应用时间序列分析报告实验报告材料

应用时间序列分析报告实验报告材料

ID:47074243

大小:473.47 KB

页数:35页

时间:2019-07-17

应用时间序列分析报告实验报告材料_第1页
应用时间序列分析报告实验报告材料_第2页
应用时间序列分析报告实验报告材料_第3页
应用时间序列分析报告实验报告材料_第4页
应用时间序列分析报告实验报告材料_第5页
资源描述:

《应用时间序列分析报告实验报告材料》由会员上传分享,免费在线阅读,更多相关内容在工程资料-天天文库

1、实用文档应用时间序列分析实验报告      学院名称 理学院     专业班级  应用统计学14-2     学生姓名 张艳雪     学号 201411081051文案大全实用文档文案大全实用文档齐鲁工业大学实验报告成绩课程名称《应用时间序列分析实验》指导教师黄玉林实验日期2017.6.30院(系)理学院专业班级统计14-2实验地点机电楼C428学生姓名张艳雪学号201411081051同组人无实验项目名称ARIMA模型、确定性分析法,多元时间序列建模一、实验目的和要求1.熟悉非平稳序列的确定性分析法:趋势分析、季节效应分析、综合分析2.

2、熟悉差分平稳序列的建模步骤。3.掌握单位根检验、协整检验、动态回归模型的建立。二、实验原理1.序列的各种变化都归结于四大因素的综合影响:长期趋势(Trend),循环波动(Circle),季节性变化(Season),机波动(Immediate).常假设它们有如下的相互模型:加法模型乘法模型混合模型模型结构不唯一2.非平稳序列如果能通过适当阶数的差分后实现平稳,就可以对差分后序列进行ARMA模型拟合了,所以ARIMA模型是差分运算与ARMA模型的组合文案大全实用文档3.单位根检验:(1)DF检验;(2)ADF检验;(3)PP检验;4.动态回归模

3、型ARIMAX如果两个非平稳序列之间具有协整关系,则先建立它们的回归模型,再对平稳的残差序列建立ARMA模型。三、实验内容1、P202页:第7题(X11因素分解法)2、P155页:第3题(乘积季节模型)3、P240页:第4题出口为,进口为,回答以下问题(1)画出,的时序图,用单位根检验序列它们的平稳性;(2)对分别拟合模型(提示:建立ARIMA模型);(3)考察的协整关系,建立的协整模型,同时建立误差修正模型。四、实验过程(一)P202页:第7题(X11因素分解法)文案大全实用文档1.绘制序列时序图。(程序见附录)由上图可得季节序列的振幅随

4、序列水平的变化而变化,所以季节效应与趋势效应不独立,采用乘法模型:xt=Tt×St×It2.进入x-11季节调整模型经过三个阶段共十步的重复迭代后,得到如下的拟合效果图:文案大全实用文档显然,该地区奶牛的月度产奶量序列具有显著的季节变动特征。(一)P155页:第3题(乘积季节模型)1.绘制序列时序图。绘制时序图,如图1所示(程序见附录1)。图1美国月度事故死亡人数序列时序图文案大全实用文档时序图显示该序列具有以年为周期的季节效应。2.差分平稳化:对原序列作1阶12步差分,希望提取原序列季节效应,差分后序列时序图如图2所示。图2美国月度事故死

5、亡人数1阶12步差分后序列时序图时序图显示差分后序列类似平稳。3.模型定阶:考察差分后序列自相关图,如图3,进一步确定平稳性判断,并估计拟合模型的阶数。图3美国月度事故死亡人数1阶12步差分后序列自相关图文案大全实用文档自相关图显示延迟12阶自相关系数显著大于2倍标准差范围,这说明差分后序列中仍蕴含着非常显著的季节效应。延迟1阶的自相关系数也大于2倍的标准差,这说明差分后序列还具有短期相关性。观察偏自相关图,如图4,得到的结论和上面的结论一致。图4美国月度事故死亡人数1阶12步差分后序列偏自相关图图5序列白噪声检验图5显示,原序列延迟各阶L

6、B统计量的P值小于显著性水平0.05,所以拒绝原假设,序列不通过白噪声检验。根据差分后序列的自相关图和偏自相关图的性质,拟合乘积季节模型。自相关图显示,12阶以内的自相关系数1阶截尾,偏自相关图显示,12阶以内的偏自相关系数1阶截尾,所以尝试使用ARMA(1,0)模型提取差分后序列的短期自相关信息。文案大全实用文档再考虑季节自相关特征,这时考察延迟12阶、24阶等以周期长度为单位的自相关系数和偏自相关系数的特征。自相关图显示延迟12阶自相关系数显著非零,而偏自相关图显示延迟12阶偏自相关系数显著非零,这时用以12步为周期的模型提取差分后序列

7、的季节自相关信息。4.参数估计:图6拟合模型综合前面的差分信息,我们要拟合的乘积季节模型为。使用条件最小二乘估计方法,确定该模型的口径为:5.模型检验:对序列拟合模型,模型及模型参数的显著性检验如图7、8所示。文案大全实用文档图7模型参数的显著性由图7知,拟合效果显示模型参数显著。图8残差白噪声检验对拟合模型进行白噪声检验,结果显示P值都大于显著性水平0.05.接受原假设,残差序列通过白噪声检验,模型显著,说明模型拟合良好,对序列相关信息提取充分。将序列拟合值和序列观察值联合作图,如图9所示。文案大全实用文档图9美国月度事故死亡人数拟合效果

8、图说明:图中,点为序列观察值;曲线为序列拟合值。从图9可以直观地看出该乘积季节模型对原序列的拟合效果良好。(三)P240页:第4题1.画出,的时序图,用单位根检验序列的平稳性;输

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。