实验报告-时间序列

sonstat2.318205InvertedARRoots      1.07     .28+.89i   .28-.89i     -.18-.65+.51i    -.65-.51iEstimatedARprocessisnonstationaryInvertedMARoots      1.17     .35+1.15i   .35-1.15i-.63-.54i-.63+.54iEstimatedMAprocessisnoninvertible从回归结果可以看出,ARMA(6,5)模型估计的AR已不稳定的,MA是不可逆的,因此不用再考虑了。(4)用F检验定阶法确定模型阶数设模型ARMA(4,3)为:=++++---原假设为::==0,==0那么为模型ARMA(4,3)的残差平方和,为模型ARMA(2,1)的残差平方和,由上面的回归结果可知:=6424.210,=7456.629。所以:F=~F(4,70-4-3)代入数据得:F=2.53,在显著性水平=0.05的情况下,查F分布表可得(4,60)=2.53,即F=,可以认为模型ARMA(4,3)与模型ARMA(2,1)的差异并不显著。但ARMA(2,1)模型的回归结果中AR(2)与MA(1)在显著性水平=0.05的情况下都未通过显著性检验,而ARMA(4,3)模型除AR(4)未通过显著性检验外,其他的都通过了显著性检验,所以选择ARMA(4,3)模型。3.模型参数估计因为已确定模型为ARMA(4,3),所以可由上面的回归结果得到:=++++-++4.模型的适用性检验——散点图法对ARMA(4,3)模型,在Eviews命令行中输入:genra3=residscata3a3(-1)可以得到ARMA(4,3)模型的对的散点图:从上图看不出有相关趋势,说明不存在相关性,因此可以初步认为ARMA(4,3)模型是适应的模型。