時間序列大作業(yè)

1、應用時間序列大作業(yè)課題：基于ARIMA模型的全國19802013年郵電業(yè)務函件數(shù)量時間序列分析及預測。姓名：姓名：賈縣委賈縣委學號：學號：12036500551203650055編號：編號：48481.觀察時間序列。根據(jù)時間序的散點圖自相關函數(shù)(ACF)圖和偏自相關函(PACF)圖以及ADF單位根檢驗觀察其方差、趨勢及其季節(jié)性變化規(guī)律識別該序列的平穩(wěn)性。2.對序列進行平穩(wěn)化處理。如果數(shù)據(jù)序列是非平穩(wěn)的并存在一定的增長或下降趨勢則需對數(shù)據(jù)

2、進行差分處理如果數(shù)據(jù)序列存在異方差性則需對數(shù)據(jù)進行對數(shù)轉(zhuǎn)換或者開方處理直到處理后數(shù)據(jù)的自相關函數(shù)值和偏相關函數(shù)值無顯著地異于零。3.模型識別。若平穩(wěn)時間序列的偏相關函數(shù)是截尾的而自相關函數(shù)是拖尾的則可斷定此序列適合AR模型若平穩(wěn)時間序列的偏相關函數(shù)是拖尾的而自相關函數(shù)是截尾的則可斷定此序列適合MA模型若平穩(wěn)時間序列的偏相關函數(shù)和自相關函數(shù)均是拖尾的則此序列適合ARMA模型。4.對ARIMA(pdq)模型定階估計參數(shù)。5.模型檢驗。進行假

3、設檢驗診斷白噪聲檢驗假設模型殘差的ACF值和PACF值在早期或季節(jié)性延遲點處不得大于置信區(qū)間同時殘差應理想化為0均值?？捎^察殘差的ACF圖、PACF圖并輔以D—w值、t值等檢驗法。6.預測分析。時間序列分析包括以下步驟:分析時間序列的隨機特性用實際統(tǒng)計序列構造預測模型根據(jù)所得模型做出最佳的預測值。ARIMA模型建模流程圖(四)ARIMA（pdq）模型：在ARIMA模型的識別過程中，我們主要用到兩個工具：自相關函數(shù)(ACF），偏自相關函數(shù)

4、(PACF)以及它們各自的相關圖。對于一個序列Xt來說，它的第i階自相關系數(shù)定義為它的i階自協(xié)方差除以它的方差，它是關于i的函數(shù)，因此我們也稱之為自相關函數(shù)，通常記ACF(i)。偏自相關函數(shù)PACF(i)度量了消除中間滯后項影響后兩滯后變量之間的相關關系。自相關系數(shù)和偏自相關系數(shù)這兩個統(tǒng)計量來識別ARIMA(pdq)模型的系數(shù)特點和模型的階數(shù)。并用游程檢驗經(jīng)過處理的序列是否為平穩(wěn)化的序列。模型定階自相關系數(shù)偏自相關系數(shù)AR(p)拖尾P階