时间序列分析与预测实验报告

《时间序列分析与预测实验报告》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、为了适应公司新战略的发展，保障停车场安保新项目的正常、顺利开展，特制定安保从业人员的业务技能及个人素质的培训计划时间序列分析与预测实验报告　　课程名称：__时间序列分析__实验项目：__ARMA模型______实验类型：__验证型__________学生学号：__XX96XX______学生姓名：__张艳杰_________学生班级：_统计学___________课程教师：__范英兵___________实验日期：_______XX年10月13日_____　　HarbinInstituteofTechnology　　实验手册　　课程名称：时间序列分析　

2、　院系：电子工程系　　指导教师：冀振元　　哈尔滨工业大学XX年3　　月　　实验目的：熟悉对零均值平稳序列建立ARMA模型的前三个阶段：模型识别、模型参数估计、诊断检验。　　根据时间序列自相关图对零均值平稳序列进行初步的模型识别。　　运用Eviews软件估计ARMA模型参数。对所建立的模型是否为适应性模型进行诊断检验模式识别实验内容：从天气预报网站上下载哈尔滨XX年3月份的天气数据，对天气数据进行处理，建立起相适应的ARMA模型。目的-通过该培训员工可对保安行业有初步了解，并感受到安保行业的发展的巨大潜力，可提升其的专业水平，并确保其在这个行业的安全感。

3、为了适应公司新战略的发展，保障停车场安保新项目的正常、顺利开展，特制定安保从业人员的业务技能及个人素质的培训计划　　1绘制序列时序图及数据的平稳性检验　　哈尔滨哈尔滨XX年3月份的最高气温图　　最高气温条形图　　由图可以看出数据的均值是不为零的，因此应该对数据进行去均值处理　　最高气温去均值后的条形图　　对数据进行平稳性检验　　数据平稳性检验结果　　通过数据平稳检验，可以知道数据时平稳的。2模型识别及模型定阶　　数据的协方差和自协方差图　　通过数据的协方差和自协方差图可以看出协方差的第一个系数挺大，初步设定为ARMA(1,1)模型，　　时间序列分析综合

4、分析　　一、TZP；　　2）将GDPP、XFP、TZP分别取对数，生成的新序列分别命名为LNGP、LNXF、LNTZ。　　数据处理　　1）将GDP、XF、TZ分别除以价格指数P，生成的新序列分别命名为GDPP、XFP、　　二、平稳时间序列建模目的-通过该培训员工可对保安行业有初步了解，并感受到安保行业的发展的巨大潜力，可提升其的专业水平，并确保其在这个行业的安全感。为了适应公司新战略的发展，保障停车场安保新项目的正常、顺利开展，特制定安保从业人员的业务技能及个人素质的培训计划　　1）将LNTZ进行差分，生成的序列命名为DLNTZ；2）根据DLNTZ序列

5、的自相关图判断该序列的平稳性；　　DLNTZ是平稳的，因为自相关图迅速衰减。　　3）根据自相关和偏自相关图，建立ARMA模型，因为k=4时，自相关系数与0也有显著差异，所以也考虑q=4，即建立ARMA模型再对比R24）建立ARMA模型，进行参数估计：　　因为AR没有通过检验，所以其对dlntz的影响是不显著的，删除该解释变量：　　再建立ARMA模型，进行参数估计：　　删除未通过检验的系数，直到所有系数均通过检验，得到：　　比较两个模型的可决系数，发现ARMA模型你和优度更高，选取ARMA模型。　　得出方程：Dlntz=0.+Ut　　5）对估计的方程进行

6、必要的检验。并根据检验的结果对模型进行修正，最后确定合适的模型；　　由上表可以看出ACF和PACF都没有显著地异于零，且Q统计量的p值远大于，所以残差序列是白噪声序列，通过检验。　　6）根据最后的模型预测XX年DLNTZ的预测值为-　　三、单整性、协整性和误差修正模型目的-通过该培训员工可对保安行业有初步了解，并感受到安保行业的发展的巨大潜力，可提升其的专业水平，并确保其在这个行业的安全感。为了适应公司新战略的发展，保障停车场安保新项目的正常、顺利开展，特制定安保从业人员的业务技能及个人素质的培训计划　　1）选用只含有截距项的ADF检验模型，检验序列L

7、NGP、LNXF、LNTZ各自的　　单整性，确定出单整阶数；　　?LNGP的ADF检验：　　p>,接受原假设说明LNGP是非平稳的，再进行一次差分：　　此时p，接受原假设，认为序列LNXF是非平稳的，再对序列进行一次差分得到如下结果，p=，此时拒绝原假设，认为序列是平稳的。即序列LNXF必须经过一次差分才能变为平稳序列，所以其单整阶数为1.目的-通过该培训员工可对保安行业有初步了解，并感受到安保行业的发展的巨大潜力，可提升其的专业水平，并确保其在这个行业的安全感。