全国邮电业务总量时间序列报告

1、关于全国邮电业务总量的时间序列分析报告一、数据来源、背景报告所需数据来源于国家统计局网上数据库。选取了2002年1月至2006年12月全国邮电业务总量数据。邮电业务总量是指以价值量形式表现的邮电通信企业为社会提供各类邮电通信服务的总数量。邮电业务量按专业分类包括函件、包件、汇票、报刊发行、邮政快件、特快专递、邮政储蓄、集邮、公众电报、用户电报、传真、长途电话、出租电路、市话无线寻呼、移动电话、分组交换数据通信、出租代维等。计算方法为各类产品乘以相应的平均单价（不变价）之和，再加上出租电路和设备、代用户维护电话交换机和线路等的服务收入。它综合反映了一定时期邮电业务发展的总成果，是研究邮电业务量构

2、成和发展趋势的重要指标。二、数据处理1将原始数据转化为时间序列数据200220032004200520062007Time0200220032004200520062007Time左图显示数据具有线性关系，不具有周期性2进行一阶差分，消除数据线性趋势右图为消除线性趋势后的时序图ADF检验结果：AugmentedDickey-FullerTestdata:diDickey-Fuller=-5.3792,Lagorder=3,p-value=0.01alternativehypothesis:stationary白噪声检验结果：Box-Piercetestdata:diX-squared=26.4

3、775,df=12,p-value=0.009181由图像可初步判断是平稳序列，再进行ADF检验和白噪声检验，ADF检验结果显示P值小于0.05，BOX检验结果显示P值小于0.05，由此可以判断此时数据是平稳非白噪声的。3.绘制ACF和PACF图SeriesdiLagSeriesdi0.20.40.60.81.01.21.4由图型将p,q的最大值定为2Lag二、模型建立1.ARMA模型建立对所有组合进行拟合女口ARMA(1,0)Model:ARMA(1,0)Residuals:Min1QMedian3QMaxCoefficient(s):Estimatear1-0.3736intercept2

4、3.8103-92.373-16.147-5.82715.979114.898Std.ErrortvaluePr(|t|)0.1208-3.0930.00198*4.71715.0484.47e-07*Signif.codes:0*0.001*0.01*0.05.0.11Fit:sigmaA2estimatedas1073,ConditionalSum-of-Squares=61152.39,AIC=583.14Box-Piercetestdata:d1.arma$residualsX-squared=25.0611,df=12,p-value=0.01454由于残差项的BOX检验的P值小于0

5、.05,所以残差序列不属于白噪声序列,因此模型不是显著有效的。其余通过检验的模型结果如下：ARMA(2,0)ConditionalSum-of-Squares=53568.94,AIC=578.37ARMA(0,1)ConditionalSum-of-Squares=54664.88,AIC=576.52ARMA(1,2)ConditionalSum-of-Squares=52950.71,AIC=577.69经过对AIC值的比较，最终选定一个MA（1）模型。再对MA（1）模型的残差项进行异方差检验，以确保其为白噪声序列。200220032004200520062007Time20022003

6、2004200520062007nwunwonHHWOnMunxqcon从上面的残差图和残差平方图可以看出该MA模型存在异方差。2.GARCH模型建立GARCHModellingCall:garchFit(formula=arma(0,1)+garch(1,0),data=a2)MeanandVarianeeEquation:dataarma(0,1)+garch(1,0)venvironment:0 x0c98cd38data=a2ConditionalDistribution:normCoefficient(s):muma1omegaalpha1595.091880.819794602.3

7、05890.97102Std.Errors:basedonHessianErrorAnalysis:EstimateStd.ErrortvaluePr(|t|)Timemu5.951e+027.836e+017.5943.11e-14*ma18.198e-016.271e-0213.0722e-16*omega4.602e+033.224e+031.4280.153383alpha19.710e-012.821e-013.4430.000576*Signif.codes:0*0.001*0.01*0.05LogLikelihood:-386.9804normalized:-6.4496730.

8、1Description:ThuJun1422:04:102012byuser:yyyStandardisedResidualsTests:2aTime102030405060Statisticp-ValueJarque-BeraTestRChiA216.373820.0002782724Shapiro-WilkTestRW0.9277680.00159895Ljung-BoxTestRQ(10)206.61070Ljung-BoxTestRQ(225.38170Ljung-BoxTestRQ(20)226.45070Ljung-BoxTestRA2Q(10)19.626450.03299055Ljung-BoxTestRA2Q(32.15790.006126877Ljung-BoxTestRA2Q(20)38.378760.007957673LMArchTestRTRA222.430560.03296819formationCriterionStatistics:AICBICSICHQIC13.0326813.1723013.0245113.08729根据上面的输出结果可以发现omega参数没有通过显著性检验，但在进行剔除该参数的实际操作中总是出现错误，所以不得不放弃GARCH模