二，ARIMA模型的建立
show c2
点击”View”---“Correlogram”菜单,在选择lag=12得:
C2的自相关函数1~4阶都是显著的,并且从第5阶开始下降很大,数值也不是太显著,因此我们先设q值为4.c2的偏自相关函数1,2阶都是很显著,但第3阶不是很显著,而第4有很显著.第4阶后都不显著.所以初步可以建立两个模型ARMA(2,4)和ARMA(4,4).
我们对先模型AR2MA(4,4)进行估计.
点击”Quick”---“Estimate Equation”,在弹出的窗口中,在”Equation Specificition”空白中键入
“c
|
Variable |
Coefficient |
Std. Error |
t-Statistic |
Prob. |
|
C |
0.676097 |
1.232533 |
0.548543 |
0.6806 |
|
AR(1) |
0.215108 |
0.673531 |
0.319373 |
0.8032 |
|
AR(2) |
-0.774774 |
0.818263 |
-0.946852 |
0.5174 |
|
AR(3) |
0.332132 |
0.997063 |
0.333110 |
0.7953 |
|
AR(4) |
-0.271051 |
0.280775 |
-0.965367 |
0.5112 |
|
MA(1) |
-0.052958 |
0.736639 |
-0.071892 |
0.9543 |
|
MA(2) |
0.180769 |
0.515729 |
0.350512 |
0.7854 |
|
MA(3) |
-0.000620 |
0.315841 |
-0.001963 |
0.9988 |
|
MA(4) |
0.923063 |
0.000743 |
1242.359 |
0.0005 |
|
R-squared |
0.982927 |
Mean dependent var |
-0.670000 | |
|
Adjusted R-squared |
0.846344 |
S.D. dependent var |
5.917967 | |
|
S.E. of regression |
2.319783 |
Akaike info criterion |
4.018239 | |
|
Sum squared resid |
5.381391 |
Schwarz criterion |
4.290566 | |
|
Log likelihood |
-11.09119 |
F-statistic |
7.196550 | |
|
Durbin-Watson stat |
3.082490 |
Prob(F-statistic) |
0.280996 | |
除了ma(4)的系数是显著的,其他都不显著.
对模型进行诊断,点击”View”---“Residual test”---“Correlogram---Q---statistics”,并且lag=12,点击”OK”得
模型较好。
选择不同的p,q得结果：
|
p |
4 |
4 |
4 |
3 |
2 |
3 |
|
q |
4 |
3 |
2 |
4 |
4 |
3 |
|
AIC |
4.018239 |
4.022908 |
4.680786 |
5.028890 |
5.679550 |
6.210182 |
按AIC准则ARMA(4,4)是最好的模型.
最后选择的模型为AR2MA(4,4)
评论