时间序列课程设计(一)

课程设计报告课程名称 时间序列分析专业 统计学 班 级 学 号 姓 名 指导教师 2012年12月17日课程设计任务书课程名称 时间序列分析课题 销售额的领先指标分析专业班级 学生姓名 学 号 指导老师 审 批 任务书下达日期2011年12月17日

任务完成日期2011年12月28日目录-：课程设计准备 2安装Eviews6.0 2数据分析与输入-：平稳时间序列模型的建立数据的平稳性检查对数据进行平稳化零均值化数据数据基本处理与模型定阶TOC\o"1-5"\h\z\o"CurrentDocument"模型求解估计及适应性检验 5\o"CurrentDocument"三：模型分析与总结 6四：参考文献 6五：评分表 7六：附录表 8课程设计准备（1） 安装Eviews6.0准备Eviews6.0安装包，解压文件，注册，运行Eviews,exe,进入到Eviews6.0界面。（2） 数据分析与输入销售额的领先指标是指能够对销售额趋势进行先瞻性预测的指标，指标的变化反过来乂影响销售额的预测与对销售的规划。本次设计提供了150个销售额的指标数据更加详细具体的说明了销售额趋势的变化，能让我们更好的利用时间序列的方法进行销售额的发展趋势。数据输入，在file菜单下建立新的工作文件workfile,打开import中的readexcle选择销售额领先指标数据，命名为x,确定。-：平稳时间序列模型的建立（1）数据的平稳性检查1.打开数据x,选择gragh,确定，x的时间序列图：如下2.做x的相关图，打开correlograp,选择level,输入30,确定。X的相关图如下0.95309530.9530953138.890.0000.9340.283273.200.0000.9100.029401.620.0000.8880.011524.870.0000.861-0.063641.550.0000.8410033753.640.0000.816•0.034859.850.0000.7950.005961.250.0000.761-0.1401054.80.000Date:11/21/12Time:16:58Sample:1150Includedobservations:150ACPACQ-StatProbAutocorrelationPartialCorrelationACPACQ-StatProb图二：X的相关图根据以上两图和AC、PAC从中可以看出X不平稳。(2)对数据进行平稳化1.根据上边的结论X不是平稳序列，为了建立模型要对数据进行平稳化，对数据进行一阶差分，选择genr,在Enterequation输入genry=d(x,1),确定得出序列y，做V的时间序列图。根据图三可以得出y是一个较平稳的时间序列零均值化数据对y这个时间序列，计算样本均值，要y的每一个值减去y的均值m,得到一个新的平稳时间序列z,即：scalarm=@mean(y)>genrz=y-mo数据基本处理与模型定阶L做z的相关图

Date:11/21/12Time:16:57Sample:1150Includedobservations:149AutocorrelationPartialCorrelationACPACQ-StatProbI匚Iirii[I匚Iirii[i>[|匚—□■—□—□llgl□1!!nJTJ一一TJnJ^1!□!□1—I[Ill[l[匚I[Ifl1•0.455-0.45531.4120.00020.125-0.10333.7900.0003-0.118-0.130359180.00040.1560.074396780.0005-0.107-0.00141.4500.00060.0830.04342.5440.0007-0.077-0.01543.4820.00080.1210.08445.8010.0009-0.0590.05446.3590.00010-0.121-0.17848.7210.000110.1720.07553.5440.00012-0.0560.03854.0630.000130.0180.01554.1160.000图四：Z的相关图选择模型与定阶，根据AIC准则来判断ARMA中p和q的大小从而确定模型，偏相关系数PartialCorrelation很快趋于0所以取p为1或2,自相关系数Autocorrelation前儿期显著不为0,取q为1到4,计算AIC如下表表一：ARMA与AIC表ARMA(p,q)(1,1)(1,2)(1,3)(1,4)(2,1)(2,2)(2,3)(2,4)AIC0.3150.3070.3210.3230.3280.3210.2890.295根据表格看，ARMA(p,q)取(1,1)时，AIC最小同时，对ARMA(2,3)进行残差自相关函数与偏自相关函数分析，看是否满足白噪声过程，结果如图CorrelogramofResidualsDate:11/21/12Time:21:4-3Sample:3149Includedobservations:14-7Q-statisticprobabilitiesadjustedfor5ARMAterm(s)AutocorrelationPartialCorrelationACPACQ-StatProb1iIi1-0.038-0.0380.2131-]|iJi20.0480.0460.55571>iIi30.0350.0380.7402-]|ii40.0630.0631.33991>i1i50.0330.0351.5088-1ii60.018O.OU1.56110.212-1ii70.001-0.0061.56120.4581iJ'80.0980.0913.07640.3801illi9-0.089-0.0884.34530.3611i[i10-0.069-0.0905.11430.402-□1i□i110.1190.1167.38030.287-1ii120.0060.0177.38550.390图五：ARMA(2,3)相关图由图五可知，残差对应的自相关函数与偏自相关函数均在置信区间内，故称该残差为白噪声过程，从而检验通过。模型求解估计及适应性检验1.模型为K=-1.68X1-0.88X7+at-1.26at_i-0.17at_2+0.45at_32.正态性检验Series:ResidualsSample3149Series:ResidualsSample3149Observations147Mean0.000746Median0.010848Maximum0.732694Minimum-0.731421Std.Dev.0.271180Skewness0.040396Kurtosis2.855014Jarque-Bera0.168733Probability0.919094可以看出Jarque-Bera为0.168733值较小而Probability为0.919094较大，服通过正态性检验，其acf,pacf,Q统计量如下图ACPACQ-Stat23456789-0.0380.0480.0350.06323456789-0.0380.0480.0350.0630.0330.0180.0010.098-0.0380.0460.0380.0630.0350.014-0.0060.0910.21310.5557074021.33991.50881.56111.56123.0764-0.089-0.0884.34535.11435.11437.38037.3855-0.069-0.0900.1190.1160.0060.017图六四：模型分析与总结本次课程设计是对销售额的领先指标数据这一时间序列进行分析，对数据进行平稳化，再进行零均值化，确定模型为ARMA(2,3),检验模型的可行性，通过模型预测可以得到预测的数据与平稳化的数据进行比较，相差很小，从而更加证明模型的可行性。而且可以对销售额趋势进行先瞻性预测，有利于运用此数据的人员更好的制定销售目标与策略。通过学习时间序列分析这门课程，可以知道此门课程的儿点重要用途1.时间序列可以描述现象在具体的时间条件下的发展状况和结果。2.利用时间序列资料可进行各种动态对比分析，研究现象发展变化的方向和程度。3.利用时间序列，可以分析现象的发展变化趋势及其规律，比如事物发展的长期趋势、季节变动规律等。4.利用时间序列，根据对现象发展变化趋势与规律的分析，可以进行动态预测。而且学习本课程增强了自己对数据的分析能力，希望学到的这门知识用于以后的生活中。参考文献王振龙，《时间序列分析》，北京：中国统计出版社，2000.2高铁梅，《eviews软件基础》《领先指标》，百度名片理学院课程设计评分表课程名称：时间序列分析项 目评 价设计方案的合理性与创造性设计与分析结果设计报告书的质量课程设计周表现情况综合成绩教师签名： E1期： （注：1.此页附在课程设计报告之后；2.综合成绩按优、良、中、及格和不及格五级评定。）

obsXIobsXIobsXIobsXI110.013911.057710.8711513.39210.074011.117810.6711613.59310.324111.017911.1111713.2749.754211.228010.8811813.70510.334311.218111.2811913.20610.134411.918211.2712013.32口110.364511.698311.4412113.15810.324610.938411.5212213.30910.134710.998512.1012312.941010.264811.018611.8312413.291110.584910.848712.6212513.261210.625010.768812.4112613.081310.865110.778912.4312713.241411.205210.889012.7312813.311510.745310.499113.0112913.521610.565410.509212.7413013.021710.485511.009312.7313113.251810.775610.989412.7613213.121911.335710.619512.9213313.262010.965810.489612.6413413.112111.165910.539712.7913513.302211.706011.079813.0513613.062311.396110.619912.6913713.322411.426210.8610013.0113813.102511.946310.3410112.9013913.272611.246410.7810213.1214013.642711.596510.8010312.4714113.582810.966610.3310412.4714213.872911.406710.4410512.4914313.533011.026810.5010613.