基于arma模型的我國gdp時間序列分析與預(yù)測-預(yù)覽頁
【正文】 說，在研究的時間范圍內(nèi)研究對象受到的影響因素必須基本相同。q)模型進行擬合。（5）模型優(yōu)化。數(shù)據(jù)的預(yù)處理本文選取了我國19522011年的GDP數(shù)據(jù)作為時間序列觀察值。1由于GDP帶有很強的趨勢成分,然后建立ARMA模型。Analysis實踐中，我們會根據(jù)序列的不同特點選擇合適的差分方式，常見情況有以下三種；（1）序列蘊含著顯著的線性趨勢，一階差分就可以實現(xiàn)趨勢平穩(wěn)。但應(yīng)當注意的是，差分運算的階數(shù)并不是越多越好。Hypothesis:unitTestStatisticTestlevelDLOGGDP.4.3.2.1.055 60 65 70 75 80 85 90 95 00 05 10圖3目前最常用的平穩(wěn)性統(tǒng)計檢驗方法是單位根檢驗（unit這個過程實際上就是要根217。和移動平均階數(shù)ARMA(p,q)模型選擇原則利用Eviews統(tǒng)計軟件對差分數(shù)據(jù)進行操作，可得樣本自相關(guān)系數(shù)和偏相關(guān)系數(shù)圖如圖5所示：5圖5第二種，自相關(guān)二階截尾，而偏相關(guān)系數(shù)為一階截尾。對于一個非中心化ARMA（p,q）模型，有xt(B)FP(0,de=qP1L+個未知參數(shù)：6f1,L,(f,q 1Lq qb 247。q 1eL=230。2230。b 247。e t2(xtf ptq 248。 248。使用Eviews統(tǒng)計軟件操作可得序列兩種可能的參數(shù)估計圖如圖6﹑7所示：圖6（1,2）；而AIC和SC值分別圖7結(jié)果表明,的參數(shù)估計值具有統(tǒng)計意義。=++如果某個參數(shù)不顯著，即表示該參數(shù)所對應(yīng)的那個自變量對因變量的影響不明顯，該自變量就可以從擬合模型中刪除。表明模型參數(shù)顯著。一個好的擬合模型應(yīng)該能夠提取觀察值序列中幾乎所有的樣本相關(guān)信息，換言之，擬合殘差項中將不再蘊含任何相關(guān)信息，即殘差序列應(yīng)該為白噪聲序列。檢驗結(jié)果如圖8所示：圖8預(yù)測序列走勢由預(yù)測方程及其條件方程：detx%dloggdp模型預(yù)測問題,預(yù)測時不必考慮其他因素的影響,實際上這也是ARMA并且利用模型預(yù)測了較為準確的短期兩年預(yù)測值。:中國人民大學(xué)出版社.[4]][M].清華大學(xué)出版社.[7]Series1
試題試卷相關(guān)推薦
鄂ICP備17016276號-1