>
对数据做一阶差分,令dim=im-im(-1),对dim做折线图:
附图
图2
由图2可见,一阶差分后,dim已经消除了趋势,做单位根检验(c,0,0):
表3
ADF Test Statistic -3.863289 1% Critical Value* -2.6522
5% Critical Value -1.9540
10% Critical Value -1.6223
可见,dim已经是平稳序列,可以在1%的显著性水平下通过检验。
再对dim做相关图和偏相关图,识别模型(滞后10期)。
表4
附图
(**为1%显著性水平,*为5%显著性水平)
由于相关系数和偏相关系数在一期后都落入随机区间,可以认为dim符合ARMA(1,1)模型(对原序列im则是ARIMA(1,1,1))
估计结果如表5:
Variable Coefficient Std.Error t-Statistic Prob.
C 25800.83 9540.483 2.704353 0.0121
AR(1) 0.593686 0.154698 3.837696 0.0008
MA(1) -0.989948 0.000724 -1366.613 0.0000
拟合后的方程dim=25800.8+0.5937dim(-1)-0.8899
调整后的R-squared=0.53,DW=1.88,AIC=5.60,MAPE=5.1。可见,模型设定合理。特征方程的根在单位圆外,所以dim序列是平稳的随机过程。另外,残差序列白噪声的相伴概率(P-Q=0.982)显示残差满足独立性。我们用1931年和1932年的数据来做模拟预测
上一页 [1] [2] [3] [4] [5] 下一页