ARIMA模型例题

可编辑

ARIMA模型例题：5.6

（1）时序图——判断序列的非平稳性

时序图显示，该序列有显著的趋势，为典型的非平稳序列。

（2）差分后的时序图：

----------------------------------------------------------------------

可编辑

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邦开头的四字成语 冷门大学 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，所以可以初步认为1阶差分后序列平快乐学习手抄报 稳。自相关系

数一阶截尾。

（3）对平稳后的1阶差分序列进行白噪声检验

----------------------------------------------------------------------

可编辑

P值小于0.05，非白噪声序列，差分后序列还读书手抄报文字 蕴含着相关信息需要提取。

（4）对平稳非白噪序列拟合ARMA模型

1汶川地震作文 阶差分后的偏自相关图：

显示出显著的苹果的单词怎么写 不截尾性。用MA（1）拟合1阶差分后序列。

所以用ARIMA(0，1，1)模型拟合原序列。拟合结果的公式见146页。

（5）对残差序列进行检验——见147页

(6) ARIMA模型预测：

预测的值在work中的res里。

----------------------------------------------------------------------

可编辑

程序：

data hh;

difx=dif(x);

input year x@@;

cards;

run;

proc gplot;

plot (x difx)*year;

symbol c=black i=line关于坚持的事例 v=star;

run;

proc arima;

identify var=x(1) nlag=18;

estimate q=1;

forecast lead=5 id=year out=res;

run;

proc gplot data=res;

plot x*year=1 for骆驼祥子道理 ecast*year=2 u95*year=3 l95*year=4/经济合作社 overlay;

symbol1 c=black v=star i=none;

symbol2 c=blue v=none i=line;

symbol3 c=red v=none i=line;

symbol4 c=red v=none i=line;

run;

----------------------------------------------------------------------