应用eviews分析数据和预测.doc

《应用eviews分析数据和预测.doc》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、统计预测与决策论文摘要:随着市场经济的多元化发展。统计软件被广泛的应用，企业应用统计软件进行对下一期的生产值进行预测。从而能更准确的做出决策。本文利用eviews对某企业的下几期的生产值进行预测，便于企业做出最准确的决策。关键字：平稳序列，模型识别，模型定阶，模型参数估计，模型检验，模型预测。下表是某企业近期一百个生产数据值。81.989.479.081.484.885.988.080.382.683.580.285.287.283.584.382.984.782.981.583.487.781.879.685.877.989.785.486.380

2、.783.883.883.883.883.883.883.883.883.883.883.883.883.883.883.883.883.883.883.883.883.884.084.084.084.084.084.084.084.084.084.084.284.284.284.284.284.284.284.284.284.284.284.284.284.284.284.284.284.284.284.281.989.481.479.084.885.988.080.382.683.587.284.785.889.785.486.383.887.7

3、80.280.31、模型识别绘制序列时序图2模型定阶绘制序列相关图从相关图看出，自相关系数迅速衰减为0，说明序列平稳，但最后一列白噪声检验的Q统计量和相应的伴随概率表明序列存在相关性，因此序列为平稳非白噪声序列。模型定阶：由图2-5看出，偏自相关系数在k=3后很快趋于0即3阶截尾，尝试拟合AR（3）；自相关系数在k=1处显著不为0，当k=2时在2倍标准差的置信带边缘，可以考虑拟合MA（1）或MA（2）；同时可以考虑ARMA（3，1）模型等。原序列做描述统计分析见图可见序列均值非0，我们通常对0均值平稳序列做建模分析，所以需要在原序列基础上生成一个新的

4、0均值序列。这个序列是0均值的平稳非白噪声序列，新序列的描述统计量见图3模型参数估计（1）尝试AR模型。经过模型识别所确定的阶数，可以初步建立AR(3)。得图如下由伴随概率可知，AR（i）（i=1，2，3）均高度显著，表中最下方给出的是滞后多项式的倒数根，只有这些值都在单位圆内时，过程才平稳。利用复数知识可知表中的三个根都在单位圆内。AIC、SC准则都是选择模型的重要标准，在做比较时，希望这两个指标越小越好。DW统计量是对残差的自相关检验统计量，在2附近，说明残差不存在一阶自相关。得到的自回归模型见下:（1）尝试MA（1）模型。得图如下表中最下方是滞

5、后多项式的倒数根，只有这些值都在单位圆内，过程才平稳，可以发现过程是符合要求的即平稳。（3）尝试ARMA模型由模型定阶发现，p可能等于3，q可能等于1。由参数估计结果看出，各系数均不显著，说明模型并不适合拟合ARMA(3，1)模型。经过进一步筛选，逐步剔除不显著的滞后项或移动平均项，最后得到如下ARMA(2，1)模型：4、模型预测序列动态预测图动态预测效果图动态预测值几乎是一条直线，说明动态预测效果很不好。进行静态预测静态预测图预测效果图经过向前2步预测，x的未来2期预测值分别为1.1482和0.5519，考虑产量均值84.11940，就可以得出未来

6、2期的产量分别为85.2676和84.6713。