时间序列分析资料报告实验资料报告材料.doc

word 课 程 名 称：__ 时间序列分析 __实 验 项 目：__ ARMA模型 ______实 验 类 型：__ 验证型_______ ___学 生 学 号：__ 2012962016 ______学 生 姓 名：__ 艳杰 _________学 生 班 级：_ 统计学________ ___课 程 教 师：__ 英兵______ _____实 验 日 期：_______ 2014年10月13日_____1.实验目的：通过实验掌握ARMA模型的建立步骤；掌握如何分析ARMA模型；掌握ARMA模型的滞后阶数确实定；理解ARMA模型建立的前提〔1〕序列的平稳性检验〔2〕平稳化处理 〔3〕根据平稳序列的自相关函数和偏自相关函数确定模型类型 〔4〕模型阶数确定〔5〕建立模型〔6〕模型预测第一步：选取1970年到2004年的GNP，进展平稳性检验19701977198419911998197119781985199219991972197919861993200019731980198719942001197419811988199520021975198219891996200319761983199019972004将数据导入Eviews中，做序列图。

图1从上述图1可以看出，原始序列是逐渐上升的，不是平稳的，所以进展平稳化处理第二步：平稳化处理对数据进展一阶差分处理图2由一阶差分序列图中的序列是不稳定的，所以进展二阶差分图3由一阶差分序列图中的数据在0附近波动可以看出序列是稳定的第三步：根据平稳序列的自相关函数和偏自相关函数确定模型类型自相关与偏自相关都是拖尾的，MA做1或2阶，AR做1阶所以建立ARMA模型第四步：模型阶数确实定在命令窗口输入命令：ls ddy ar(1) ma(1) cVariableCoefficientStd. Errort-StatisticProb. CAR(1)MA(1)R-squared Mean dependent varAdjusted R-squared S.D. dependent varS.E. of regression Akaike info criterionSum squared resid2.37E+09 Schwarz criterionLog likelihood F-statisticDurbin-Watson stat Prob(F-statistic)Inverted AR Roots .10Inverted MA Roots .57输入命令：ls ddy ar(1) ma(1) ma(2) cVariableCoefficientStd. Errort-StatisticProb. CAR(1)MA(1)MA(2)R-squared Mean dependent varAdjusted R-squared S.D. dependent varS.E. of regression Akaike info criterionSum squared resid1.79E+09 Schwarz criterionLog likelihood F-statisticDurbin-Watson stat Prob(F-statistic)Inverted AR RootsInverted MA Roots .63根据定阶的最小信息准如此AIC准如此和SC准如此，AC和SC值相比拟来说最小，所以做AR〔1〕、MA〔2〕的ARMA〔1,2〕模型。

第五步：建立模型第六步：模型预测将y的取值进展修改点击viewActual,Fitted,Residual Actual,Fitted,Residual Graph，在上图的窗口中，选择viewResidual TestsSerial Correlation LM TestsBreusch-Godfrey Serial Correlation LM Test:F-statistic ProbabilityObs*R-squared ProbabilityTest Equation:Dependent Variable: RESIDMethod: Least SquaresDate: 10/13/14 Time: 11:42VariableCoefficientStd. Errort-StatisticProb. CAR(1)MA(1)MA(2)RESID(-1)RESID(-2)R-squared Mean dependent varAdjusted R-squared S.D. dependent varS.E. of regression Akaike info criterionSum squared resid1.19E+09 Schwarz criterionLog likelihood F-statisticDurbin-Watson stat Prob(F-statistic)因为P值都小于0.05，所以通过ARMA检验预测是可行的。

预测出2013年GDP的为，,求出2005年的原序列2004年GNP为，所以最后复原出2005年GNP为53855.417+518942.1=572797.5174.实验结果〔或心得体会〕ARMA模型的建立步骤与AR、MA模型都一样，都为：序列的平稳性检验、平稳化处理、根据平稳序列的自相关函数和偏自相关函数确定模型类型、模型阶数确定、建立模型、模型预测在进展实验预测时，通过对数据进展处理，然后适当的差分，选择适当的较低的模型阶数，可取得较为理想的预测结果在建立模型时，选择适当的模型是很重要的，所以可以根据平稳序列的自相关函数和偏自相关函数确定模型类型，然后根据定阶的最小信息准如此AIC准如此和SC准如此确定模型的阶数〔总分100分，所列分值仅供参考，以下局部打印时不可以断页〕实验容出色完成30分良好完成25分根本完成20分局部完成15分初步完成5分实验步骤精益求精30分比拟完善25分符合要求20分缺少步骤15分少重要步骤5分实验结论(心得体会)分析透彻20分分析合理17分符合要求14分结论单薄8分难圆其说4分工作态度勇于探索20分能够务实17分中规中矩14分华而不实8分态度不端正0分总 分有抄袭剽窃行为如此实验成绩记为零分，并且严重警告！！教师签字： 日期： 年 月 日注：验证性实验仅上交电子文档，设计性试验需要同时上交电子与纸质文档进展备份存档。