电脑桌面
添加小米粒文库到电脑桌面
安装后可以在桌面快捷访问

时间序列上机实验ARIMA模型的建立(季节乘积模型)

时间序列上机实验ARIMA模型的建立(季节乘积模型)_第1页
1/14
时间序列上机实验ARIMA模型的建立(季节乘积模型)_第2页
2/14
时间序列上机实验ARIMA模型的建立(季节乘积模型)_第3页
3/14
实 验 二 ARIMA 模 型 的 建 立 一 、 实 验 目 的 熟 悉 ARIMA 模 型 , 掌 握 利 用 ARIMA 模 型 建 模 过 程 , 学 会 利 用 自 相 关 系 数 和 偏自 相 关 系 数 对 ARIMA 模 型 进 行 识 别 ,利 用 最 小 二 乘 法 等 方 法 对 ARIMA 模 型 进 行 估计 , 利 用 信 息 准 则 对 估 计 的 ARIMA 模 型 进 行 诊 断 , 以 及 学 会 利 用 ARIMA 模 型 进 行预 测 。 掌 握 在 实 证 研 究 如 何 运 用 Eviews 软 件 进 行 ARIMA 模 型 的 识 别 、 诊 断 、 估计 和 预 测 。 二 、 基 本 概 念 ARIMA 模 型 , 即 将 非 平 稳 时 间 序 列 转 化 为 平 稳 时 间 序 列 , 然 后 将 平 稳 的 时 间序 列 建 立ARMA 模 型 。 ARIMA 模 型 根 据 原 序 列 是 否 平 稳 以 及 回 归 中 所 含 部 分 的 不同 , 包 括 移 动 平 均 过 程 ( MA)、 自 回 归 过 程 ( AR)、 自 回 归 移 动 平 均 过 程 ( ARMA)以 及 ARIMA 过 程 。 在 ARIMA 模 型 的 识 别 过 程 中 , 主 要 用 到 两 个 工 具 : 自 相 关 函 数 ACF, 偏 自 相关 函 数PACF 以 及 它 们 各 自 的 相 关 图 。 对 于 一 个 序 列  tX而 言 , 它 的 第j 阶 自 相关 系 数j 为 它 的j 阶 自 协 方 差 除 以 方 差 , 即j =j0  , 它 是 关 于 滞 后 期j 的函 数 , 因 此 我 们 也称之为 自 相 关 函 数 , 通常记ACF( j )。 偏 自 相 关 函 数 PACF( j )度量了消除 中 间 滞 后 项影响后 两 滞 后 变量之间 的 相 关 关 系 。 三、 实 验 内容 ( 1) 根 据 时 序 图 的 形状, 采用 相 应的 方 法 把非 平 稳 序 列 平 稳 化 ; ( 2)对 经过 平 稳 化 后 的 2000 年1 月到 2011 年10 月美国的 失业率数 据 建 立 ARIMA(, ,p d q ) 模 型 , 并利 用 此 模 型 进 行 失业率的 预 测 。 四、 实 验 要 求: 了解ARIMA 模 型 的 特点和 建 模 过 程 , 了解AR, MA 和 ARIMA 模 ...

1、当您付费下载文档后,您只拥有了使用权限,并不意味着购买了版权,文档只能用于自身使用,不得用于其他商业用途(如 [转卖]进行直接盈利或[编辑后售卖]进行间接盈利)。
2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。
3、如文档内容存在违规,或者侵犯商业秘密、侵犯著作权等,请点击“违规举报”。

碎片内容

时间序列上机实验ARIMA模型的建立(季节乘积模型)

确认删除?
VIP
微信客服
  • 扫码咨询
会员Q群
  • 会员专属群点击这里加入QQ群
客服邮箱
回到顶部