参数估计没有通过显著性检验,常数C的系数不显著,所以需去掉常数C后重新建立模型。图5改进的拟合AR(1)模型结果此时模型的特征值在单位圆内,所以模型是平稳的。模型参数的估计值通过了t检验,且DW值接近于2,模型是显著的。(4)模型的检验:对模型的残差序列进行白噪声检验:图6残差序列的自相关图有图6知,P值都比较大,故模型的残差序列为白噪声。综合,AR(1)模型是显著有效的。1拟合的模型方程为:dx,,tt1,0.76203B对序列{d(x)}进行预测(蓝线代表预测值,红线代表置信区间的值):图7差分序列{d(x)}预测值与预测区间,,AR1(5)利用拟合模型,预测未来4个月的企业商品价格总指数(蓝线代表预测值,红线代表置信区间的值)。图8总指数预测值与预测区间表2未来4个月的企业商品价格总指数及误差未来4个月预测总指数误差1108.29040.8658612107.82581.7536363107.47182.6799234107.20213.602977由企业商品价格总指数预测值及误差计算企业商品价格总指数的置信区间如表3所示:表3未来4个月的企业商品价格总指数的置信区间未来4个月预测总指数置信区间[106.5933109.9875]12[104.3887111.2629]3[102.2192112.7245]4[100.1402114.2639]故预测2011年未来4个月的企业商品价格总指数分别为:108.2904、107.8258、107.4718、107.2021,且随着时间的推移预测误差有增大的趋势。参考文献[1]张晓峒.计量经济学软件Eviews使用指南.南开大学出版社,2003年7月.[2]杜勇宏,王健.季节时间序列理论与应用.南开大学出版社,2008年6月.[3]高铁梅.计量经济分析方法与建模.Eviews应用及实例[M],北京:清华大学出版社,2006年.
全文预览
