季节SARIMA模型结果解读：季节性差分的建模过程.docxVIP

季节性SARIMA模型结果解读

一、方法概述

季节性SARIMA模型（SeasonalARIMA,简称SARIMA）是ARIMA模型的扩展形式，由Box和Jenkins提出，专门用于处理具有季节性或周期性特征的时间序列数据。SARIMA模型同时包含非季节性成分(p,d,q)和季节性成分(P,D,Q)_S，其中p、d、q分别表示非季节性自回归阶数、差分阶数和移动平均阶数，P、D、Q分别表示季节性自回归阶数、季节性差分阶数和季节性移动平均阶数，S为季节周期长度。当数据呈现明显的周期性波动时，SARIMA模型能够同时捕捉数据的趋势性和季节性特征，实现更精确的拟合和预测。本研究使用SPSSAU软件进行SARIMA模型分析。

在SPSSAU【计量经济研究】模块选择【季节Sarima】，将变量拖拽至右侧对应分析框，操作如下图：

二、模型参数与构建结果

本研究通过SPSSAU自动建模功能，基于信息准则最小化原则自动识别最优模型。最终确定的模型为SARIMA(1,0,0)(2,1,0)??，即非季节性部分为AR(1)，季节性部分为SAR(2)并进行1阶季节差分，季节周期S=12（以12个月/期为一个周期）。

三、模型参数估计

表2报告了SARIMA(1,0,0)(2,1,0)??模型的参数估计结果。模型包含截距项和3个自回归参数。

截距项系数为0.290（z=1.660，p=0.097），在1