-
案例三
ARIMA
模型的建立
一、实验目的
了解
< br>ARIMA
模型的特点和建模过程,了解
AR
,
MA
和
ARIMA
p>
模型三者之间的区别
与联系,
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
< br>ARIMA
模型,
是指将非平稳时间序列转化为平稳时间
序列,
然后将平稳的时间序
列建立
AR
MA
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
< br>)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
ACF
,
偏自相关函
数<
/p>
PACF
以及它们各自的相关图。对于一个序列
< br>?
X
t
?
而言,它的第
j
阶自相关系数
?
p>
j
为它
的
j
阶自协方差除以方差,即
?
j
=
?
j
?
0
,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、实验内容及要求
1
、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
1950
年到<
/p>
2007
年中国进出口贸易总额数据运用经典
B-J
方法论建
立合适的
ARIM
A
(
p
,
d<
/p>
,
q
)模型,并能够利用此模型进行进出
口贸易总额的预测。
2
、实验要求:
(
1
)深刻理解非平稳时间序列的概念和
< br>ARIMA
模型的建模思想;
(
2
)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
< br>模型;如何利用
ARIMA
模型进行预测;
(
3
)熟练掌握相关
p>
Eviews
操作,读懂模型参数估计结果。
四、实验指导
1
、模型识别
(
1
)数据录入
< br>打开
Eviews
软件,
选择<
/p>
“File”
菜单中的
“New
--
Workfile”
选项,
在
“
Workfile structure
type
”
栏选择“
Dated
–
regular
frequency
”
,在“
Date
specification
”栏中分别选择“
Annual<
/p>
”
(
年数
据
p>
)
,分别在起始年输入
1950
,终止年输入
2007
,点击
< br>ok
,见图
3-1
,这样就建立
了一个
工作文件。点击
File/Import
,找到相应的
Excel
数据集,导入即可。
图
3-1
建立工作文件窗口
(
2
)时序图判断平稳性
做出该
序列的时序图
3-2
,看出该序列呈指数上升趋势,直观来看,
显著非平稳。
200000
1600
00
120000
80000
4000
0
0
50
55
60
65
70
75
80
EX
85
90
95
00
05
图
3-2
中国进出口总额时序图
(
3
)原始数据的对数处理
因为数
据有指数上升趋势,
为了减小波动,
对其对数化,
在
Eviews
命令框中输入相应的
命令“
series
y=log(ex)
”就得到对数序列,其时序图见图
3-3
,对数化
后的序列远没有原始
序列波动剧烈:
14
12
10
8
6
4
2
50
55
60
65
70
75
80
Y
85
< br>90
95
00
05
图
3-3
对数进出口总额时序图
从图上仍然直
观看出序列不平稳,进一步考察其自相关图和偏自相关图
3-4
:
图
3-4
对数序列
< br>y
自相关图
从自相关系数可以看出,衰减到零的速度非常缓慢,所以断定
y
序列非平稳。为了证
实这个结论,进一步对其做
ADF
检验,结果见图
3-5
,可以看出在显著性水平
0.05
下,接
受存在一个单位根的原假设,
进一步验证了原序列不平稳。
为
了找出其非平稳的阶数,
需要
对其一阶差分序列和二阶差分序列
等进行
ADF
检验。
图
3-5
序列
y
的
ADF
检验结果
(
4
)差分次数
d
的确定
p>
y
序列显著非平稳,现对其一阶差分序列进行
ADF
检验,在图
3-6
中的对话框
中选择
“
1
st
difference
”
,检验结果见图
< br>3-7
,可以看出在显著性水平
0.05
下显著拒绝存在单位根的
原假设,说明一阶差分序列是平稳的,因此
d=1
。
图
3-6
图
3-7
一阶差分序列平稳性检验
(
5
)建立一阶差分序列
在
Eviews
对话框中输入“
series
x=y-y(-1)<
/p>
”
,并点击“回车”
,如图
3-8
,便得到了经
过一阶差分处理后的新序列
p>
x
,其时序图见图
3-9
< br>,从直观上来看,序列
x
也是平稳的,这
就可以对
x
序列进行
ARMA
模型分析了。
图
3-8