应用时间序列分析课程论文.pdfVIP

应用时间序列分析课程论文

班级：13应用统计1班学号：彭鹏

学习了本学期的应用时间序列分析课程内容，学习了使用EVIEWS软

件对平稳时间序列的平稳性进行分析，学习平稳时间序列模型的建

立、学会根据自相关系数和偏自相关系数判断ARMA模型的阶数p

和q，学会利用信息准则对估计的ARMA模型进行诊断，以及掌握

利用ARMA模型进行预测。

在统计研究中，有大量的数据是按照时间顺序排列的，用数学方法来

表述就是使用一组随机序列表示随机事件的时间序列即为{Xt}

通常的ARMR建模过程，B-J方法具体步骤如下：

一、对时间序列进行特性分析。从随机性、平稳性、季节性考虑。

对于一个非平稳时间序列，假设要建模首先将其平稳化，其方

法有三种：

1差分，一些序列可以通过差分使其平稳化。

2季节差分，如果序列具有周期波动特点，为了消除周期波动

的影响，通常引用季节差分。

3函数变换与差分结合运用，某些序列如果具有某类函数趋势，

我们可以先引入某种函数变换将序列转化为线性趋势，然后再

进行差分以消除线性趋势。

二、模型识别与建立。模型识别和模型定阶。

三、模型的评价，并利用模型进行评价。

下面从网上搜寻数据，1949-2014年城镇人口数(单位万人，其中有些

年份缺失数据，数据来源于中国统计年鉴)。进行处理分析

绘制序列时序图有看来有明显增长趋势为

非平稳序列，进行一阶差分y=d(r):

由图得出序列y仍然非平稳

1.对原序列进行二阶差分z=d(r,2)相关图检

验：序列z为平稳序列，进行单位根检验：

拒绝有单位根的原假设，即为平

稳序列。有相关图看出为非白噪声序列。

可见均值非零；在原序

列上生成0均值序列在输入x=z-28.59184

得到序列x为0均值的平稳非白噪声序列

由相关图看出自相关系数一阶截尾，考虑MA(1)模型

Xt=εεt-1

我们用拟合的有效模型进行短期预测，比方我们预预测未来5年的城镇人口，首先需要

扩展样本期，在命令栏输入expand156，回车则样本序列长度就变成56了，且最后面5个

变量值为空。

用动态预测如上下列图，

预测值存放在XF序列中，此时我们可以观察原序列x和xf之间的动态关系，

动态预测值几乎是一条直线。输入d(x,2)cma(1)对原序列进行动态预测，

打开xf得到5个预测值52

到56如下列图