6935.9198436.1195539.6197035.3198535.1195634.6197135.2198638.5195736.2197239.5198736.1195837.6197337.5198838.1195936.8197435.8198935.8196038.1197538.4199037.5196140.6197635199135.7196237.1197734.1199237.5196339197837.5199335.8?三、实验过程序列预处理平稳性检验(如不平稳,适当差分平稳化)包括图形检验(如图所示):由图可知,数据平稳。将其进行差分平稳化得到如下图所示:为了使研究更加精准,适当采用差分对序列在进行平稳化处理,对气温变化进一步分析预测。从而我们对数据进行一阶差分。纯随机性检验(如是白噪声分析结束,如不是进入第二步)在Eviews中进行白噪声检验分析,得下图:如图可知,Prob值<0.05,为非白噪声。所以,进行一下建模等相关分析、检验、优化。建模分析自相关和偏自相关图进行模型的确定和定阶进行一阶差分后,得到自相关与偏自相关系数如下图所示:由图分析可知,该模型为一阶自相关、二阶偏自相关。估计参数当完成(三)所示图可得,参数估计结果为:(1-B)xt=-0.015139+εt-0.977081εt-1检验(参数显著性检验和模型有效性检验 ——分别对MA(1)、AR(1)、ARMA(1)模型进行检验)MA(1)模型检验:如图所知,Prob值<0.05,模型显著。AR(1)模型检验:如图所知,Prob值<0.05,模型显著。MAAR(1)模型检验:如图所知,Prob值>0.05,模型不显著。第三,预测就模型所反映的问题给出针对性的政策建议由于对某地区个年年平均气温时间序列分析,温度的不断变化,为了更好地生活发展,我们要降低热排放,以及环境的破坏等。
全文预览
