时间序列课程论文

《时间序列课程论文》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、时间序列分析期末课程论文实验名称：某地区各年年平均气温运用时间序列分析姓名：李慧斌学号：122093118班级：12信息与计算科学指导教师：米国芳时间：二○一四年十一月一、经济理论背景：随时间的推移，各年的温度在不断变化，且温度的变化从很大程度上影响着各个地区、国家的旅游、制造等行业的发展，也影响着人们的生活——现在我们通过往年的各年年平均气温变化，通过时间序列分析，对过去的年份气温进行研究，对未来的气温进行预测，从而制定相关的政策等以便于经济正常发展、人类更好的生活。二、指标选取和数据搜集（要求

2、附数据表）本实验采用1949年到1998年某地区年平均气温变化数据为时间序列分析模型，数据表如下：年份温度年份温度年份温度年份温度194938.8196437.5197935.9199437.2195035.6196538.5198035.1199535195138.3196637.5198138.1199636195239.6196735.8198237.3199738.2195337196840.1198337.2199837.2195433.4196935.9198436.1195539.6

3、197035.3198535.1195634.6197135.2198638.5195736.2197239.5198736.1195837.6197337.5198838.1195936.8197435.8198935.8196038.1197538.4199037.5196140.6197635199135.7196237.1197734.1199237.5196339197837.5199335.8三、实验过程第一、序列预处理（一）平稳性检验（如不平稳，适当差分平稳化）1)包括图形检验（如图

4、所示）：由图可知，数据平稳。1)将其进行差分平稳化得到如下图所示：为了使研究更加精准，适当采用差分对序列在进行平稳化处理，对气温变化进一步分析预测。从而我们对数据进行一阶差分。（一）纯随机性检验（如是白噪声分析结束，如不是进入第二步）在Eviews中进行白噪声检验分析，得下图：如图可知，Prob值<0.05,为非白噪声。所以，进行一下建模等相关分析、检验、优化。第一、建模（一）分析自相关和偏自相关图进行模型的确定和定阶进行一阶差分后，得到自相关与偏自相关系数如下图所示：由图分析可知，该模型为一阶自

5、相关、二阶偏自相关。（一）估计参数当完成（三）所示图可得，参数估计结果为：（1-B）xt=-0.015139+εt-0.977081εt-1（二）检验（参数显著性检验和模型有效性检验——分别对MA(1)、AR(1)、ARMA(1)模型进行检验）1.MA(1)模型检验：如图所知，Prob值<0.05，模型显著。2.AR(1)模型检验:如图所知，Prob值<0.05，模型显著。1.MAAR(1)模型检验:如图所知，Prob值>0.05，模型不显著。第三，预测第四，就模型所反映的问题给出针对性的政策

6、建议由于对某地区个年年平均气温时间序列分析，温度的不断变化，为了更好地生活发展，我们要降低热排放，以及环境的破坏等。