noconstant ar(1,12)Р. predict ehat4,residualР(13 missing values generated)Р. wntestq ehat4РPortmanteau test for white noiseР---------------------------------------Р Portmanteau (Q) statistic = 68.0750Р Prob > chi2(40) = 0.0037Р失败Р. arima S12Dp, ar(1,12,13) 在wntestq时也失败了Рⅲ对序列{S12Dp}拟合ARIMA((1,12)(1,12))模型Р. arima S12Dp, noconstant ar(1,12) ma(1,12) 在wntestq时也失败了Р序列{S12Dp}所具有的短期相关性和季节效应用加法模型无法充分、有效提取,这两者之间具有更复杂的关系,Р不妨假定为乘积关系,尝试用乘积模型来拟合序列的发展。Р②乘法季节模型Р先考虑{S12Dp}的短期相关性。观察12阶以内(包括12阶)的自相关系数和偏自相关系数,两者均拖尾,所以尝试用ARMA(1,1)模型提取差分后序列的短期自相关信息。Р再考虑{S12Dp}的季节相关性(季节效应本身还具有相关性)。观察以12期为单位的自相关系数和偏自相关系数,前者1阶截尾,后者拖尾,所以用以12步为周期的ARMA(0,1)12即MA(1)12模型提取序列{S12Dp}的季节自相关信息。Р综上所述,(对原序列)拟合模型:ARIMA1,1,1×(0,1,1)12 Р. arima S12Dp, arima(1,0,1) sarima(0,0,1,12)Р截距项,参数θ1和参数θ12均不显著。Р季节效应如此明显的序列{S12Dp}居然难以构建乘积季节模型。回到ARIMA模型:
全文预览
