ARIMA模型的识别、诊断、估计和预测(Eviews)_eviews做ARIMA(2,1)模型预测步骤 - CSDN文库

4星 · 超过85%的资源需积分: 50 68 浏览量更新于2023-07-05 评论 12 收藏 125KB DOC 举报

身份认证购VIP最低享 7 折!

领优惠券(最高得80元）

资源详情

资源评论

资源推荐

实验五 ARIMA 模型的概念和构造

一、实验目的

了解 AR，MA 以及 ARIMA 模型的特点，了解三者之间的区别联系，以及 AR 与 MA

的转换，掌握如何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

如何利用 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

所谓 ARIMA 模型，是指将非平稳时间序列转化为平稳时间序列，然后将因变量仅对

它的滞后值以及随机误差项的现值和滞后值进行回归所建立的模型。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，我们主要用到两个工具：自相关函数(简称 ACF），偏

自相关函数(简称 PACF)以及它们各自的相关图（即 ACF、PACF 相对于滞后长度描图）。

对于一个序列来说，它的第 j 阶自相关系数(记作 )定义为它的 j 阶自协方差除以它的方

差，即＝，它是关于 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、实验内容及要求

1、实验内容：

根据 1991 年 1 月～2005 年 1 月我国货币供应量（广义货币 M2）的月度时间数据来说

明在 Eviews3.1 软件中如何利用 B-J 方法论建立合适的 ARIMA（p,d,q）模型，并利用此模

型进行数据的预测。

2、实验要求：

（1）深刻理解上述基本概念；

（2）思考：如何通过观察自相关，偏自相关系数及其图形，利用最小二乘法，以及信息准

则建立合适的 ARIMA 模型；如何利用 ARIMA 模型进行预测；

（3）熟练掌握相关 Eviews 操作。

四、实验指导

1、ARIMA 模型的识别

（1）导入数据

打开 Eviews 软件，选择“File”菜单中的“New--Workfile”选项，出现“Workfile Range”对

话框，在“Workfile frequency”框中选择“Monthly”，在“Start date”和“End date”框中分别输入

“1991:01”和“2005:01”，然后单击“OK”，选择“File”菜单中的“Import--Read Text-Lotus-Excel”

选项，找到要导入的名为 EX6.2.xls 的 Excel 文档，单击“打开” 出现“ Excel Spreadsheet

Import”对话框并在其中输入相关数据名称(M2)，再单击“OK”完成数据导入。

（2）模型的识别

首先利用 ADF 检验，确定 d 值，判断 M2 序列为 2 阶非平稳过程（由于具体操作方法我

们在第五章中予以说明，此处略），即 d 的值为 2，将两次差分后得到的平稳序列命名为

W2 ；下面我们来看 W2 的自相关、偏自相关函数图。打开 W2 序列，点击

“View”—“Correlogram”菜单，会弹出如图 5－1 所示的窗口，

 

t

Y

j



本内容试读结束，登录后可阅读更多

下载后可阅读完整内容，剩余5页未读，立即下载

评论4

qq_39830209

2017-08-13

根本没说怎么预测

super100

粉丝: 36
资源: 46

会员权益专享

图片转文字

全年可省5，000元立即开通

最新资源

资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！点击此处反馈