时间序列模型操作

合集下载
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

arima模型matlab实际操作例题1.已知1949-2000年我国人口数据,预测2001年我国人口数。

1)数据导入,绘制数据原图像

代码:

x=test(:,1)

y=test(:,2)

plot(x,y)

xlabel('年份')

ylabel('人口数')

title('人口数变化')

2)计算原数据的ACF和PACF及它们图像

代码:

ACF计算:

autocorr(y)

[a,b]=autocorr(y)

[b,a]

PACF计算:

parcorr(y)

[c,d]=parcorr(y)

[d,c]

3)发现原数据并不平稳,因此我们对人口数数据进行一阶差分,并绘制图像,计算ACF、PACF

代码:

x(1,:)=[]

dy=diff(y)

plot(x,dy)

title('dy图像')

ACF计算:autocorr(dy)

[a1,b1]=autocorr(dy) [b1,a1]

PACF计算:parcorr(dy)

[c1,d1]=parcorr(dy) [d1,c1]

由图可知,人口序列dy 是平稳的,ACF 和PACF 在一阶都在置信区间外,因此采用AR(1)模型。

4)求估计结果

利用cftool 工具,进行拟合,图像如下:

则结果为:

u dy dy

t t t

++=-1

6171.00.0547

5)模型检验

模型参数检验

要求:模型参数估计量必须通过t 检验 代码:

[h,p,ci,stats]=ttest(dy,A,alpha) mu0=0.6171;alpha=0.05

可以发现,通过t 检验。 ● R 平方检测和特征根检验 拟合程度评价:

根据上面cftool 图可知,R 平方为0.38,拟合程度较好,可认为模型还成立。 特征根检验: 1-0.9494x=0 得:9494

.01

x

而要求特征根倒数绝对值小于1,显然成立。检验通过。 ● 残差序列Q 检验 先求的残差序列 代码是

[b,bint,r,rint,stats]=regress(dy,A,alpha) alpha=0.05

得到的r 就是残差序列

接下来就是对残差序列Q 检验 代码;

[h,pValue,stat,cValue]=lbqtest(r)

h=0,p=0.9728>0.05,则认为Q 检验通过。

6)结果预测

0.11380.0957*0.61710.05476171.00.05472000

2001

=+=+=dy

dy

7881.121138.06743.122000

2000

2001

=+=+=

dy

y

y

根据后面查的资料,2001年我国人口数为12.7627,预测误差为

(亿人)0.00212.7627

12.7627

-12.7881==

η

附表

相关文档
最新文档