201009014119 孔維文應(yīng)用時(shí)間序列分析
-
資源ID:67749283
資源大小:5.98MB
全文頁(yè)數(shù):8頁(yè)
- 資源格式: DOC
下載積分:10積分
快捷下載

會(huì)員登錄下載
微信登錄下載
微信掃一掃登錄
友情提示
2、PDF文件下載后,可能會(huì)被瀏覽器默認(rèn)打開,此種情況可以點(diǎn)擊瀏覽器菜單,保存網(wǎng)頁(yè)到桌面,就可以正常下載了。
3、本站不支持迅雷下載,請(qǐng)使用電腦自帶的IE瀏覽器,或者360瀏覽器、谷歌瀏覽器下載即可。
4、本站資源下載后的文檔和圖紙-無(wú)水印,預(yù)覽文檔經(jīng)過(guò)壓縮,下載后原文更清晰。
5、試題試卷類文檔,如果標(biāo)題沒(méi)有明確說(shuō)明有答案則都視為沒(méi)有答案,請(qǐng)知曉。
|
201009014119 孔維文應(yīng)用時(shí)間序列分析
第四章
例4.4 我國(guó)民航客運(yùn)量數(shù)據(jù)的季節(jié)調(diào)整
圖4.4.1 航空客運(yùn)量KYL各部分波動(dòng)分解圖
由上圖4.4.1可知,該序列有兩個(gè)比較明顯的有規(guī)律的波動(dòng),趨勢(shì)和季節(jié)變動(dòng)。
由于經(jīng)過(guò)季節(jié)調(diào)整后的序列KYL_SA體現(xiàn)出明顯的非線性趨勢(shì),所以,采用二次曲線進(jìn)行擬合,并根據(jù)KYL_SA數(shù)據(jù)建??傻脠D4.4.2:
圖4.4.2 趨勢(shì)模型參數(shù)估計(jì)
第五章
例5.1 用自相關(guān)分析圖識(shí)別我過(guò)城鎮(zhèn)居民人均可支配收入的月度時(shí)間序列INC的季節(jié)性
圖5.1.1 序列l(wèi)inc折線圖
從折線圖可以看出,從1994到1998年,我過(guò)城鎮(zhèn)居民人均收入水平總體呈上升趨勢(shì),且去每月2月的觀測(cè)值都遠(yuǎn)大于相鄰月份,表現(xiàn)出明顯的季節(jié)波動(dòng),自相關(guān)分析圖如下圖5.1.2:
圖5.1.2 序列l(wèi)inc的自相關(guān)分析圖
從圖5.1.2可知,序列的自相關(guān)沒(méi)有很快趨于0,說(shuō)明序列是非平穩(wěn)的,做一階差分得下圖5
圖5.1.2一階差分的自相關(guān)圖
一階季節(jié)差分series sdlinc=dlinc-dlinc(-12)后得到的自相關(guān)圖如下圖5.1.4
圖5.1.4 季節(jié)差分后的自相關(guān)圖
可以看出k=12時(shí)的自相關(guān)系數(shù)已落入隨機(jī)區(qū)間,表明季節(jié)性已經(jīng)消除。
例5.6
1.時(shí)間序列特征分析
圖5.6.1我國(guó)工業(yè)總產(chǎn)值折線圖
圖5.6.2工業(yè)總產(chǎn)值序列自相關(guān)圖
從上圖可以發(fā)現(xiàn),序列存在明顯的增長(zhǎng)趨勢(shì),并包含周期為12個(gè)月的季節(jié)波動(dòng)
為消除趨勢(shì)同時(shí)減少序列的波動(dòng)性,對(duì)原序列做一階自然對(duì)數(shù)逐期差分
Series ilip=log(ip)-log(ip(-1))
差分后的序列的自相關(guān)與偏自相關(guān)圖如下圖5.6.3
圖5.6.3 一階差分的自相關(guān)圖
從上圖可看出,k=12時(shí),樣本的自相關(guān)系數(shù)和偏自相關(guān)系數(shù)明顯不為0,表明季節(jié)性存在,對(duì)序列做季節(jié)差分,得到心序列silip
Series silip=ilip-ilio(-12)
Silip的自相關(guān)圖如下圖5.6.4
圖5.6.4 silip的自相關(guān)圖
2. 模型識(shí)別
因?yàn)榻?jīng)過(guò)一階逐期差分,序列趨勢(shì)消除,故d=1,經(jīng)過(guò)一階季節(jié)差分,季節(jié)性基本消除,故D=1,所以選用ARIMA(p,d,q)(P,D,Q)模型,觀察序列silip序列的自相關(guān)和偏自相關(guān)圖,可知,p取2或3,q取1,由于K=12,樣本自相關(guān)和偏自相關(guān)系數(shù)都顯著不為0,所以P=Q=1.
3. 模型建立
ARMA(3,1,1)(1,1,1)12模型
圖5.6.5 模型1
ARMA(4,1,0)(1,1,1)12模型
圖5.6.6 模型2
ARMA(2,1,1)(1,1,1)12模型
圖5.6.7 模型3
ARMA(3,1,0)(1,1,1)12模型
圖5.6.8 模型4
經(jīng)計(jì)算顯示,ARIMA(2,1,1)擬合效果明顯不如其他三個(gè)模型,故不予考慮,其他是哪個(gè)模型都滿足ARMA過(guò)程的平穩(wěn)條件及可逆條件,模型設(shè)定合理,另外,殘差序列是白噪聲序列擬合效果很好,與模型1和模型2比較,模型4的AIC和SC值較小,樣本決定系數(shù)雖略遜于第二個(gè)模型,但優(yōu)于第一個(gè)模型,因此選擇模型4
5. 預(yù)測(cè)
利用 ARMA(3,1,0)(1,1,1)12模型模型對(duì)1998年工業(yè)總產(chǎn)值進(jìn)行預(yù)測(cè),預(yù)測(cè)圖如下圖5.6.9所示:
圖5.6.9預(yù)測(cè)值與實(shí)現(xiàn)觀測(cè)值對(duì)比圖