ARIMA模型建模

ARIMA模型建模例：对1952-1988年中国农业实际国民收入指数序列建模ARIMA模型建模步骤获得观察值序列平稳性检验差分运算YN白噪声检验Y分析结束N拟合ARMA模型一、创建数据文件li5.6.wf1二、判断序列的平稳性1.时序图Plotx时序图显示该序列有显著的趋势，为典型的非平稳序列2.单位根检验2.单位根检验单位根检验结果单位根检验结果单位根检验结果单位根检验结果三、平稳化处理因为原序列呈现出近似线性趋势，需要进行一阶差分，命令：genrdx=D(x)差分后序列的时序图时序图显示出差分后序列在均值附近比较稳定地波动。为了进一步确定平稳性，考察差分后序列的自相关图自相关图显示序列有很强的短期相关性差分后序列单位根检验结果差分后序列单位根检验结果差分后序列单位根检验结果差分后序列单位根检验结果四、平稳的1阶差分序列进行白噪声检验五、拟合ARMA模型偏自相关拖尾、自相关一步截尾，建立MA(1)模型，因为序列进行了一阶差分，所以实际上是ARIMA(0,1,1)模型注意输入D(x)而不是差分后的数据，这样建立的是原序列X的ARIMA模型而不仅是针对差分后序列的MA模型，预测的是X取值，不是差分后序列的取值参数估计结果六、残差检验残差为白噪声，模型信息提取充分；模型参数显著，模型精简，因此建立的ARIMA（0，1，1）模型合格,模型具体情况如下式：（1-B）X=5.0156+(1-0.7082B)et七、预测扩展样本空间动态预测：注意选择要预测的序列，原序列，差分序列静态预测将1952-1988年的静态预测的预测值和方差复制到动态预测的相应结果中，绘制预测序列图plotxfxxf+1.96*vxfxf-1.96*vxf练习平稳性检验和非平稳序列的平稳化处理1.数据文件:lx4-1.wf1;lx4-2.wf1;lx4-3.wf1（1）用时序图，相关图，单位根检验判断平稳性；（2）对非平稳序列用差分法实现平稳。