基于arma模型的我國gdp時間序列分析與預測(編輯修改稿)
2025-07-23 13:58 本頁面
【文章內(nèi)容簡介】 atisticTestCriticalValues1%level5%level10%levelDLOGGDP.4.3.2.1.055 60 65 70 75 80 85 90 95 00 05 10圖3一階差分后對數(shù)GDP時序圖從圖（3）可以觀察得出，序列大致趨于平穩(wěn)。為了進一步檢驗序列是否真正平穩(wěn)，在此使用Eviews統(tǒng)計軟件對已轉(zhuǎn)換進行平穩(wěn)性檢驗。對時間序列的平穩(wěn)性有兩種檢驗方法，一種是根據(jù)時序圖和自相關圖顯示的特征作出判斷的圖檢驗方法；一種是構(gòu)造檢驗統(tǒng)計量進行假設檢驗的方法。目前最常用的平穩(wěn)性統(tǒng)計檢驗方法是單位根檢驗（unitroottest）。使用單位根檢驗法對變換數(shù)據(jù)進行檢驗得出檢驗結(jié)果如表1所示：表1DLOGGDP一階差分單位根檢驗4結(jié)合圖3與表1，結(jié)果表明序列l(wèi)ogGDP經(jīng)過一階差分之后序列平穩(wěn)。模型的識別與選擇計算出樣本自相關系數(shù)和偏相關系數(shù)的值之后，我們主要是根據(jù)它們表現(xiàn)出來的性質(zhì)，選擇適當?shù)腁RMA模型擬合觀察值序列。這個過程實際上就是要根217。 217。據(jù)樣本自相關系數(shù)和偏相關系數(shù)的性質(zhì)估計自相關階數(shù)p和移動平均階數(shù)q，因此模型的識別過程也成為定階過程。一般ARMA模型定階的基本原則如圖4所示：圖4ARMA(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，可得樣本自相關系數(shù)和偏相關系數(shù)圖如圖5所示：5圖5差分序列自相關系數(shù)與偏相關系數(shù)圖通過對一階差分的對數(shù)序列的自相關系數(shù)和偏相關系數(shù)圖的分析觀察，可以知道模型大致可選取兩種模型。第一種，自相關系數(shù)為拖尾，而偏相關系數(shù)為一階截尾。此時選取模型可以為ARIMA（1,1,0）模型。第二種，自相關二階截尾，而偏相關系數(shù)為一階截尾。此時選取模型可以為ARIMA(1,1,2）模型。參數(shù)估計選擇擬合好后的模型之后，下一步就是要利用序列的觀察值確定該模型的口徑，即估計模型中未知參數(shù)的值。對于一個非中心化ARMA（p,q）模型，有xt=m+Qq(B)FP(B)et式中，et:WN(0,de2)Qq(B)=1q1Bq2B2LqPBqFP(B)=1f1Bf2B2LfRBR該模型共含R+q+2個未知參數(shù)：6f1,L,fp,q1,L,qq,m,de2。對于未知參數(shù)的
試題試卷相關推薦
鄂ICP備17016276號-1