1、检验结果显示，差分后序列蕴含很强的相关信息，不能视为白噪声序列。考察自相关图和偏自相关图的性质，自相关图显示延迟12步自相关系数显著大于2倍标准差，说明该序列仍蕴含着非常明显的季节效应。与观察偏自相关图得到的结论一致。根据差分后的序列的自相关图和偏自相关图的性质，尝试拟合ARMA模型，拟合效果均不理想，拟合残差均通不过白噪声检验。反复尝试结果均不理想，说明简单的ARMA模型并不适合于拟合这个序列。考虑到该序列既具有短期相关性又具有季节效应，短期相关性和季节效应不能简单地、可加性地提取，因而估计该序列的季节效应和短期相关性之间具有复杂的关联性。尝试使用乘积模型来拟合序列的发展。Estimate
2、p=1 q=（1）（12）；白噪声检验结果如下：根据最小二乘法，推出常数项和AR1,1不显著，所以去掉常数项和AR1,1进行拟合。Estimate q=（1）（12）noint；残差白噪声检验显示拟合模型有效。参数显著性检验结果显示两个参数均显著。因此，拟合模型的具体形式如下：=（1-0.37727B）（1-0.57236*B12）forecast lead=5 id=time out=out;预测结果：数据二.原始数据的序列时序图如下 由时序图可以明显看出该序列为非平稳序列。同时可以该序列具有一定的趋势性与周期性。对原序列作1阶差分，希望提取原序列的趋势效应，差分后序列时序图如下：时序图显示
3、差分后序列类似平稳。考察差分后序列自相关图的性质，从自相关图看可出，延迟7，14，21次的自相关系数显著大于2倍标准差，说明该序列仍蕴含着非常明显的季节效应。故再对其进行7步周期差分，提取季节波动信息：从差分后的时序图发现序列类似平稳，再观察自相关图；从ACF图可看出序列为7阶截尾。可选择MA（7）来进行模拟。estimate q=7;最小二乘估计参数如下：发现MU MA1,2 MA1,3 MA1,4 MA1,5 MA1,6均不显著。故可说明该模型不适合进行模拟。重新进行最优定阶，identify var=diff1_7 nlag=32 minic p=（0:7） q=（0:7）;故选取ARMA（1，1）进行模拟。结果显示MU不显著，其他参数显著。故除去常数项。estimate p=1 q=1 noint;显然参数都显著。观察残差自相关检验结果：PVALUE均0.05 证明模型拟合有效。预测5期得
升级会员 