中级计量实验报告

1、计量经济学实验报告实验项目名称:基于ARIMA模型分析中国CPI指导教师：姓名：学号：年级专业：【实验目的】深刻理解平稳性的要求和arima建模的思想。【实验要求】要求我们了解和熟悉arima模型的基本知识，为具体操作做好知识准备。学会如何通过观察自相关系数和偏相关系数，确定并建立模型。学会如何利用模型进行预测。熟练掌握EVIEWS的结果，看懂eviews的输出结果。【实验原理】对于非平稳序列的时变均值函数，最简单的处理方法就是考虑均值函数可以由一个时间的确定性函数来描述，这时，可以用回归模型来描述。假如均值函数服从于线性趋势我们可以利用确定性的线性趋势模型如果均值函数服从二次函数则我们可以用

2、xX 二以 +以 t +以 12 +8 , WN 0, b 2 )t 012t t假如均值函数服从k次多项式我们可以使用下列模型建模X =a +at + +a tk +8 , 8 WA0,b2z【实验内容】根据1985-2007年的年度中国消费者物价指数的相关数据，利用EVIEWS软 件，将这几个指标数据进行了相关分析。对于ARIMA(pq)模型，可以利用其样本 的自相关函数和样本的偏自相关函数的截尾性判定模型的阶数，若平稳时间序列 的偏相而自相关函数是截尾的则可断定此序列适合MA模型；若平稳时间序列的 偏相关函数和自相关函数均是拖尾的则此序列适合模型。【实验步骤】一、实验数据:选取了 198

3、5年至2010年的CPI数据1935109. 319989931986106. 5199S93.61S87107. 32000100.419S8118. S2001皿7198911S200299. 219S0103.12003101. 21991103.42004*1992106.42005101.81993114. 7200619S4124.12007104.81995117.1200B105.91996108. 3200S林1997102.82010103. 3二、实验步骤：1.平稳性分析对输入的数据进行单位根检验Null Hypothesis: CPI has a unit rootEx

4、ogenous: ConstantBandwidth: 2 (Newey-West using Bartlett kernel)Adj. t-StatProb.*Phillips-Perron test statistic-2.2761920.18&8Test critical values: 1% level-3.7240705% level-2.98622510% level-2.632604对CPI序列进行平稳性检验可以发现其对应p值大于0.05，序列是不稳定的。因此，令dcpi二cpi-cpi (-1)得到CPI的一阶差分序列Null Hypothesis: DCPI has a un

5、it rootExogenous: ConstantBandwidth: 1 (Newey-West using Bartlett kernel)Adj. t-StatProb?Phillips-Perron test statistic-19264110.0065Test critical values: 1% level-3.7378535% level-2.9&187810% level-2.635542由单位根检验，其对应p值显著小于0.05，可以看到其是稳定的。所以可以对其一阶序列进行ARMA模型的建立和预测。2 .模型估计观察其一阶差分序列的自相关和偏自相关系数图可以发现：ate:

6、 12/27/12 Time. 23:36Sample: 19B5 2010Included observations: 25AutocorrelationPartial CorrelationAC PAC Q-Stat ProbI II i1 0.2101.414 0.2G5. _I二12 -0.388 -0 452 5 6597 0.05911二Ii E13 -0.311 -ft 12S S.6275 0 035I匚I114 -0.238 -0 393 10.446 0.034I I1 15 0.157 0 143 11.226 0 047Ip I1 116 0.28& -0.106 14

7、.138 0.028II1 117 -0 002 -0.054 14.138 0 049I匚I1 11S -0 102 -0 046 14.550 0 069I I11 f:9 -0 054- 0 043 14.675 0.100i LIi E110 -0 06& -0 094 14.869 0 137III 1111 0 008 -0 036 14.872 0 188III 1112 0 011 -0 114 14.878 0.248自相关和偏自相关系数在6阶之后迅速趋向于0,因此可以尝试AR(1), ARAR(3),AR(4),AR(5),AR(6),MA(1) ,MA(2) ,MA(3)

8、 ,MA(4) ,MA(5),MA(6)模型。经过不断分析排除得到以下模型：mpEIUGIL M 口.11口56 LJ J IIMethod: Least Squaresate: 12/28/12 Time: 00:54Sample (adjusted): 1992 20 i0Included observations: 19 after adjustmentsConvergence not achieved after 500 iteationsBackcast: OFF (Roots of MA process too large)VariableCoefficientStd. Error

9、t-StatisticProb.AR(1)0.5964610.0100&159.2821 &0 0000AR(2)-0.4348210.01149&-37.825260 0000AR(4)-0.3889370.017347-22.420620 0000AR(5)0.5733870.005280108.58700 0000AR(6-0.0219080.017782-1.2320000.2415MA(5)-16.296884.998005-J.2606770 0068MA6)-11.753587.088295-1.6581680.1232R-squared0 &9677ZMean dependen

10、t var-0.0062G3Adjusted R-squared0 995165S D. dependent var4.883586S E of regression0.339573Aka ike info criterion0.956054Sum squared resid1.383718Schwarz criterion1.303006I nn likfilihnrrl-? 3(117nurhin-Wstsnn stat?扇NO成感虹 金痴我就血藏褊 DCP!FFB沮瞿-DCPSFForecast19852110MJ 并 ESTI 巽 1992 201 :fKUded o&b drv卸 a

11、nsi： 19now *an SQjared Error+.512743电an 剧均.Percert Error-isjsaaor-neii TSPjQiijCceriDfenE-j 537125PrpMrtiofi同邓垮Yar Sice PfkkRJgi0.097531Cmer Ense Praeniixn0商1M图中显示该模型拟合优度较大，AIC和SC均较小其12阶的残差Q检验也显示残差为白噪声序列，此外从折线图中也可以看出模 型拟合是较好的。模型为：DCPIt = 0.5964 * DCPIt_ - 0.4348 * DCPIt_ 2 - 0.3889 * DCPIt_ 4 +0.5734*DCPI -0.0219*DCPI -16.29688*-11.75358* At 5t 6t 5t 6由模型预测到的2011年的CPI为106,与实际比较符合。通过预测值与真实值的 对比，我们发现，模型