应用时间序列分析论文

1、%澹孔WN5%'ubrO1南通大学应用时间序列分析课程论文学生姓名邱艳所在院系理学院专业统计学学号0902092013指导教师陆志峰南通大学理学院2011年12月20日统计091班实证项目研究（课程论文）货币数量论的实证分析一问题的提出近几十年来，国内的房地产业发展迅速，开发的面积和规模也越来越大。大多数国人对房地产这个话题的热情是经久不衰，房地产业内任何重大的政策和举措都对普通老百姓的生活产生深刻的影响。2010年上半年，全国房地产开发投资19747亿元，同比增长38.1%,其中，商品住宅投资13692亿元，同比增长34.4%,占房地产开发投资的比重为69.3%。6月当月，房地产开发

2、完成投资5830亿元，比上月增加1845亿元，增长46.3%。2010年上半年，全国房地产开发企业房屋施工面积30.84亿平方米，同比增长28.7%;房屋新开工面积8.05亿平方米，同比增长67.9%;房屋竣工面积2.44亿平方米，同比增长18.2%,其中，住宅竣工面积1.96亿平方米，增长15.5%o2010年上半年，全国房地产开发企业完成土地购置面积18501万平方米，同比增长35.6%,土地购置费4221亿元，同比增长84.0%。那么，房地产销售价格指数是否存在一定的内在规律呢，我们是否可以对其进行预测从而指导居民做出正确的选择呢？这便是本文所要探求和解决的问题。理论综述时间序列分析就是

3、对一组按时间顺序排列的随机变量进行统计分析，建立模型并对未来的趋势走向进行分析的统计方法。本文运用时间序列分析软件SAS进行分析。数据的收集本文获取了我国1998-3-31到2009-12-31的房地产销售价格指数数据1990-03-31101.32004-03-3110771998-06-30102.12004-06-3010911998-09-3Q101.32004-09-3010991998-12-311012004-12-3111081999-03-3199.72005-03-3110981999-06-3099.62005-06-301081999-C9-3099.32006-09-

4、3010611999-12-31100.72005-12-3110652000-03-311007200S-03-3110552000-06-3010112006-06-3010572000-09-30101520009-30105.5200Q-12-31101.22006-12-3110532001-03-31101.92007-03-31105.62001-06-3010252007-06-30106.32001-09-30102.72007-09-30108.2200V12-31101a2007-12-31110.22002-03-311M.32003-03-311112OQ2-06-3

5、0日2OOB-O6-3O10922002-09-301042003-09-3010532002-12-31103E2008-12-31100.52003-03-31104.82009-03-319892003-06-301052009-DB-309952003-09-3010412009-09-3010192003-12-311D5.12009-12-311058数据来源：:8080/product/common/main.jsp模型的估计与调整首先，作出时序图，观察它的平稳性。发现存在明显的长期趋势，做一阶差分从时序图可以认为序列基本平稳，再去观察它的自相关图Autocorrelations

6、LaeCovarianceCorrelatIon-1387654321()12845C7891StdError0Z.8932801.00000i|iiqinprpi|nrprpijriprprf»rfirpirpiiy>rprp011.0723400.44713iirl”uEulniqi-TiJjiryiiTirljirPirpiip0.145665i3590210.14970n*.k1725803-0.751626-.31340*需甯*出出出0.1758214-U028452-.4280。hJjmLkIjiIn811il."IifT*'n1,r1)*'

7、;T,j5-0.949331-.33542a-JiJiBlsit-iL-ib-|Lf"T,，r喙0.2066636-0.362243.15104.南榔0.22218471195020.C4S4I*Q.224358：，0.18440601,07689栅0.22458980.0422920.017630.22514910-0.099801-.04153:出0.225178110.2497420.10413毗米0.225341Jmarkttwostandarderrors自相关图显示序列平稳，考察差分后序列的随机性。AutoccrrelftlionCheckforToChi-Pr>L

8、etsSquareDFChiSq«35.9&E<.00010.4470J5CWhiteNoiseAutocornelations-0.313-Q.4Z8-0.3850J51残差白噪声检验显示差分后序列蕴含着很强的相关信息，不能视为白噪声序列。需要进一步拟合ARIMA模型，观察自相关图和偏自相关图，可初步确定P=3,Q=5观察拟合效果。ParameterEstinnateStandardErrortValueftpproxPr>IIIMU0.137430.032994.170.0002MA1J0.960530.439152.IS0.0349MA1,2-0.73414

9、0.54531-1.350.18S2岫1,30.411S10.400271.03。3皿-0.084030.24078-0.850.729CMAI,50.445720.212612.100.0427ARIJ1.268Z20.457002.760.0090ARh2-0.BOIES0.66734-L200.2871ARL30.078640.417600.19(LB51BCooditnon©ILeastSquiareEstimatbon012345123拟合效果不佳，部分值的P值过大，不显著，去掉结果不显著的参数项，考虑疏系数模型p=(1,3)q=(1,5)ConditIonaILeastS

10、quaresEstimationParameterStandardApproxErrortValuePr>IIIMU0.133990.02645MA1J0.512080.16872MM,20.487920.17187AR1J0.771920.15579mr2-0,429080.11631644562oS-96.,-«,53243叫00.00411o.ooea5<.000110.00073参数显著性检验显示两个参数均显著。AutocorrelationCheckofR&sidualsToChi-Pr>SquareDFChiSqAutocorrelations-

11、B2841123065592014741220.4B630¥C03口590.01B-U,124口即-0.044e0J6840.0970.145-0.118-C.0080.016-0J04140.24250.129-0.1230.167-C.286-0J62-0.06。200.2403-0.2220,036-0J37-0JS0-0.0360J07对模型进行检验，残差序列通过白噪声检验。说明模型拟合成功做拟合效果图120拟合效果图显示拟合效果良好。因此，确定最终模型：AutoregressiveFactorsFactor1：1-0,77182B柳什)+0.4£8000*(3)MovIngAverageFactorsFactor1：1-0.5120B-0.40792B*模型预测预测未来五期结果如图l-orecastsforvaniablexObsForecastStdErro