ARIMA模型建模(共27張PPT)

ARIMA模型建模例：對1952-1988年中國農(nóng)業(yè)實際國民收入指數(shù)序列建模日期ARIMA模型建模步驟獲得觀察值序列平穩(wěn)性檢驗差分運算YN白噪聲檢驗Y分析結(jié)束N擬合ARMA模型日期一、創(chuàng)建數(shù)據(jù)文件li5.6.wf1

二、判斷序列的平穩(wěn)性1.時序圖Plotx時序圖顯示該序列有顯著的趨勢，為典型的非平穩(wěn)序列日期2.單位根檢驗日期2.單位根檢驗日期單位根檢驗結(jié)果日期單位根檢驗結(jié)果日期單位根檢驗結(jié)果日期單位根檢驗結(jié)果日期三、平穩(wěn)化處理因為原序列呈現(xiàn)出近似線性趨勢，需要進(jìn)行一階差分，命令：genrdx=D(x)差分后序列的時序圖時序圖顯示出差分后序列在均值附近比較穩(wěn)定地波動。日期為了進(jìn)一步確定平穩(wěn)性，考察差分后序列的自相關(guān)圖

自相關(guān)圖顯示序列有很強的短期相關(guān)性日期差分后序列單位根檢驗結(jié)果日期差分后序列單位根檢驗結(jié)果日期差分后序列單位根檢驗結(jié)果日期差分后序列單位根檢驗結(jié)果日期四、平穩(wěn)的1階差分序列進(jìn)行白噪聲檢驗日期五、擬合ARMA模型偏自相關(guān)拖尾、自相關(guān)一步截尾，建立MA(1)模型，因為序列進(jìn)行了一階差分，所以實際上是ARIMA(0,1,1)模型日期注意輸入D(x)而不是差分后的數(shù)據(jù)，這樣建立的是原序列X的ARIMA模型而不僅是針對差分后序列的MA模型，預(yù)測的是X取值，不是差分后序列的取值日期參數(shù)估計結(jié)果日期六、殘差檢驗殘差為白噪聲，模型信息提取充分；模型參數(shù)顯著，模型精簡，因此建立的ARIMA（0，1，1）模型合格,模型具體情況如下式：（1-B）X=5.0156+(1-0.7082B)et日期七、預(yù)測擴(kuò)展樣本空間日期動態(tài)預(yù)測：

注意選擇要預(yù)測的序列，原序列，差分序列日期靜態(tài)預(yù)測日期將1952-1988年的靜態(tài)預(yù)測的預(yù)測值和方差復(fù)制到動態(tài)預(yù)測的相應(yīng)結(jié)果中，繪制預(yù)測序列圖

plotxfxxf+1.96*vxfxf-1.96*vxf日期練習(xí)平穩(wěn)性檢驗和非平穩(wěn)序列的平穩(wěn)化處理1.數(shù)據(jù)文件:lx4-1.wf1;lx4-2.wf1;lx4-3.wf1（1）用時序圖，相關(guān)圖，單位根檢驗判斷平穩(wěn)性；（2）對非平穩(wěn)序列用差分法實現(xiàn)平穩(wěn)。日期演講完畢，謝謝觀看！日期內(nèi)容總結(jié)ARIMA模型建模。一、創(chuàng)建數(shù)據(jù)文件li5.6.wf1

二、判斷序列的平穩(wěn)性。時序圖顯示該序列有顯著的趨勢，為典型的非平穩(wěn)序列。因為原序列呈現(xiàn)出近似線性趨勢，需要進(jìn)行一階差分，。偏自相關(guān)拖尾、自相關(guān)一步截尾，建立MA(1)模型，。因為序列進(jìn)行了一階差分，所以實際上是ARIMA(0,1,1)