第1个回答 推荐于2016-08-06
1. 画出原始数据的时序图
从时序图可以看出数据的基本趋势:围绕某水平线波动;围绕某直线波动;呈指数上升或下降趋势;显示出季节性等。根据图形特征初步判断序列为平稳或非平稳的。
2. 如序列非平稳,通过相应的变换将其变为平稳序列
线性趋势:差分; 指数趋势:先取对数再差分; 季节性:季节差分(建立季节模型)
3. 检验变换后序列是否平稳
看变换后序列的时序图,相关图,单位根检验,综合分析序列是否平稳。如非平稳,考虑再作一次差分。
4. 对平稳序列建立ARMA模型
从上一步的相关图初步识别序列应拟合那种模型。通常序列可以选择三种模型中的任意一种,因此要建立三种模型,再从残差平方和,AIC准则函数,DW统计量等指标综合判断最终选定那种模型。(注:建立每种模型时,要从低阶到高阶依次建立,直到增加模型的阶数系数不显著。)列出最终选定模型的估计结果,并画出真实值、拟合值和残差的时序图,分析拟合效果。
5. 根据选定模型进行预测
根据模型计算递推预测值,如果模型是对变换后的序列建立的,要预测原始序列需对模型的预测结果进行逆变换,从而得到原始序列的预测值。
建立组合模型
1.画出原始数据的时序图
从时序图可以看出数据的基本趋势:围绕某直线波动;呈指数上升或下降趋势;显示出季节性或上面各趋势的组合等。
2.对序列建立组合模型
拟合步骤:
a.先拟合长期趋势(指数函数的加权、多项式函数),直至增加阶数无显著改进;
b.对剔除长期趋势的残差序列再拟合循环趋势,直至增加阶数无显著改进;
c.对剔除长期趋势和循环趋势的残差序列再拟合ARMA模型;
d.将上述三个步骤建立的函数形式组合在一起,估计整个组合函数的参数。
最终估计结果就是我们对原始数据拟合的模型,列出估计结果,并画出真实值、拟合值和残差的时序图,分析拟合效果。
3.根据模型进行预测
预测结果就是原始序列的预测值。