SC6-时间序列_(货量)_(日期).docxVIP

分析流程

数据源：

附件1(5).xlsx

算法配置：

算法：时间序列分析ARIMA

分析结果：

暂无数据

分析步骤

1.ARIMA模型要求序列满足平稳性，查看ADF检验结果，根据分析t值，分析其是否可以显著性地拒绝序列不平稳的假设(P0.05)。

2.查看差分前后数据对比图，判断是否平稳（上下波动幅度不大），同时对时间序列进行偏（自相关分析），根据截尾情况估算其p、q值。

3.ARIMA模型要求模型具备纯随机性，即模型残差为白噪声，查看模型检验表，根据Q统计量的P值(P0.05)对模型白噪声进行检验，也可以结合信息准则AIC和BIC值进行分析（越低越好），也可以通过模型残差ACF/PACF图进行分析根据模型参数表，得出模型公式结合时间序列分析图进行综合分析，得到向后预测的阶数结果。

Tips：采用ARIMA模型预测时序数据，必须是稳定的，如果不稳定的数据，是无法捕捉到规律的。比如股票数据用ARIMA无法预测的原因就是股票数据是非稳定的，常常受政策和新闻的影响而波动，可以使用ADF检验，该检验用于稳定性检验，使用差分分析对数据进行稳定性处理。

详细结论

输出结果1：ADF检验表

ADF检验表

变量

差分阶数

t

P

AIC

临界值

1%

5%

10%

货量

0

-1.821

0.370

2146.884

-3.491

-2.888

-2.581

1

-3.79