1、应用时间序列分析实验手册2目 录目 录 .2第二章 时间序列的预处理 .3一、平稳性检验 .3二、纯随机性检验 .9第三章 平稳时间序列建模实验教程 .10一、模型识别 .10二、模型参数估计（如何判断拟合的模型以及结 果写法） .13三、模型的显著性检验 .17四、模型优化 .18第四章 非平稳时间序列的确定性分析 .19一、趋势分析 .19二、季节效应分析 .34三、综合分析 .38第五章 非平稳序列的随机分析 .44一、差分法提取确定性信息 .44二、ARIMA 模型 .58三、季节模型 .623第二章 时间序列的预处理一、平稳性检验时序图检验和自相关图检验（一）时序图检验 根据平稳时间
2、序列均值、方差为常数的性质，平稳序列的时序图应该显示出该序列始终在一个常数值附近随机波动，而且波动的范围有界、无明显趋势及周期特征例 2.1检验 1964 年1999 年中国纱年产量序列的平稳性1.在 Eviews 软件中打开案例数据图 1：打开外来数据4图 2：打开数据文件夹中案例数据文件夹中数据文件中序列的名称可以在打开的时候输入，或者在打开的数据中输入图 3：打开过程中给序列命名图 4：打开数据52.绘制时序图可以如下图所示选择序列然后点 Quick 选择 Scatter 或者 XYline；绘制好后可以双击图片对其进行修饰，如颜色、线条、点等图 1：绘制散点图图 2：年份和产出的散点图
3、6010203040506019601970198019020YEAROUTP图 3：年份和产出的散点图（二）自相关图检验例 2.3导入数据，方式同上；在 Quick 菜单下选择自相关图，对 Qiwen 原列进行分析；可以看出自相关系数始终在零周围波动，判定该序列为平稳时间序列。图 1：序列的相关分析7图 2：输入序列名称图 2：选择相关分析的对象图 3：序列的相关分析结果:1. 可以看出自相关系数始终在零周围波动，判定该序列为平稳时间序列 2.看 Q 统计量的 P 值：该统计量的原假设为 X 的 1 期，2 期k 期的自相关系数均等于 0，备择假设为自相关系数中至少有一个不等于 0，因此如图
4、知，该 P 值都5%的显著性水平,所以接受原假设,即序列是纯随机序列,即白噪声序列(因为序列值之间彼此之间没有任何关联,所以说过去的行为对将来的发展没有丝毫影响,因此为纯随机序列,即白噪声序列.) 有的题目平稳性描述可以模仿书本 33 页最后一段.（三）平稳性检验还可以用：8单位根检验：ADF,PP 检验等；非参数检验：游程检验图 1：序列的单位根检验图 2：单位根检验的方法选择表示不包含截距项9图 3：ADF 检验的结果：如图，单位根统计量 ADF=-0.016384 都大于 EVIEWS 给出的显著性水平 1%-10%的 ADF 临界值，所以接受原假设，该序列是非平稳的。二、纯随机性检验计算 Q 统计量，根据其取值判定是否为纯随机序列。例 2.3 的自相关图中有 Q 统计量，其 P 值在 K=6、12 的时候均比较大，不能拒绝原假设，认为 该序列是白噪声序列。另外，小样本情况下，LB 统计量检验纯随机性更准确。10第三章 平稳时间序列建模实验教程一、模型识别1.打开数据图 1：打开数据2.绘制趋势图并大致判断序列的特征图 2：绘制序列散点图
