1、重庆工商大学数学与统计学院统计专业实验课程实验报告 实验课程: 统计专业实验 指导教师: _叶勇 专业班级: 09级统计二班 学生姓名: _陈文慧 学生学号: _2009101218 实 验 报 告实验项目实验五 平稳时间序列建模实验日期2012.3.27实验地点80608实验目的掌握平稳时间序列的识别、建模,模型识别过程。实验内容由某市1985-1994年各月工业生产总值数据,建立随机时间序列预测模型。(数据见文件 ex5-某市19851993年各月工业生产总值.sav)(1)作序列图,进行简单平稳分析,并进行初步处理(2)进行自相关分析,对模型进行识别(3)进行模型估计,包括定阶检验和适应
2、性检验。实验思考题解答:1由ACF和PACF函数进行模型识别的思路如何?分别观察ACF和PACF函数,如果某一模型的ACF函数呈指数衰减或正弦波衰减并趋于零,即呈拖尾性,PACF函数是p阶截尾的,该模型为AR(p)模型;如果ACF函数是q阶截尾,PACF是拖尾的,则为MA(q)模型;如果ACF和PACF函数都呈拖尾,则为ARMA(p,q)模型。如下表所示:模型自相关系数偏自相关系数AR(p)拖尾p阶截尾MA(q)q阶截尾拖尾ARMA(p,q)拖尾拖尾2模型定阶的方法由哪些?模型定阶的方法有下列几种:(1)基于自相关系数和偏自相关系数的定阶方法;(2)基于F检验的定阶方法;(3)利用信息准则(即
3、AIC准则和BIC准则)的定阶方法。实验运行程序、基本步骤及运行结果:1. 作序列图,进行简单平稳分析,并进行初步处理(1) 打开SPSS数据文件,创建时间变量t;(2) 作序列图,操作如下:Analyze-Time Series-Sequence chart,会弹出一个对话框,将工业产值放入变量框,t放入时间轴,点ok得到的序列图如下:从时序图可以看出,工业产值有明显的递增趋势,并呈现出规则周期性,该序列不是平稳序列。(3) 对数据做一阶差分,Transform-Create Time Series,调出建立时间序列新变量的主界面,将工业产值放入变量框,Function选择Differenc
4、e函数,order为1,得到新变量,做出时序图如下:一阶差分以后得到一个平稳的时间序列,在0附近随机波动。2. 进行自相关分析,对模型进行识别(1)运用SPSS绘制ACF和PACF函数图象,操作如下:Analyze-Time Series-Autocorrelations,弹出对话框,将工业产值放入变量框,并选择一阶差分转换,即在Difference处打钩,框内填1。得到自相关和偏自相关: 自相关函数ACF和偏自相关函数PACF的图象都呈拖尾性,属于ARMA模型。(2)拟合ARMA(1,1)模型,Analyze-Time Series-Create Models,弹出对话框,将DIFF(工业产
5、值,1)放入变量框,method选择ARIMA,参数设置p=1,q=1,-continue,点击ok,得到结果如下:Model DescriptionModel TypeModel IDx1Model_1ARIMA(1,0,1)Model FitFit StatisticMeanSEMinimumMaximumPercentile5102550759095Stationary R-squared.262.262.262.262.262.262.262.262.262.262R-squared.262.262.262.262.262.262.262.262.262.262RMSE1.762.1.
6、7621.7621.7621.7621.7621.7621.7621.7621.762MAPE194.494.194.494194.494194.494194.494194.494194.494194.494194.494194.494MaxAPE4.466E3.4466.0234466.0234.466E34.466E34.466E34.466E34.466E34.466E34.466E3MAE1.233.1.2331.2331.2331.2331.2331.2331.2331.2331.233MaxAE5.521.5.5215.5215.5215.5215.5215.5215.5215.5
7、215.521Normalized BIC1.264.1.2641.2641.2641.2641.2641.2641.2641.2641.264Model StatisticsModelNumber of PredictorsModel Fit statisticsLjung-Box Q(18)Number of OutliersStationary R-squaredStatisticsDFSig.x1-Model_10.262135.86216.0000能通过白噪声检验,但是R2很小,拟合度不好。3. 进行模型估计,包括定阶检验和适应性检验若不进行差分,直接模拟AR(1)模型,结果如下:
8、Model FitFit StatisticMeanSEMinimumMaximumPercentile5102550759095Stationary R-squared.789.789.789.789.789.789.789.789.789.789R-squared.789.789.789.789.789.789.789.789.789.789RMSE2.092.2.0922.0922.0922.0922.0922.0922.0922.0922.092MAPE9.383.9.3839.3839.3839.3839.3839.3839.3839.3839.383MaxAPE56.969.56.
9、96956.96956.96956.96956.96956.96956.96956.96956.969MAE1.487.1.4871.4871.4871.4871.4871.4871.4871.4871.487MaxAE7.509.7.5097.5097.5097.5097.5097.5097.5097.5097.509Normalized BIC1.563.1.5631.5631.5631.5631.5631.5631.5631.5631.563Model StatisticsModelNumber of PredictorsModel Fit statisticsLjung-Box Q(18)Number of OutliersStationary R-squaredStatisticsDFSig.工业产值-Model_10.789148.20217.0000 直接模拟AR(1)模型的效果更好,R2达到0.789。所以最终选择AR(1)模型。6
copyright@ 2008-2022 冰豆网网站版权所有
经营许可证编号:鄂ICP备2022015515号-1