eviews時間序列分析實(shí)驗(yàn)

實(shí)驗(yàn)二ARIMA模型的建立一、實(shí)驗(yàn)?zāi)康氖煜RIMA模型，掌握利用ARIMA模型建模過程，學(xué)會利用自相關(guān)系數(shù)和偏自相關(guān)系數(shù)對ARIMA模型進(jìn)行識別，利用最小二乘法等方法對ARIMA模型進(jìn)行估計，利用信息準(zhǔn)則對估計的ARIMA模型進(jìn)行診斷，以及學(xué)會利用ARIMA模型進(jìn)行預(yù)測。掌握在實(shí)證研究如何運(yùn)用Eviews軟件進(jìn)行ARIMA模型的識別、診斷、估計和預(yù)測。二、基本概念所謂ARIMA模型，是指將非平穩(wěn)時間序列轉(zhuǎn)化為平穩(wěn)時間序列，然后將平穩(wěn)的時間序列建立ARMA模型。ARIMA模型根據(jù)原序列是否平穩(wěn)以及回歸中所含部分的不同，包括移動平均過程（MA）、自回歸過程（AR）、自回歸移動平均過程（ARMA）以及ARIMA過程。在ARIMA模型的識別過程中，我們主要用到兩個工具：自相關(guān)函數(shù)ACF，偏自相關(guān)函數(shù)PACF以及它們各自的相關(guān)圖。對于一個序列而言，它的第階自相關(guān)系數(shù)為它的階自協(xié)方差除以方差，即＝，它是關(guān)于滯后期的函數(shù)，因此我們也稱之為自相關(guān)函數(shù)，通常記ACF()。偏自相關(guān)函數(shù)PACF()度量了消除中間滯后項(xiàng)影響后兩滯后變量之間的相關(guān)關(guān)系。三、實(shí)驗(yàn)內(nèi)容及要求1、實(shí)驗(yàn)內(nèi)容：（1）根據(jù)時序圖的形狀，采用相應(yīng)的方法把非平穩(wěn)序列平穩(wěn)化；（2）對經(jīng)過平穩(wěn)化后的1952年2010年中國GDP總量數(shù)據(jù)建立ARIMA（）模型，并利用此模型進(jìn)行中國GDP總量的預(yù)測。2、實(shí)驗(yàn)要求：（1）深刻理解非平穩(wěn)時間序列的概念和ARIMA模型的建模思想；（2）如何通過觀察自相關(guān)，偏自相關(guān)系數(shù)及其圖形，利用最小二乘法，以及信息準(zhǔn)則建立合適的ARIMA模型；如何利用ARIMA模型進(jìn)行預(yù)測；（3）熟練掌握相關(guān)Eviews操作，讀懂模型參數(shù)估計結(jié)果。四、實(shí)驗(yàn)步驟1、模型識別（1）數(shù)據(jù)錄入打開Eviews軟件，選擇“File”菜單中的“New--Workfile”選項(xiàng)，在“Workfilestructuretype”欄中選擇“Dated-regularfrequency”，在“Frequency”欄中選擇“Annual”，分別在起始年輸入1952，終止年輸入2010，點(diǎn)擊ok，見圖1。這樣就建立了一個工作文件。點(diǎn)擊File/Import，找到相應(yīng)的Excel數(shù)據(jù)集，導(dǎo)入即可。圖1（2）時序圖判斷平穩(wěn)性進(jìn)行時序平穩(wěn)性判斷，(操作步驟:view—graphic—Lin&Symbol)。結(jié)果如圖2所示：圖2從圖中可以很明顯看出圖形稱指數(shù)增長趨勢，顯然不平穩(wěn)。（3）對gdp數(shù)據(jù)的進(jìn)行取對數(shù)為了減少波動，對每年的gdp數(shù)據(jù)進(jìn)行取對數(shù)。及在命令框中輸入如圖3所示命令：圖3取對數(shù)后的時序圖如圖4所示圖82、模型的參數(shù)估計點(diǎn)擊“Quick”－“EstimateEquation”，會彈出如圖3－11所示的窗口，在“EquationSpecification”空白欄中鍵入“xCMA(1)MA(2)MA(3)MA(4)MA(5)AR(1)AR(2)”等，在“EstimationSettings”中選擇“LS-LeastSquares(NLSandARMA)”，然后“OK”?；蛘咴诿畲翱谥苯虞斎雔sxCMA(1)MA(2)MA(3)MA(4)MA(5)AR(1)AR(2)等。各種模型的參數(shù)估計結(jié)果和相關(guān)的檢驗(yàn)統(tǒng)計量見圖9。圖9根據(jù)此結(jié)果，我們選擇ARMA(1，6)模型。3、模型的診斷檢驗(yàn)點(diǎn)擊“View”—“Residualtest”—“Correlogram-Q-statistics”，在彈出的窗口中選擇滯后階數(shù)為默認(rèn)24，點(diǎn)擊“Ok”，見圖10，從圖上可以看出，殘差不再存在自相關(guān)，說明模型擬合很好。圖104、模型的預(yù)測（1）Dynamic預(yù)測Dynamic預(yù)測根據(jù)所選擇的一定的估計區(qū)間，進(jìn)行多步向前預(yù)測。利用eviews預(yù)測1960~2020年的gdp總量如圖11所示：圖11從圖11中的均方根誤差、泰爾不等悉數(shù)可以看出預(yù)測效果較好。（2）Static預(yù)測Stati