


版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领
文档简介
1、实验五 方程法剔除确定性趋势后的 ARMA 模型建模一、实验目的掌握根据数据的变化形态,找到适宜的方法提取确定性趋势;学会验证数据的平稳性;学会根据自相关系数和偏自相关系数来初步判断 ARMA模型的阶数p和q,学会利用最小 二乘法等方法对 ARMA 模型进行估计,学会利用信息准那么对估计的 ARMA 模型进行诊断, 以及掌握利用 ARMA 模型进行预测。掌握在实证研究中如何运用 Eviews 软件进行 ARMA 模型的识别、诊断、估计和预测和相关具体操作。二、根本概念确定性趋势就是时间序列在一个比拟长的时期, 受某种或某几种确定性因素影响而表现 出的某种持续上升或持续下降的趋势。可以通过适当的
2、数学模型很好地拟合这种趋势。AR模型:AR模型也称为自回归模型。它的预测方式是通过过去的观测值和现在的干扰值的线性组合预测 , 自回归模型的数学公式为 :yt1yt 1 2 yt 2 Lpyt p t式中:p为自回归模型的阶数,i i=i,2, ,p为模型的待定系数,t为误差,y为一个平 稳时间序列。MA模型:MA模型也称为滑动平均模型。它的预测方式是通过 过去的干扰值和现在的干扰值的线性组合预测。滑动平均模型的数学公式为:ytt 1 t 1 2 t 2 L q t q式中:q为模型的阶数;j j=l,2, ,q为模型的待定系数;t为误差;y为平稳时间序列。ARMA 模型: 自回归模型和滑动平
3、均模型的组合 , 便构成了用于描述平稳随机过程的自 回归滑动平均模型 ARMA, 数学公式为 :yt1yt 12yt 2 Lp yt p t 1 t 12 t 2 L q t q三、实验容及要求1 、实验容:1根据时序图的形状,采用相应的数学模型拟合趋势;2 对剔除趋势后的序列,判断其平稳性,进而运用经典B-J 方法对剔除了确定性趋势后 的19782006年国石油消费量序列 ex建立适宜的ARMA p,q模型,并能够利用此模型 进行 2007 年石油需求的预测。2、实验要求:1深刻理解确定性趋势和残差平稳性的要求以及ARMA 模型的建模思想; 2如何通过观察自相关,偏自相关系数及其图形,利用最
4、小二乘法,以及信息准那么建立 适宜的 ARMA 模型;如何利用 ARMA 模型进行预测; 3熟练掌握相关 Eviews 操作,读懂模型参数估计结果。四、实验指导1、模型识别(1 )数据录入翻开 Eviews 软件,选择"File菜单中的 “NevWorkfile 选项,在 “Workfile structure type 栏选择 “Dated - regular frequency 在 “Date specification 栏中分别选择“Annual"年数据),分别在起始年输入 1978,终止年输入2006,点击ok,见图4-1,这样就建立了一个工作文 件。点击File/
5、lmport,找到相应的Excel数据集,导入即可。图4-1建立工作文件窗口(2)时序图判断平稳性双击序列cx,点击View/Graph/line,见图4-2,就可绘制时序图见图4-3:图4-2CX图4-3 ex时序图从时序图看出序列呈现上升趋势,显然不平稳,进一步通过点击view/unit root test出现对话框图4-4,选择带趋势项和常数项的ADF检验:,检验结果见图 4-5,从检验统计量看出序ex显著接受存在一个单位根的原假设,说明原始序列不平稳。图4-4Augninld Dickey-Fiillr >Unil Root Test an CXFJull Hypothesis
6、CX has a unil root EKOgenous Constant Linear Tre ndLeg Lensthi 0based on SIC MAX LAG =4!t StatisticProb 4Annmntd Dirfcv-Fnll&r test statistic-0 047BG80 9933Test criti-izal values1% level-d 3239795% l&v&l-3.580623110% level-3-225334"MacKinilnn (i 919(3) one-siidfedl p*v»lues图4-5
7、3用数学模型提取趋势通常做法是通过差分比方一阶差分,二阶差分甚至更高阶差分来消除趋势,但差分会丢 失原始数据的信息,这里考虑对原始数据直接处理。因为是年度数据,无需考虑季节因素, 因为数据在上升的过程中,曲线的斜率越来越大,可以考虑关于时间的二次曲线来拟合。因此第一步,建立时间序列 t,以1978年为1,1979年为时间2,依次类推,得到时间序列t。在主窗口命令栏里输入ls cx c t tA2,见图4-6,即是做二次曲线,曲线拟合的结果见图4-7 :EVI*F+a Edit Dbjsct: VieA1 Proc Quick Cptiont WindowIs cx c 11喝图4-6epend
8、frnt Variable. CXMethod Least SquaresDatfr: 12/04/03 lime: 11:31Sample: 1978 200BIncluded2SVariableCoefficientStd Errort-StatisticProb9532.045445.504221,396090.0000-394 16455S 45149-5 7583040 00 ooT-242.611732.214111 1S 245530 MOOR-squared0.992021Mean dependent .ai16190.04Ad uated R-squar&d0 991
9、3968 dep>entleiit var3033 734S E of regression745 1857Akaike info criterion16 16234Suri squared resid14437B45Schvarz 匚riterion16 30429Log likelihood-231.3612F-statistic1614.173Durb-in-Watson 51 at1.033007Pro b(F-statistic)0 000000图4-7二次曲线拟合图从图4-7可以看出来,R2高达0.992 ,各参数也是高度显著的,现在来看残差,命名残差 resid为xt,对残
10、差xt按图4-4做不带趋势和常数项的ADF检验,结果见图4-8。从检验结果来看,残差序列 xt在显著性水平0.01下仍然显著拒绝存在单位根的原假设,所以认为残 差是平稳的,可以对其建立ARMA模型。t-StatisticProb.*Auqimentsd Diek'/-Full&r tst statieti亡.9S26130.004GTest critical values:1% leveli 6 501455% level-1 &5338110% level-1.609790HVIacKinnon i 1996)one sided palues图4-8 残差的ADF检验
11、(4) 利用自相关系数和偏自相关系数判断ARMA模型的p和q双击残差序列xt,点击view/correlogram,出现图4-9的对话框,选择对残差序列xt本身 做相关图,且选择默认滞后阶数12,点击ok,出现图4-10,xt的自相关系数和偏自相关系数,从图上能够明显看出,自相关系数一阶截尾,偏自相关系数一阶截尾,初步认定p和q都是一阶,考虑建立 ARMA(1,1)模型。图4-9Correlogram of XTDai« 12/04/03 Time 14.56Sample 197G 2006Included observaban? 29Autocorrelation Partial
12、Correlation AC PAC Q-Stat Prob1二1 0411 0 411 5 4262 0 02011 |I I12 0 041 0 155 5 4830 0 0641n i13 i3 0.063 0 133 5 6214 0.1321 1i1匚14- -0 044 -0.152 5.6903 0.223111J 15 -0 0C4 0.113 5 6910 0.337| D11 L16 -D 047 J 1430 445| 11I17 -0.045 0 077 5.8595 0.5561 'i |13 0.027 -0.015 5.8901 0.6601 1113 0
13、 036 0 058 5 9464 0 ?45111 110 -0 020 卫 091 5 9067 0 313111111 -0.016 0.053 & 979» 0.075111 1112 -0 0C7 -0 047 5.9922 0.917图4-10残差序列xt的自相关系数和偏自相关系数2、ARMA模型的参数估计根据上面的模型识别,初步建立ARMA(1,1)模型,在主窗口命令栏里输入 Is xt ar(1) ma, 并按回车,得到图4-11的参数估计结果, 可以看岀当p和q都取1时,两个系数都不显著,ma(1) 的系数尤其不显著,因此去掉 ma(1)项,在主窗口命令栏输
14、入 Is xt ar(1),得到图4-12的AR(1) 参数估计结果。D&pendeiit Variable XT rjethod Least Squares Date 12/04.'08 Time 1= 08Sample (adjusted 1979 2005Included observations 28 after adjjstmentsConvergerrcs achieved after 13 iterationsBackcast 1973VariableCo&fficientStd Errort-StatisticProbARC4034580.3823961
15、 0550800.3011MA0.1039160 4118200 2523350 3023R-squared0,222360Mean dependent var3581970Adjusted R-squared0192451$ D dependent var730 9919S E of regression656 &966Akai<e info criterion15 S816SSurn squared resid11219342Schv.arz criterion15 97584Log li k&lihood220 3436Durbin-Watson stat1 927
16、912Inserted AR Roots40Inserted MA Roots-10图4-11ARMA(1,1)模型估计结果Dependent Variable XTMethod' Least SquaresDate 12/04/C8 Time 15 13Sample (adjusted. 1979 2006Included otnseiYaljoris 23 after adjustments Convergence achieved after 2 iterationsVariableCoefficientStd. Errort-StatisticProb.AR(1)0 481C2
17、80 1755S42 743324ft 0107R'&q uaredAdjusted R-squared S.E of regression Surn squair&d resid Log livelihood0 2179570.217957646 435411282665-220 4226Liean daaendent ;3r S D dependent var Akai<e info criterion Schvarz criterion Durbin-Watson stat3581670 7319919 15S159O15 863481 056356Inve
18、rted AR Roots.43图4-12AR(1)模型估计结果3、模型的诊断从上面估计的 ARMA(1,1)和AR(1)模型的结果来看,AR(1)模型的AIC值和SC值都小于 ARMA(1,1)模型的AIC值和SC值,我们确定 AR(1)模型要更优。来看 AR(1)模型的残差相 关图4-13,直到第7阶的p值都相当大,说明残差已经平稳,那么对提取过确定性趋势的 残差所拟合的AR(1)模型是适合的。Lorreiagram ot Kt siuDate 12;O4-03 Time 15 10Sample 1978 2006Included obsei'ations 23Aulocorrel
19、ationPartial CorrelationAG PAG Q-Stst Pnobi1i11 0.067 0 067 0.1376 0.711i U1i 112 -0 062 -0 066 0 26C2 0 876i1 1i】13 0.033 0 042 0 2970 0 961i1i14 0 002 -0 007 0 2972 0 990i1i |15 -0.026 -0.020 0.3210 0.997'i1i |16 -0 031 -0.030 0 3578 0.999i1i 017 -0 064 -a 063 0 5218 0 999i1i16 0 051 0 053 0 6
20、230 1 QOQi1 1i1 1勺 0 046 0.032 0.7211 1.000i1i110 -0 005 -0.001 0 7230 1.000111 1111 -0 005 -0 009 0 7267 1.000111 1112 叩 004 -Q 010 0 7276 1 QOQ图4-13模型残差的相关图综上,我们通过两步得到了19782006年国石油消费量序列 ex的ARMA模型如下(括号为t值),模型拟合很好,见图4-14:2ex 9532.04 394.165 t 42.612txt(21.39) (-5.76)(19.25)xt 0.482 xt 1(2.74)|Residual Actual Fitted图4-14模型拟合图4、模型的预测原来建立的工作文件样本期为1978年到2006年,我们现在要预测2007年的石油消费量,首先扩展样本期,在主菜单命令栏三里输入expand 1978 2021,此时数据就数据序列就包含了 2007和2021的样本。在方程结果输入窗口工具栏中点击“Forecast,会弹出如图415所示的窗口。此时样本期就从1978到2021 了,。在Eviews中有两种预测方式:“DynamiC' 和“Static, 者是根据所选择的一定的估计区间,进行多步向前预测;后者是只滚动的进 行向前一步预测,
温馨提示
- 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
- 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
- 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
- 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
- 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
- 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
- 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
最新文档
- 川教版信息技术三年级下册《第一单元 神奇的互联网 1 网上探秘大熊猫》教学设计
- 2025年双丙酮丙烯酰胺项目建议书
- 90后年轻干部关键岗位警示教育案例
- 2025年乙二醇丁醚项目建议书
- mh2e23n芯片工作原理
- 电势均值定理证明
- 电流和电缆横截面积计算公式
- 电控悬架系统的结构组成和工作原理
- 仓库管理制度优化建议计划
- 安防行业月度个人工作计划
- 四川2025年西南科技大学事业编制博士辅导员招聘10人笔试历年典型考点(频考版试卷)附带答案详解
- 2024-2025学年广东省深圳市南山区监测数学三年级第一学期期末学业水平测试试题含解析
- 高速公路水泥稳定基层裂缝的形成原因分析
- 《设计美学导论》课件
- (2024)重庆市公务员考试《行测》真题卷及答案解析
- 国家电网十八项重大反事故措施
- 信号检测与估计知到智慧树章节测试课后答案2024年秋哈尔滨工程大学
- 食材配送服务方案投标文件(技术方案)
- 精通版四年级下册小学英语全册单元测试卷(含听力音频文件)
- 《中华人民共和国学前教育法》专题培训
- 医院培训课件:《妊娠期糖尿病的围产期管理》
评论
0/150
提交评论