,我们对x进行一阶差分,并得到它的自相关和偏自相关系数图(见图三)Р图三(x一阶差分后的自相关和偏自相关系数)Р从图三的自相关和偏自相关分析图可知,序列的样本自相关系数呈衰减正弦波趋向于零,呈现为拖尾性;而偏自相关系数中除滞后二期的骗子相关系数显著于0外,其余各值均在0附近较小波动,呈现截尾性,初步判定该模型为AR(2)模型,所以不妨对该序列建立ARMA(1,1),ARMA(1,2)等模型。Р模型的估计及检验Р运用最小二乘估计,对一阶差分后的数据进行AR(1),AR(2),ARMA(1,1),ARMA(1,2)拟Р和Р估计Р图四(AR(1)模型估计)Р图五(ARMA(1,1)模型估计)Р最终可以得出只有在ARMA(1,1)中,它的R-squared和Adjusted R-squated较大,其值分别为0.60567和0.592,说明你和效果较好。且该模型中的p值为0.0001显著小于0.05,DW值为2.074显著接近于2,代表残差序列不存在自相关性,拟和效果良好.根据这些判断,我们可以认为ARMA(1,1)你和效果比较理想,因此最终选择ARMA(1,1)模型来拟合该模型,对他进行描述,模型形式为:, Р模型的预测Р通过以上估计及检验我们已经求的较为理想的模型,而且它也符合实际意义。通过预测可以得到Р通过模型预测可以得出2011年的中国全体居民消费指数为106.4,这与实际值106.8相差不大,同理可以预测2012年的中国全体居民的消费指数为107.3,这对预测中国未来经济的发展具有较好的预测作用。Р三参考文献Р[1]王黎明等,应用时间序列分析,复旦大学出版社,2009.03Р[2]顾岚.时间序列分析在经济中的应用,北京;中国统计出版社, 1998Р[3]张德远,经济时间序列分析.上海;上海财经大学出版社,1996Р[4]何书元.时间序列分析.北京;北京大学出版社,2003
全文预览
