時間序列課程設(shè)計(一)

課程設(shè)計報告課程名稱 時間序列分析專業(yè) 統(tǒng)計學(xué) 班 級 學(xué) 號 姓 名 指導(dǎo)教師 2012年12月17日課程設(shè)計任務(wù)書課程名稱 時間序列分析課題 銷售額的領(lǐng)先指標(biāo)分析專業(yè)班級 學(xué)生姓名 學(xué) 號 指導(dǎo)老師 審 批 任務(wù)書下達(dá)日期2011年12月17日

任務(wù)完成日期2011年12月28日目錄-：課程設(shè)計準(zhǔn)備 2安裝Eviews6.0 2數(shù)據(jù)分析與輸入-：平穩(wěn)時間序列模型的建立數(shù)據(jù)的平穩(wěn)性檢查對數(shù)據(jù)進(jìn)行平穩(wěn)化零均值化數(shù)據(jù)數(shù)據(jù)基本處理與模型定階TOC\o"1-5"\h\z\o"CurrentDocument"模型求解估計及適應(yīng)性檢驗 5\o"CurrentDocument"三：模型分析與總結(jié) 6四：參考文獻(xiàn) 6五：評分表 7六：附錄表 8課程設(shè)計準(zhǔn)備（1） 安裝Eviews6.0準(zhǔn)備Eviews6.0安裝包，解壓文件，注冊，運行Eviews,exe,進(jìn)入到Eviews6.0界面。（2） 數(shù)據(jù)分析與輸入銷售額的領(lǐng)先指標(biāo)是指能夠?qū)︿N售額趨勢進(jìn)行先瞻性預(yù)測的指標(biāo)，指標(biāo)的變化反過來乂影響銷售額的預(yù)測與對銷售的規(guī)劃。本次設(shè)計提供了150個銷售額的指標(biāo)數(shù)據(jù)更加詳細(xì)具體的說明了銷售額趨勢的變化，能讓我們更好的利用時間序列的方法進(jìn)行銷售額的發(fā)展趨勢。數(shù)據(jù)輸入，在file菜單下建立新的工作文件workfile,打開import中的readexcle選擇銷售額領(lǐng)先指標(biāo)數(shù)據(jù)，命名為x,確定。-：平穩(wěn)時間序列模型的建立（1）數(shù)據(jù)的平穩(wěn)性檢查1.打開數(shù)據(jù)x,選擇gragh,確定，x的時間序列圖：如下2.做x的相關(guān)圖，打開correlograp,選擇level,輸入30,確定。X的相關(guān)圖如下0.95309530.9530953138.890.0000.9340.283273.200.0000.9100.029401.620.0000.8880.011524.870.0000.861-0.063641.550.0000.8410033753.640.0000.816?0.034859.850.0000.7950.005961.250.0000.761-0.1401054.80.000Date:11/21/12Time:16:58Sample:1150Includedobservations:150ACPACQ-StatProbAutocorrelationPartialCorrelationACPACQ-StatProb圖二：X的相關(guān)圖根據(jù)以上兩圖和AC、PAC從中可以看出X不平穩(wěn)。(2)對數(shù)據(jù)進(jìn)行平穩(wěn)化1.根據(jù)上邊的結(jié)論X不是平穩(wěn)序列，為了建立模型要對數(shù)據(jù)進(jìn)行平穩(wěn)化，對數(shù)據(jù)進(jìn)行一階差分，選擇genr,在Enterequation輸入genry=d(x,1),確定得出序列y，做V的時間序列圖。根據(jù)圖三可以得出y是一個較平穩(wěn)的時間序列零均值化數(shù)據(jù)對y這個時間序列，計算樣本均值，要y的每一個值減去y的均值m,得到一個新的平穩(wěn)時間序列z,即：scalarm=@mean(y)>genrz=y-mo數(shù)據(jù)基本處理與模型定階L做z的相關(guān)圖

Date:11/21/12Time:16:57Sample:1150Includedobservations:149AutocorrelationPartialCorrelationACPACQ-StatProbI匚Iirii[I匚Iirii[i>[|匚—□■—□—□llgl□1!!nJTJ一一TJnJ^1!□!□1—I[Ill[l[匚I[Ifl1?0.455-0.45531.4120.00020.125-0.10333.7900.0003-0.118-0.130359180.00040.1560.074396780.0005-0.107-0.00141.4500.00060.0830.04342.5440.0007-0.077-0.01543.4820.00080.1210.08445.8010.0009-0.0590.05446.3590.00010-0.121-0.17848.7210.000110.1720.07553.5440.00012-0.0560.03854.0630.000130.0180.01554.1160.000圖四：Z的相關(guān)圖選擇模型與定階，根據(jù)AIC準(zhǔn)則來判斷ARMA中p和q的大小從而確定模型，偏相關(guān)系數(shù)PartialCorrelation很快趨于0所以取p為1或2,自相關(guān)系數(shù)Autocorrelation前兒期顯著不為0,取q為1到4,計算AIC如下表表一：ARMA與AIC表ARMA(p,q)(1,1)(1,2)(1,3)(1,4)(2,1)(2,2)(2,3)(2,4)AIC0.3150.3070.3210.3230.3280.3210.2890.295根據(jù)表格看，ARMA(p,q)取(1,1)時，AIC最小同時，對ARMA(2,3)進(jìn)行殘差自相關(guān)函數(shù)與偏自相關(guān)函數(shù)分析，看是否滿足白噪聲過程，結(jié)果如圖CorrelogramofResidualsDate:11/21/12Time:21:4-3Sample:3149Includedobservations:14-7Q-statisticprobabilitiesadjustedfor5ARMAterm(s)AutocorrelationPartialCorrelationACPACQ-StatProb1iIi1-0.038-0.0380.2131-]|iJi20.0480.0460.55571>iIi30.0350.0380.7402-]|ii40.0630.0631.33991>i1i50.0330.0351.5088-1ii60.018O.OU1.56110.212-1ii70.001-0.0061.56120.4581iJ'80.0980.0913.07640.3801illi9-0.089-0.0884.34530.3611i[i10-0.069-0.0905.11430.402-□1i□i110.1190.1167.38030.287-1ii120.0060.0177.38550.390圖五：ARMA(2,3)相關(guān)圖由圖五可知，殘差對應(yīng)的自相關(guān)函數(shù)與偏自相關(guān)函數(shù)均在置信區(qū)間內(nèi)，故稱該殘差為白噪聲過程，從而檢驗通過。模型求解估計及適應(yīng)性檢驗1.模型為K=-1.68X1-0.88X7+at-1.26at_i-0.17at_2+0.45at_32.正態(tài)性檢驗Series:ResidualsSample3149Series:ResidualsSample3149Observations147Mean0.000746Median0.010848Maximum0.732694Minimum-0.731421Std.Dev.0.271180Skewness0.040396Kurtosis2.855014Jarque-Bera0.168733Probability0.919094可以看出Jarque-Bera為0.168733值較小而Probability為0.919094較大，服通過正態(tài)性檢驗，其acf,pacf,Q統(tǒng)計量如下圖ACPACQ-Stat23456789-0.0380.0480.0350.06323456789-0.0380.0480.0350.0630.0330.0180.0010.098-0.0380.0460.0380.0630.0350.014-0.0060.0910.21310.5557074021.33991.50881.56111.56123.0764-0.089-0.0884.34535.11435.11437.38037.3855-0.069-0.0900.1190.1160.0060.017圖六四：模型分析與總結(jié)本次課程設(shè)計是對銷售額的領(lǐng)先指標(biāo)數(shù)據(jù)這一時間序列進(jìn)行分析，對數(shù)據(jù)進(jìn)行平穩(wěn)化，再進(jìn)行零均值化，確定模型為ARMA(2,3),檢驗?zāi)Ｐ偷目尚行?，通過模型預(yù)測可以得到預(yù)測的數(shù)據(jù)與平穩(wěn)化的數(shù)據(jù)進(jìn)行比較，相差很小，從而更加證明模型的可行性。而且可以對銷售額趨勢進(jìn)行先瞻性預(yù)測，有利于運用此數(shù)據(jù)的人員更好的制定銷售目標(biāo)與策略。通過學(xué)習(xí)時間序列分析這門課程，可以知道此門課程的兒點重要用途1.時間序列可以描述現(xiàn)象在具體的時間條件下的發(fā)展?fàn)顩r和結(jié)果。2.利用時間序列資料可進(jìn)行各種動態(tài)對比分析，研究現(xiàn)象發(fā)展變化的方向和程度。3.利用時間序列，可以分析現(xiàn)象的發(fā)展變化趨勢及其規(guī)律，比如事物發(fā)展的長期趨勢、季節(jié)變動規(guī)律等。4.利用時間序列，根據(jù)對現(xiàn)象發(fā)展變化趨勢與規(guī)律的分析，可以進(jìn)行動態(tài)預(yù)測。而且學(xué)習(xí)本課程增強了自己對數(shù)據(jù)的分析能力，希望學(xué)到的這門知識用于以后的生活中。參考文獻(xiàn)王振龍，《時間序列分析》，北京：中國統(tǒng)計出版社，2000.2高鐵梅，《eviews軟件基礎(chǔ)》《領(lǐng)先指標(biāo)》，百度名片理學(xué)院課程設(shè)計評分表課程名稱：時間序列分析項 目評 價設(shè)計方案的合理性與創(chuàng)造性設(shè)計與分析結(jié)果設(shè)計報告書的質(zhì)量課程設(shè)計周表現(xiàn)情況綜合成績教師簽名： E1期： （注：1.此頁附在課程設(shè)計報告之后；2.綜合成績按優(yōu)、良、中、及格和不及格五級評定。）

obsXIobsXIobsXIobsXI110.013911.057710.8711513.39210.074011.117810.6711613.59310.324111.017911.1111713.2749.754211.228010.8811813.70510.334311.218111.2811913.20610.134411.918211.2712013.32口110.364511.698311.4412113.15810.324610.938411.5212213.30910.134710.998512.1012312.941010.264811.018611.8312413.291110.584910.848712.6212513.261210.625010.768812.4112613.081310.865110.778912.4312713.241411.205210.889012.7312813.311510.745310.499113.0112913.521610.565410.509212.7413013.021710.485511.009312.7313113.251810.775610.989412.7613213.121911.335710.619512.9213313.262010.965810.489612.6413413.112111.165910.539712.7913513.302211.706011.079813.0513613.062311.396110.619912.6913713.322411.426210.8610013.0113813.102511.946310.3410112.9013913.272611.246410.7810213.1214013.642711.596510.8010312.4714113.582810.966610.3310412.4714213.872911.406710.4410512.4914313.533011.026810.5010613.