法的滞后偏差之外,对初始值的问题也有改进。初始值取新序列的第一期数据对于未来预测值不会有多大影响。其次,它使一些原来需要运用配合直线趋势模型处理的情况可用这种组合模型来取代。5.3问题二模型的求解5.3.1时间序列模型的求解在此,仅以西安家庭汽车拥有量为例预测出2020年的相应指标过程作详细阐述。1、利用SPSS软件对2000年到2012年西安家庭汽车拥有量的模型进行拟合检验,所建立的模型为三阶差分模型,具有较好平稳性,所得拟合度数值如表5-1所示。表5-1模型拟合度检验拟合统计量均值SE最小值最大值百分位5102550759095平稳的R方.8020.802.802.802.802.802.802.802.802.802R方.9940.994.994.994.994.994.994.994.994.994正态化的BIC2.31802.3182.3182.3182.3182.3182.3182.3182.3182.318由表5-1可知,该拟合模型的R方较大且正态化的BIC数值较小,说明该模型的拟合度较好。2、利用时间序列预测出2013年至2020年的西安私人轿车拥有量如表5-2所示。表5-22013年至2020年的西安私人轿车拥有量年份20132014201520162017201820192020西安私人轿车拥有量(万辆)103.4125.1150.6179.2211.8248.2288.9333.9同时我们可以得到先轿车拥有量的自相关系数的图形(ACF)和偏自相关系数(PACF),如图5-3所示。图5-3自相关系数(ACF)和偏自相关系数(PACF)的图形由ACF图可以看出,该时间序列的自相关系数呈负指数收敛到零,其衰减速的较快是平稳时间序列。由PACF图该时间序列的偏相关系数在各滞后期均处于置信区间之内,说明该时间序列不具有周期性,是平稳时间序列。拟合曲线见下图所示。
全文预览
