时间序列分析模型的建立与预测

Βιβλιοθήκη Baidu图6
4
然后点击“ok”，得到图7：
图7
3.4 建立AR(1)模型：在Eviews工具栏点击Quick，在弹出的下拉菜单中选 择Euquation Estimation，得到图8所示对话框：
图8
5
根据图 7的样本相关函数和偏相关函数，初步判定y序列服从AR 过程，因此 从低阶到高阶建立模型，首先建立AR （1）模型。在对话框中输入模型表达式， 如图 9所示：
图3
3.2 作出 y 序列的图形：在点击 View Graph，得到如图 4 所示的对话框：
图4
3
由于默认的选项符合要求，所以直接点击“ok”得到图 5：
图5
从图 5中可以看出，y序列应该是平稳的。 3.3 计算样本自相关和偏相关函数：点击View correlogram，得到如图6 所示对话框：
表1

四、实验总结：
在本次实验中我收获最大的的是初步了解了Eviews用法， 不会在看到Eviews 如此迷茫。 通过这次实验课， 我更加深刻的理解了时间序列建模的过程， 对于 AR 模型性质了解的更加多了。 其次对画时序图， 估计时间序列模型有了更深的了解。 对相关图与偏相关图的解析更熟练，学会了简单的预测。
图 12
7
图 13
3.7 对差分序列做 AR(1)模型，得到图 14：
图 14
8
可以看出，模型的检验通过，并且可以从图14中看出，模型AR(1)与 截距项的t检验都很显著。根据图14得出一阶差分序列模型为： Dyt 0.141548 0.624727 Dyt-1 t R2 = 0.016519 0.112341 t = 8.568624 5.560996 AIC 3.358707 BIC 3.282949 由于，需要对 2002-2005年的人口数量作出预测，显然上式无法做到具体数值 的预测， 我们将一阶差分模型还原为人口序列模型， 将 Dy yt yt-1 带入上式， 可以得到 yt 0.141548 1.624727yt-1 0.624727yt-2 由上式可以计算出 2002-2005年中国人口的数量预测值（数据见表1）： 年份 2002 2003 2004 2005 预测值（单位：亿人） 12.9547387 13.2239181 13.53072633 13.86392465
应用时间序列分析 实验报告
院系：理学院 专业：应用统计学 班级： 姓名： 学号：
2016年 4月10日
1
一、实验目的：通过 Eviews软件完成相关时间序列分析模型的建立与预测 二、实验器材：一台装有 Eviews软件的电脑和应用时间序列分析教材 三、实验内容及步骤：利用课本 P100习题 8建立时间序列模型
3.1 在Eviews软件中录入数据：双击Eviews图标，进入Eviews，点击 FileNew Workfile，进入如图1所示对话框：
图1
在图 1 所示对话框中输入数据，如图 2 所示：
图2
2
这就得到一个命名为4.8的工作空间，其数据频率为年，起始年份为 1949 ， 结束年份为 2001。点击“ok”。 在命令行输入“data y”创建一个以y为序列名称的数据。将数据输入到Y 列中，得到如图3结果。
6
3.5 生成 y序列的一阶差分序列：在 Eviews命令行输入“genr dy=d(y)” ,点 击“Enter”健，即得到命名为dy的y序列的一阶差分序列。如图11所示：
图 11
3.6 作出一阶差分序列的图形以及计算其样本相关函数和偏相关函数，由 于前面已经叙述，这里便不再赘述，得到图12以及图13：
9
图9
点击“ok”，得到图10：
图 10
从图10中可以看到，软件为此模型下了“Estimated AR process is nonstationary” 的结论，可以知道，这个AR(1)过程是非平稳的。接下来依照Box-Jenkins方法 （即某个原始序列是非平稳的，但其差分序列可能是平稳的），对y的差分序列 建模。