應(yīng)用時間序列分析課程論文剖析

1、應(yīng)用時間序列分析課程論文班級：13應(yīng)用統(tǒng)計1班 學(xué)號：20133695 姓名：彭鵬學(xué)習(xí)了本學(xué)期的應(yīng)用時間序列分析課程內(nèi)容，學(xué)習(xí)了使用EVIEWS軟件對平穩(wěn)時間序列的平穩(wěn)性進(jìn)行分析，學(xué)習(xí)平穩(wěn)時間序列模型的建立、學(xué)會根據(jù)自相關(guān)系數(shù)和偏自相關(guān)系數(shù)判斷ARMA模型的階數(shù)p和q，學(xué)會利用信息準(zhǔn)則對估計的ARMA模型進(jìn)行診斷，以及掌握利用ARMA模型進(jìn)行預(yù)測。在統(tǒng)計研究中，有大量的數(shù)據(jù)是按照時間順序排列的，用數(shù)學(xué)方法來表述就是使用一組隨機序列表示隨機事件的時間序列即為Xt通常的ARMR建模過程，B-J方法具體步驟如下：一、 對時間序列進(jìn)行特性分析。從隨機性、平穩(wěn)性、季節(jié)性考慮。對于一個非平穩(wěn)時間序列，若要

2、建模首先將其平穩(wěn)化，其方法有三種：1差分，一些序列可以通過差分使其平穩(wěn)化。2季節(jié)差分，如果序列具有周期波動特點，為了消除周期波動的影響，通常引用季節(jié)差分。3函數(shù)變換與差分結(jié)合運用，某些序列如果具有某類函數(shù)趨勢，我們可以先引入某種函數(shù)變換將序列轉(zhuǎn)化為線性趨勢，然后再進(jìn)行差分以消除線性趨勢。二、 模型識別與建立。模型識別和模型定階。三、 模型的評價，并利用模型進(jìn)行評價。下面從網(wǎng)上搜尋數(shù)據(jù)，1949-2014年城鎮(zhèn)人口數(shù)(單位萬人，其中有些年份缺失數(shù)據(jù)，數(shù)據(jù)來源于中國統(tǒng)計年鑒)。進(jìn)行處理分析繪制序列時序圖 有看來有明顯增長趨勢為非平穩(wěn)序列 ，進(jìn)行一階差分 y=d(r): 由圖得出序列y仍然非平穩(wěn)1.

3、 對原序列進(jìn)行二階差分z=d(r,2) 相關(guān)圖檢驗：序列z為平穩(wěn)序列，進(jìn)行單位根檢驗： 拒絕有單位根的原假設(shè)，即為平穩(wěn)序列。有相關(guān)圖看出為非白噪聲序列。可見均值非零；在原序列上生成0均值序列在輸入x=z-28.59184 得到序列x為0均值的平穩(wěn)非白噪聲序列由相關(guān)圖看出自相關(guān)系數(shù)一階截尾，考慮MA(1)模型Xt=t-0.0844111t-1我們用擬合的有效模型進(jìn)行短期預(yù)測，比如我們預(yù)預(yù)測未來5年的城鎮(zhèn)人口，首先需要擴展樣本期，在命令欄輸入expand 1 56，回車則樣本序列長度就變成56了，且最后面5個變量值為空。用動態(tài)預(yù)測如上下圖，預(yù)測值存放在XF序列中，此時我們可以觀察原序列x和xf之間的動態(tài)關(guān)系，動態(tài)預(yù)測值幾乎是一條直線