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 “c2 c ma(1) ma(2) ma(3) ma(4) ar(1) ar(2) ar(3) ar(4)”,在”Estimation Setting”中选择”ls-least Squares(NLS and ARMA)”然后”OK”得结果:   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