南开大学计量经济学
图2.44 D12DLnyt的实际与预测序列 图2.45 yt的实际与预测序列
对1989年第12月份yt进行样本外1期预测,结果如图2.46。

图2.46 EViews预测结果
预测误差是 =
789.9 734.1
= 0.076
734.1
用1978:1~1989:12期间数据得EViews (0, 1, 1) (0, 1, 1)12 模型估计结果如下 12 Lnyt = (1- 0.35 L) (1 - 0.61 L12) vt (2.67)
(- 4.4) (- 9.1)
R2 = 0.36, DW = 1.86, F = 71.9, s.e. = 0.038, Q36 = 21.88, 20.05 (36-2) = 44
模型参数全部有显著性,Q36 = 21.88 < 20.05 (36-2) = 44。两种检验通过。上式变换为, Ln yt – Lnyt - 12 = vt - 0.35 vt –1 - 0.61 vt – 12 + 0.2135 vt – 13
Lnyt = Lnyt -1 +Ln yt - 12 –Lnyt – 13 + vt - 0.35 vt –1 - 0.61 vt – 12 + 0.2135 vt – 13 (2.68) (2.67)式也是一个可以选用的模型。
表2.3 北京市社会商品零售额(y

)月度数据(单位:亿元人民币,1978:1~1989:12)
季节时间序列( 第 1 讲 季节时间序列(SARIMA)模型 ) 1.时间序列(ARIMA)模型回顾 时间序列分析方法由 Box-Jenkins (1976) 年提出。它适用于各种领域的时间序列...
实验二 ARIMA 模型的建立 一、实验目的 熟悉 ARIMA 模型, 掌握利用 ARIMA 模型建模过程,学会利用自相关系数和偏 自相关系数对 ARIMA 模型进行识别, 利用最小二...
基于ARIMA模型的季节调整方法及研究进展宰郭志武1滕国召2【摘要】 蒲继红1 目的介绍基于ARIMA模型的2种季节调整方法:x-12一ARIMA和TRAMO/SEATS。方法通过查阅 有关...
本文采用的 ARIMA 模型, 综合考虑了序列的趋势变化、周期变化及随机干扰等因素对平稳性造成的影响, 对有季节周期的序列提取了季节趋势和非季节趋势,而进行拟合和...
2. 时间序列分析及ARIMA乘积季节模型时间序列分析(Time Series Analysis)是一种根据动态数据揭示系统 动态结构和规律的统计方法。其目的是根据时间序列较准确地找出相...
ARIMA乘积季节模型在上海... 6页 4下载券 实验一 ARIMA模型建立与... 16...第5卷 第 2期 华北科技学院学报 2008年 4月 乘积 AR IMA模型的建立及应用...
ARIMA模型建立步骤_数学_自然科学_专业资料。ARIMA 模型建立步骤 1. 对原序列进行平稳性检验, view——unit root test 也就是 ( ADF 检验)若非平稳则其 P 值...
实验五 ARIMA模型的概念和构造一、实验目的 了解AR,MA以及ARIMA模型的特点,了解三者之间的区别联系,以及AR与MA的转换,掌握如何利用自相关系数和偏自相关系数对ARIMA...
实验三 ARIMA 模型的建立一、实验目的 了解 ARIMA 模型的特点和建模过程,了解 AR,MA 和 ARIMA 模型三者之间的区别 与联系,掌握如何利用自相关系数和偏自相关系数...
Cmue nieigadApitnoptEgnr n plai s计算机工程 与应用 renco 20,52)094(0 9 9 应用乘 积季节 AIRMA模型 的话务量预测 及结果分析 于艳华, 王军, 俊德 宋...
热门文档