运用Eviews软件进行ARIMA模型的识别、诊断、估计和预测 |
您所在的位置:网站首页 › eviews进行预测 › 运用Eviews软件进行ARIMA模型的识别、诊断、估计和预测 |
j 0
, 它是关于 j 的函数, 因此我们也称之为自相关函数, 通常记 ACF(j) 。 偏自相关函数 PACF(j) 度量了消除中间滞后项影响后两滞后变量之间的相关关系。
三、实验内容及要求
1 、实验内容:
根据 1991 年 1 月~ 2005 年 1 月我国货币供应量(广义货币 M2 )的月度时间数据来说 明在 Eviews3.1 软件中如何利用 B-J 方法论建立合适的 ARIMA ( p,d,q )模型,并利用此模 型进行数据的预测。
2 、实验要求:
( 1 )深刻理解上述基本概念;
( 2 )思考:如何通过观察自相关,偏自相关系数及其图形,利用最小二乘法,以及信息准 则建立合适的 ARIMA 模型;如何利用 ARIMA 模型进行预测;
( 3 )熟练掌握相关 Eviews 操作。
四、实验指导
1 、 ARIMA 模型的识别
( 1 )导入数据
打开 Eviews 软件,选择 “File” 菜单中的 “New -- Workfile” 选项,出现 “Workfile Range” 对 话框,在 “Workfile frequency” 框中选择 “ Monthly ” ,在 “Start date” 和 “End date” 框中分别输入 “ 1991:01 ” 和 “ 2005:01 ” ,然后单击 “OK” ,选择 “File” 菜单中的 “Import --Read Text-Lotus- Excel” 选项, 找到要导入的名为 EX6.2.xls 的 Excel 文档, 单击 “ 打开 ” 出现 “Excel Spreadsheet Import” 对话框并在其中输入相关数据名称 (M2) ,再单击 “OK” 完成数据导入。
( 2 )模型的识别
首先利用 ADF 检验,确定 d 值,判断 M2 序列为 2 阶非平稳过程(由于具体操作方法 我们在第五章中予以说明,此处略) ,即 d 的值为 2 ,将两次差分后得到的平稳序列命名为 W2 ; 下 面 我 们 来 看 W2 的 自 相 关 、 偏 自 相 关 函 数 图 。
打 开 W2 序 列 , 点 击 “ V iew”—“ C orrelogram” 菜单,会弹出如图 5 - 1 所示的窗口,
t Y j |
今日新闻 |
点击排行 |
|
推荐新闻 |
图片新闻 |
|
专题文章 |
CopyRight 2018-2019 实验室设备网 版权所有 win10的实时保护怎么永久关闭 |