时间序列实验报告

更新时间:2023-06-14 10:53:24 阅读：评论：0

第三章平稳时间序列分析

选择合适的模型拟合1950-2008年我国邮路及农村投递线路每年新增里程数序列，见表1：

表1 1950-2008年我国邮路及农村投递线路每年新增里程数序列

单位：万公里

jessica biel讲课的技巧marerved是什么意思

年份	新增里程	年份	新增里程	年份	新增里程
1950	15.71	1970	26.39	1990	6.76
1951	24.43	1971	31.09	1991	-0.83
1952	18.23	1972	19.78	1992	4.67
1953	hurt22.50	1973	2.56	1993	11.68
1954	12.53	1974	12.95	1994	0.82
1955	9.94	1975	15.54	1995	8.54
1956	7.19	1976	3.97	1996	24.51
1957	41.13	1977	2.42	1997	28.91
1958	79.03	1978	0.31	1998	44.94
1959	119.32	1979	-5.10	1999	11.16
1960	-12.10	1980	-7.52	2000	11.08
1961	-89.71	1981	-7.69	2001	15.75
1962	-52.26	1982	1.61	2002	-0.31
1963	20.01	1983	4.46	2003	20.99
1964	19.92	1984	10.97	2004	6.50
1965	42.81	1985	15.15	2005	10.45
1966	18.78	1986	6.00	2006	-3.51
1967	-0.75	1987	-0.90	2007	23.42
1968	-1.08	1988	-3.22	2008	17.99

1969	5.09	1989	-8.54

一、时间序列预处理

（一）时间序列平稳性检验

1.时序图检验

（1）工作文件的创建。打开EViews6.0软件，在主菜单中选择 File/New/Workfile, 在弹出的对话框中，在Workfile structure type中选择Dated-regular frequency去英国留学考什么（时间序列数据），在Date specification下的Frequency中选择Annual(年度数)，在Start date中输入“1950”（表示起始年份为1950年），在End date中输入“2008”（表示样本数据的结束年份为2008年），然后单击“OK”，完成工作文件的创建。

（2）样本数据的录入。选择菜单中的Quick/Empty group(Edit Series)命令，在弹出的Group对话框中，直接将数据录入，并分别命名为year（表示年份），X（表示新增里程数）。

（3）时序图。选择菜单中的Quick/graph…，在弹出的Series List中输入“year x”,然后单击“确定”，在Graph Options中的Specifi中选择“harry houdiniXYLine”,然后按“确定”，出现时序图，如图1所示：

图1 我国邮路及农村投递线路每年新增里程数序列时序图

从图1中可以看出，该序列始终在一个常数值附近随机波动，而且波动的围有界，因而可以初步认定序列是平稳的。为了进一步确认序列的平稳性，还需要分析其自相关图。

2.自相关图检验

选择菜单中的Quick/Series ,在Series Name中输入x（表示作x序列的自相关图），点击OK，在Correlogram Specification中的Correlogram of 中选择Level，在Lags to include中输入24，点击OK，得到图2：

图2 我国邮路及农村投递线路每年新增里程数序列自相关图和偏自相关图

从图2可以看出，序列的自相关系数一直都比较小，除滞后1阶和3阶的自相关系数落在2倍标准差围以外，其他始终控制在2倍的标准差围以，可以认为该序列自始至终都在零轴附近波动，因而认定序列是平稳的。

（二）时间序列纯随机性检验

由于平稳序列通常具有短期相关性，这里构造延迟6期和12期的Q统计量，如表2：

表2 序列白噪声检验结果表

延迟阶数 brazen	Q统计量的值	P值
6	37.754	0.000
12	44.620	0.000

由表2可知，在各延迟阶数下Q检验统计量的P值都非常小（<0.0001），所以可以以很大的把握（置信水平>99.999%）断定我国邮路及农村投递线路每年新增里程数序列属于非白

噪声序列。从而可以对这个平稳非白噪声序列进行进一步分析建模及预测。

二、模型识别

从图2可以看出，序列的自相关图显示除了1-3阶的自相关系数在2倍标准差围之外，其他阶数的自相关系数都在2倍标准差围波动，既可以将其看成是拖尾也可以将其看成是3阶截尾；偏自相关系图显示除了2阶的偏自相关系数在2倍标准差围之外，其他阶数的偏自相关系数都在2倍标准差围波动，既可将其看成是拖尾也可将其看成是2阶截尾。从而将模型初步认定为:AR(2),MA(3)

三、参数估计

(一)AR(2)模型

在乐趣的意思Eviews6.0主菜单中选择Quick/Estimate Equation…,在弹出的对话框中，在Equation specification中输入“y c ar(1) ar(2)”在Method中选择LS-Least Squares (NLS and ARMA)；在Sample中输入“1950 2008”，然后按“确定”，即出现回归结果（如表3所示）：

表3 AR(2)模型回归结果

报答祖国

Dependent Variable: X
Method: Least Squares
Sample (adjusted): 1952 2008
Included obrvations: 57 after adjustments
Convergence achieved after 3 iterations


Variable	Coefficient	Std. Error	t-Statistic	Prob.


C	10.83741	3.234053	3.351029	0.0015
AR(1)	0.728590	0.113885	6.397592	0.0000
AR(2)	-0.544583	0.114077	-4.773838	0.0000


R-squared	0.453915	Mean dependent var		10.95316
Adjusted R-squared	0.433689	S.D. dependent var		26.47445
S.E. of regression	19.92298	Akaike info criterion		8.872821
Sum squared resid	21433.96	Schwarz criterion		8.980350
Log likelihood	-249.8754	Hannan-Quinn criter.		8.914610

本文发布于:2023-06-14 10:53:24，感谢您对本站的认可！

本文链接：https://www.wtabcd.cn/fanwen/fan/90/144641.html

上一篇：时间序列分析课程设计(最终版)

下一篇：Excel统计函数“F”系列，日常办公数据分析必备7大公式！

标签：序列新增里程

留言与评论（共有 0 条评论）