时间序列分析期末大作业GNP平减指数的季度序列分析.docx
《时间序列分析期末大作业GNP平减指数的季度序列分析.docx》由会员分享,可在线阅读,更多相关《时间序列分析期末大作业GNP平减指数的季度序列分析.docx(18页珍藏版)》请在冰豆网上搜索。
![时间序列分析期末大作业GNP平减指数的季度序列分析.docx](https://file1.bdocx.com/fileroot1/2023-1/2/164ec5b6-88db-4a00-b4c8-aee3965fdd3f/164ec5b6-88db-4a00-b4c8-aee3965fdd3f1.gif)
时间序列分析期末大作业GNP平减指数的季度序列分析
20XX级XX专业时间序列分析大作业
姓名
学号
性
别
专
业
组员
组员
组员
组员
组员
20XX年X月X日
某国佃60年第一季度■佃93年第四季度GNP平减指数的季度序列分析
摘要
附录中给出了某国I960年第一季度・1993年第四季度GNP平减指数的季度序列,本文旨在利用时间序列分析并结合Eviews来研究该时间序列,并给出该国GNP平减指数的时间序列方程式,从而对该国的GNP平减指数进行定性分析。
在进行时间序列分析时,先对数据进行平稳性检测,发现这个序列不平稳且具有季节性,故要用差分进行平稳化操作。
经过4阶普通差分,周期为4的季节差分后序列达到平稳。
平稳化后进行模型的识别。
首先要进行模型的识别与定阶,通过平稳后的序列的自相尖系数和
偏自相尖系数图初步判定模型的种类,当模型都可以通过检验时,通过AIC准则进行模型的
拟合度检验,模型的AIC值较小的拟合度较高。
拟合度检验后发现AR⑷SAR(4)的模型拟合
度最高'故此序列的模型为AR⑷SAR(4)模型。
当模型定阶后,就要对模型参数
TT
:
」,*,Lhp,二・*狂,川入进行估计,这一步可以得到模型表达式。
定阶
与参数估计完成后,还要对模型进行检验,即要检验弋是否为平稳白噪声,这里我们用
检验法进行模型检验。
尖键字:
时间序列分析'Eviews,乘积季节模型
1、平稳性和季节性检测
1-1从序列的时序图可以初步判断样本序列是否平稳:
根据平稳时间序列均值、方差
为常数的性质,平稳时间序列的时序图应该显示出该序列始终在一个常数值附近随机波动,而且波动的范围有界的特点。
如果观察序列的时序图显示出该序列有明显的趋势性或者周期性,则时间序列通常不是平稳的时间序列。
该时间序列的时序图如下图所示:
该时序图存在明显的上升趋势,故可判定该时间序列非平稳。
1-2从序列的自相尖系数和偏自相尖系数图判断样本序列是否平稳:
样本自相尖函数
与样本偏相尖函数如果是截尾的或者是拖尾的(即被负指数控制的),说明已服从ARMA模
型。
若自相尖函数与偏相尖函数至少有1个不是截尾的或拖尾的,说明序列不是平稳的,可
以作1阶差分,并求其样本自相尖函数与样本偏相尖函数,再用上述方法讨论。
这样,直至判断为平稳序列为止。
在实际计算中,若遇到样本自相尖函数或样本偏相尖函数的图形虽然下降,但下降很慢,应认为是非平稳序列,需作差分运算。
该时间序列的自相尖系数和偏自相尖系数图:
\HtocorrelfflbDfiPsmalCorr&lsitjiDnACPAJCQ・StatProb
上图显示该国I960年第
=1
季度
10.9720972
20943-0021
30914,025也0.884-0-027
。
口54401B•50823-002470.792024
9Q762-0015
90J310020
100700-U0D7
11Q671七Q01
120642-0012
13a.6ua001U05970001
150.561-0006
16a.536-d001
170511-0003
180.487-0010
19a4S4-dDOB
200441-000G
210418-000B
2203974005
230376P005哉0.3S60ODO
250336彳013
260316-0010
270.297410112Sa27|-fl0D9护0259-0.011
300.24.0-fl010
31Q222-0012
320203-0.016
33a.185-0016
34Q167$007
350.149-006小al324OW
1S22.B
0.M4
154B.7
D.OOD
15722
OOW
1S93.4
o.m
16124
DOW
16295
Q.MO
1&M.6
D.m
1S5B0
o«w
1669&
Q0<»
15B0.D
D.OOT
16BB8
DOW
1696.3
1702.5
D.OW
17076
OOOO
1711.8
o.m
AB=T胡Statistic・24831191%CriticalWP40325
5%CriticalValue-3.4455
10%Critic-3.1474
*MacKinnoficmtKalvalueskifrelectionnfhApdiiBBisofaumvtrwt.
AugmenledDickey-FullBrTestEquationDependentVariably.D(¥)IM昭ihwJleastSquareszate12A5A13Time:
1S:
A
Sampletadjusted)10136tncludediabg-i&rwBiiQnis-127sfter曲代曲呦endpoints
ADFz:
-24.83119:
:
ADF・序列达到平稳。
3、模型定阶
Sumsquaredre&id
LoglikrttoodDurbin-Watsonstat
0.832617Meandependerdvar0-0.0111814
&2991?
SDdependenivgr1.S732D35420754
AkaikeinfoCnleriDn435.1026"6516
Schwarzcriterioo-2553987F-gitfistic4183701
3.143547PratMiF-statisGic)3084072
D.DDD0Q0
p-1}
c
-167DE55-0.020696
0D5T280
0.366391
-24.03113
-0.056219
DDoaa
0JSS3
@TPEND<1|
Q0W461
00C4535
D101765
09191
VariabitCoefficienl:
Sid.Errofl-Slali$ticProb.
通过上面的自相尖系数和偏自相尖系数图,可以初步判定该序列的模型为:
AR
(1),AR
(2),AR(3),AR(4),MA⑴,AR
(1)SAR(4),AR
(2)SAR(4),AR(3)SAR(4),AR(4)SAR(4),MA
(1)SMA(4),下面用AIC准则进行进一步的判定。
3.1模型定阶的AIC准则
设X是随机变量,它的概率密度是f(x),其中含有k个未知参数,设未知参数向
量为聲二(眄明川用;
f(X)属于分布族gX|
显然
f(x)=g(x|3o)
K—L信息量可以用来刻画g(x|3)与
化g「二『
二:
IJ,III。
f(x)的接近程度,其定义为:
f(X)
xIn
n(y\
则有If•,g「・0,且有If•,gLI;二0。
K-L信息量是寻求最接近于f(x)的参数概率密度g(x|3),使得
l(f(?
),g(?
|3))=min
经过理论分析,当给定样本观测值x=X「X2,|)|Xn(它是容量为n的样本),设
k?
卩是模型参数B二(打码川九;(未知参数个数是k,k未知)的最大似然
估计,这里标出左足标“k”是为了强调未知参数个数k是未知的,是需要估计的。
设ln(L(3))是其对数似然函数,AIC信息准则是:
使得式"15)中的k(k确定后,
2k=min
设X是ARMA(p,q)序列,其中未知参数的个数是
k=p+q+1个‘包括自回
T
归参数〉二打,:
2,川p,移动平均参数二
最大似然估计法得到平方和估计对应的对数似然估计函数
LU
T2
片宀川厲及、二.。
结合
S・
2
又二•的最大似然估计为
代入上式,得
因此,ARMA(p,q)序列AIC
阶准则为:
选
P,q,使得:
AIC=nln(cr;)+2(p+q+2)=min
其中‘n是样本容量,二2与p和q有尖。
若当p=Oq=q时,上式达到最小值,
&
则认为序列是ARMAp,q。
当ARMA|?
q序列含有未知均值参数卩时,模型为
BX-7-Bt
这时,未知参数个数为k=p+q+2,AIC准则为:
选取p,q,使得
2
AIC=nIn;:
?
.2pq2=min
2
3.2检验验证模型的合理性
22
检验法:
:
给定显著性水平:
・,查表得上:
•分位数:
.m・r,则当
22
-:
.m・r时拒绝H。
,即认为丫非白噪声,模型检验未通过;而当
2—2.m・r时,接受H。
,认为上是白噪声'模型通过检验。
3.3Eviews中的判定过程:
AR
(1):
DependentVariableYMelhodLeastSquafes.Date12/25/13Time:
1937Sample(3djusled).10136Includedobservations:
127afteradjustingendpointsConwrgpenceachrewed誠白勺3iknartigms
AdjustedR-squaredS.Eofrwgf色甘営ionSum
0.W8430
440401
1.B65773
squaredre§idLoglikelihoodDurbin-Watson£tal
436.1388.256
4040
3.U3344
Meand«pend&ntvarSDdependentverAkaik«iri[旧亡ritArionSchwarzcriterionF-slstisticProbfF-Atatistie)
0.003071
2454139
4.100651
4.145641
1001614
O.OOODOD
InvEdEdARRao4.s
-.67
Vanable
Coefficient
SttlError
t-Stadslic
Prflb.
C
O.D07559
O.OM1D9
D-076266
0.9393
AR(1}
-0.67049$
0.066996
-1OQO0O7
0.0000
AR
(2):
OepemdentVaFiable-Y
MethodLeastSquaresDate12Z25H3Tiow1938
11136
-.83-72・63+73
Includedotraervations126Mer»dju3ringAndpgdntsCfliwngemiceschiwd曲別3jtsrAons
Variable
Coefficient
StdError
fStatistic
Prob
c
-0002177
0024628
40B8376
0.3297
AX/1\
-1257516
0.042131
-29B4791
OOQOO
申⑵
-0915637
0M3523
-2103823
00000
R-$quarAd
Q卿两
F诃E吕n
var
沖QQWQ5
AdjuAiledR-squ.gred
0S77D73SDdApenAntvgr
2501550
SIEerfregre&sioo
D377069AksikennfAcriterion
2599057
Sumsquaredresid
9461751Schwarzent-etrioo
2666507
LagilikelihoDd
-1607406
F・AtatiAnc
4469311
DurbiinrWd5iQnst-at
2633162
Frob(F-5ta⑸Stic)
0DQODQQ
InvertedARRao4s
AR(3):
dependentVanable:
¥
MethodLAM4Squares
Dole-12T25/13Time1941
Samp4@(adjuAled).121S6
Incli>d«dobssivationsUM前的adjustingefidpointsConvergenciE!
achievedsFEer3ileralions
VaAble
CMScitfM
StdEnw
t-Smisiic
Prob
c
-D.002417
00182S7
-0132403
0.8944
朗⑴
■1524209
0086671
・1760716
00004
W}
-1293390
D11630
-11.11331
oaooo
AR(3)
■0.312666
0089793
-3.482057
00007
R-squsred
AdjustedR-squaredS.EofregressionSumsquaredresidLoglikelihoodDyrtoirTWsBswsial
D.B90G34Meandependentvar・D010S90
0.B87304S0depAindertlrar2.511217
0843023Akaik*infocriterion2527832
BE99323SchwarzcmleniDn2619338
■1539896F-sLalistic326J336
2142023PrflbfF-slaliatic)OOQOOQO
InvertedAR
-.36-.58+.73i・_S8・_73i
AR(4):
DependentVanable:
Y
Method.Lsasl!
Squares
Dale12人5/13Time.19.41
SzmpM區询劇3136
IncludedobservAtians*124afteradjustingend阿int$
Convergenceachievedafter3it电ralions
Variable
Std.Eimaf
t-Staltisti匚
Prob.
C
■0.001203
0.013935
■066329
0.9314
AR
(1)
4909399
008B914
■1810043
OOODO
AE(3)
-1&11456
a162060
-1012B69
aaooo
AR(3)
4L7437M
o.iesi?
a
-4.422B97
aQWD
Aft4)
-02B954S
0.G96S11
-3.0OD146
0.0033
R-squared
0.897390
M#amdsp#nd@nnvar
0002*61
AdjusleOlR-squsred
0893941
SDdependentvar
25168T9
SEgfregression
Q.S19644
Akaikeinfbcritericm
2479593
Sumsquaredresid
74.S4W
Schwarz匸nrterion
2593J14
Laglikslihoad
-ue.73JS
F-siariiEtic
260.1S37
Dufbirt-WalSOfiiM訊
2.064958
Prob{F-staiistic]
ooooooo
InvertedARRmTS
A.19-56i
■49+56i
■62-67i
代2-.671
DependentVariaWe-Yfyl&thod:
LeastSquaresDmt已12-25M3Time:
1942豹呻片协djMtgd)91J6Includedobservations.128afteradjustingendpoiintsCdilvArAgiieaHhi电巾电Haftgir12itArdlidfigBackcaAVB
Variable
CoefficiGnl
Sid.Errort-Stalistic
Prob.
c
90EE-05
00035770.D253Z1
09798
MAd)
-0.988935
0.QO8713-113/963
0.M0Q・
R-sqMAred
0690508
Meandependentvs「
・0.01A84
Adju0.636D36
S.D.dependent阳f
2.491732
S.E.ofiregreAsion
1.39fi208
Akaikeinfocritenon
3.52M99
DependentVariaNfY
MethodLeastSquares
Dst&・12/25/13Time
1949
Sample(adjustBd)14136
IncludedDbseiYsficwi?
123afterUdju勺lingefidpairrtsConwrgfliriceachieABdahcir0itm|Utionw
Vanable*
CMIKcierltSid.Enwl-St-aflj&tic
Prob.
CAR
(1)SAM
Q.DD51130046321011O37S
•oraeoa007629$书314W3
•D.71B?
&40.079ISa-4.040D1D
09123QQQQ
00000
R-squar&dAdjustedR-squsredS.Eofregre&&ionSumsquaredresidLoglik&lihoadDurbin-Watsonstft
D5B1B15067651214356622473418-217.49252875107
MeandependentuArSDdependentwAkaikeinbcntenonSchAwcriAricwnF-statisticPrcb{F.slstislic|!
-0.D0B13025242303.5B624436638341205S95ooooooo
InsertedARRoots
65-S5i
・.6S=E5i
65.66!
■63
r6&+65i
AR
(2)SAR(4):
DependentVariaN&*Y
MflthodL萌规时i剖朋
Date12/25/13Time195D
Sampltfadjus^d)15136
IncJudedobBeri'aticws:
122afteradjuatinAendpoinlsCnrrvMC幵紀after10il:
$raUon$
Variate
CoefficientStdEflort-Saisbc
Prob.
c
A.33E-0S00216394.(K)a»9
0WJ4
ARd)
-1.2249570056944-21.51170
OOH”
AR(2J
-0.8S3B900059994-14T32S7
oom
SAF鞠
4).1905740115596・
own
R-&quarEd
D.B&23D2Meandependentvar
・4J.W25G9
AdjuscedR-squandi
087931DSDdftpindftntw
2533962
S.EofregrEssian
D.BBD3T1Akaikeinfocritericin
2.615155
Sumsquare诵
9144366Schwarzcriterion
2707090
LogFikBlihaad
-155.5245F-statistic
294.8554
Durbin-Wat*onftft
261GH8PrflbfFAststistic)
4WOm
InvertedARRoots
47-47i47+47i47*47ii
-J1+7H-.&1・_?
1i
-.47+47i
不通过检验。
AR(3)SAR(4):
□■ptnMfil.血nM*¥
MethiidLearstSquares
DateUZ25巾Time:
19:
51
Sampl&|Adju«ted)1613&
Indudedlahservaiians121ahef□即[usiingeMpamts
ConvergenceaclwAedBfter7iterations
CM怖口测
SWEn-Or
l-SUhNic
叭
C
-0.000255
0.011379
■fl0(22421
0.9&22
-1.52S7K
D.0H47S
■18.49W3
000K
4351975
010A43
-1230825
OOOW
W)
-0.4786%
D.1D4427
4SB4037
0.0000
SAR(4)
-0.4S4H7
D.1307BD
•3MT4K
0.00IH
R-squared
04D2!
90hleandependefituar
)D042轉
AdjustedR-squwed
0J98B17S.D.dependentMBT
2.544449
5Eof闻gnswsKjri
0309370Akaikainfoertenon
24X5323
Sum$4u»r«ditM
7638923SchwwzaritHion
25?
085i
Logilikelihood
-143.5470F-statistic
2S7.4912
Durbin-Watscin引刮
2.290679Rrab(F.statislK)
0.0M0M
irhAHedAR