Eviews中的ARMA模型的识别,定阶,建模_第1页
Eviews中的ARMA模型的识别,定阶,建模_第2页
Eviews中的ARMA模型的识别,定阶,建模_第3页
Eviews中的ARMA模型的识别,定阶,建模_第4页
Eviews中的ARMA模型的识别,定阶,建模_第5页
已阅读5页，还剩2页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

.,13.4自回归移动平均模型ARMA(p,q)一、自回归移动平均模型的概念如果平稳随机过程既具有自回归过程的特性又具有移动平均过程的特性，则不宜单独使用AR(p)或MA(q)模型，而需要两种模型混合使用。由于这种模型包含了自回归和移动平均两种成分，所以它的阶是二维的，由p和q两个数构成，其中p代表自回归成分的阶数，q代表移动平均成分的阶数，记作ARMA(p,q)，称作自回归移动平均混合模型或称为自回归移动平均模型。,.,最简单的自回归移动平均模型是ARMA(1，1)，其具体形式为：(13.4.1)模型ARMA(p,q)的一般表达式为,(13.4.2),显然，ARMA(0,q)=MA(q)，ARMA(p,0)=AR(p)，因此，MA(q)和AR(p)可以分别看作ARMA(p,q)，当p=0和q=0时的特例。,.,ARMA(p,q)模型的优点是能以较少的参数描写单用AR(p)或MA(q)过程不能经济地描写的数据生成过程。在实际应用中，用ARMA(p,q)拟合实际数据时所需阶数较低，p和q的数值很少超过2。因此，ARMA模型在预测中具有很大的实用价值。,二、ARMA模型阶数的确定和模型的估计（一）ARMA模型阶数的确定我们如何描述一个平稳随机过程的经济系统，我们的基本想法是从随机过程抽取样本，再根据样本数据建立模型。,.,那么，是建立AR模型、MA模型还是ARMA模型？这就需要确定p和q的数值各是多少，为此需要计算样本数据的自相关系数和偏自相关系数。而这个计算是一个复杂的过程，为了实际应用的方便我们采用直接利用计算机软件EViews来判断p和q的数值各是多少，从而就确定了模型和模型的阶数。,在样本数据窗口，点击View/Correlogram然后在对话框中选择滞后期数，我们这里选取12，再点击“OK”得到自相关系数和偏自相关系数及其图形，如图13.4.1所示：,.,图13.4.1,.,由图13.4.1可以看出p=1和q=1，即样本数据具有ARMA(1,1)模型过程。,（二）模型的估计模型的理论计算过程较繁杂，我们这里仍然直接利用EViews软件计算:在工作文件主窗口点击Quick/EstimateEquation，在EquationSpecification对话框中填入yma(1)ar(1)便得到模型ARMA(1,1)的估计结果，如图13.4.2所示：,
人人文库> 全部分类> 教育资料 > 课件下载

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论