arima模型概念及構造(編輯修改稿)
2025-07-22 06:01 本頁面
【文章內(nèi)容簡介】 w”—“Correlogram”菜單，會彈出如圖5－1所示的窗口，圖5－1 自相關形式設定我們選擇滯后項數(shù)為36，然后點擊“OK”，就得到了W2的自相關函數(shù)圖和偏自相關函數(shù)圖，如圖5－2所示。圖5－2 W2自相關函數(shù)圖和偏自相關函數(shù)圖從W2的自相關函數(shù)圖和偏自相關函數(shù)圖中我們可以看到，他們都是拖尾的，因此可設定為ARMA過程。W2的自相關函數(shù)15階都是顯著的，并且從第6階開始下降很大，數(shù)值也不太顯著，因此我們先設定q值為5。W2的偏自相關函數(shù)12階都很顯著，并且從第3階開始下降很大，因此我們先設定 p的值為2，于是對于序列W2，我們初步建立了ARMA(2,5)模型。模型的估計點擊“Quick”－“Estimate Equation”，會彈出如圖5－3所示的窗口，在“Equation Specification”空白欄中鍵入“ W2 C MA(1) MA(2) MA(3) MA(4) MA(5) AR(1) AR(2)”，在“Estimation Settings”中選擇“LSLeast Squares(NLS and ARMA)”，然后“OK”，得到如圖5－4所示的估計結果。 圖5－3 回歸方程設定圖5－4 ARMA(2,5)回歸結果可以看到，除常數(shù)項外，其它解釋變量的系數(shù)估計值在15%的顯著性水平下都是顯著的。模型的診斷
語文相關推薦
鄂ICP備17016276號-1