统计量，此时为30.96，p值为0.367，因此不能拒绝原假设，可以认为模型较好的拟合了数据。
我们再来看是否存在一个更好的模型。我们的做法是增加模型的滞后长度，然后根据信息值来判断。表5-1是我们试验的几个p,q值的AIC信息值。
表5-1不同p,q值的AIC信息值
p
2
3
4
2
2
2
3
3
3
4
4
4
q
5
5
5
6
7
8
6
7
8
6
7
8
AIC
16.78
16.75
16.77
16.76
16.76
16.77
16.77
16.78
16.79
16.75
16.79
16.78
可以看到，根据AIC信息值，我们应选择p=3、q=5或p=4、q=6，但是按照后者建立的模型中有的解释变量的系数估计值是不显著的，而按照前者建立的模型其解释变量的系数值都是显著的（如图5－5所示），因此我们最终建立的模型是ARMA(3,5)。
图5－5ARMA(3,5)回归结果
4、模型的预测
点击“Foreca
文档评论（0）