Vi-swProc]i:
|ixerties|TVrt]Mai-ri*jFireeM]Genr[StiBetjStatsJXdanl]丄E丘曰
Car<^lA|jramnlRrsn
Oai^.DO/T1/CcTimi21.47
^Ftrr.plr[弔fl1"9R
Um^Lded□.S^erratiq-^4Q
QSLAPrg.b
Auiccui'』AlOnP-altdlCail巳皿1匚n
GB-rr4h«¥7-
图2:
残差的平稳性和纯随机性检验
对残差序列进行白噪声检验,可以看出ACF和PACF都没有显著异于零,Q统计量
的P值都远远大于0.05,因此可以认为残差序列为白噪声序列,模型信息提取比较充分。
常数和滞后一阶参数的P值都很小,参数显著;因此整个模型比较精简,模型较优。
四、模型优化
当一个拟合模型通过了检验,说明在一定的置信水平下,该模型能有效地拟合观察值序列的波动,但这种有效模型并不是唯一的。
当几个模型都是模型有效参数显著的,此时需要选择一个更好的模型,即进行优化。
优化的目的,选择相对最优模型。
优化准则:
最小信息量准则(AnInformationCriterion)
指导思想
似然函数值越大越好
未知参数的个数越少越好
AIC准则的缺陷
在样本容量趋于无穷大时,由AIC准则选择的模型不收敛于真实模型,它通常比真
实模型所含的未知参数个数要多
AICnln(?
2)2(未知参数个数)
SBCn|n(?
2)ln(n)(未知参数)
但是本例中滞后二阶的参数不显著,不符合精简原则,不必进行深入判断。
第四章非平稳时间序列的确定性分析
第三章介绍了平稳时间序列的分析方法,但是自然界中绝大多数序列都是非平稳的,因
而对非平稳时间序列的分析跟普遍跟重要,人们创造的分析方法也更多。
这些方法分为确定
性时序分析和随机时序分析两大类,本章主要介绍确定性时序分析方法。
一个序列在任意时刻的值能够被精确确定(或被预测),则该序列为确定性序列,如正
弦序列、周期脉冲序列等。
而某序列在某时刻的取值是随机的,不能给以精确预测,只知道取某一数值的概率,如白噪声序列等。
Cramer分解定理说明每个序列都可以分成一个确定序列加一个随机序列,平稳序列的两个构成序列均平稳,非平稳时间序列则至少有一部分不
平稳。
本章先分析确定性序列不平稳的非平稳时间时间序列的分析方法。
确定性序列不平稳通常显示出非常明显的规律性,如显著趋势或者固定变化周期,这种
规律性信息比较容易提取,因而传统时间序列分析的重点在确定性信息的提取上。
常用的确定性分析方法为因素分解。
分析目的为:
①克服其他因素的影响,单纯测度某
一个确定性因素的影响;②推断出各种因素彼此之间作用关系及它们对序列的综合影响。
一、趋势分析
绘制序列的线图,观测序列的特征,如果有明显的长期趋势,我们就要测度其长期趋势,
测度方法有:
趋势拟合法、平滑法。
(一)趋势拟合法
1.线性趋势拟合
例1:
以澳大利亚政府1981-1990年每季度消费支出数据为例进行分析。
图1:
导入数据
图2:
绘制线图,序列有明显的上升趋势
长期趋势具备线性上升的趋势,所以进行序列对时间的线性回归分析。
图3:
序列支出(zc)对时间(t)进行线性回归分析
Eh已廿4戶什=rn-Qii皿CiQpirre血irdow吐哪
Estirra^;F
Viwi]^rwjOolett:
F'rirtjhki^ne|Fr«ie
ob
Vle^l-'rocjub
tdre«id
>/a*iatile
Cn&ffiticrt
StdError
Pnh
£
849B£S8
137S174B1.E2150
0.0003
T
C9.1225I
5.0E219315.70233
0.0003
Rccua^d
oaseeoi
Moandopcndont口
10325.70
AdjustedR-equsreid
0355K8
£D.deDprdentvar
112^1273
SFot'tPcrA?
^or
0刀
AcflikPnfrcrt^flcn
IE00474
Sumscursdheld
6S60.35r
Schwancriterion
150891?
Loglikelihood
-290C946
F-ettflslIc
231.1291
□urbin-WBl&onstil
^.21C3j4
P'obfr
OJOOOOJ
DependemVartabfeiZC
NktliodLtscjslSquares
Date.O3H1fCSTime.12:
52
SarTjjle:
140
IrciLded□asfirYitiois.上口
WaHwE.[DB・norT||卿・88大和E消貨农世
图4:
回归参数估计和回归效果评价
可以看出回归参数显著,模型显著,回归效果良好,序列具有明显线性趋势。
JtiFfiCQEt
Forica&t
|l4Q
foricastof
Eqna.tiMUWTITLEDS^riZC
Method
StaticforiecQ-EtG1OiyTL:
HJTi1CE1FlA^111d*;円啊1
OuHtput‘
R?
Per电亡址Etgr^pK
JF^r^etsttviliiti
»InsertactualsforQTit^of^sajmplsobs
Cancel
图5:
运用模型进行预测
目*giit2讨》"址月w^rn;』」1讣r7ig-!
lnin-屮牛
|V幻h|PmupObiPGIPrIM|NnrwlFrpgp|Estim试ej刊i■仇吉MSt•訥宣}口缶记计
mil
liftDO.
11£»D
4帧
ULWU
仙1
「口电二⑷―冃比-讯啟…巧■嚴;^toaHtaah」加
册」低箱〉卄m3.^12300J2DCHJnrnnmnLI.LJ8LBj:
6
DJ4ICB6
^recajE比F
AH财;ZC
Farficaft=arr|pb-14D
I『沪lu龙■叩ebc*njmwc!
**
Fi4n
6ODD-
图6:
预测效果(偏差率、方差率等)
图7:
绘制原序列和预测序列的线图
图&原序列和预测序列的线图
■WHkfile■SeriesRISIG瓯Mb噢大和亚辅薮吏出LIMiti胡BRH
■G“p期跖山驭艸时昨
Vir2|nr0:
|Ob}t:
Range;I;41
SsmuleI4[
引曲[口仪心尉|Aod怙或扎f/sfrada]RBma呵J屮paL$|心pbo制Eccm|
t1TL2函叼000