arima模型_时间序列预测ARIMA模型实践(SPSS应用)

  • 时间序列分析基本原理与基础方法请参考《地理数学方法》课程时间序列分析章节

arima模型_时间序列预测ARIMA模型实践(SPSS应用)_第1张图片

arima模型_时间序列预测ARIMA模型实践(SPSS应用)_第2张图片

8a6d862365713e9e57612ea297c9aa4b.png

  • 平稳性严格定义:时间序列随机变量的所有统计特征都是独立于时间分布

  • 平稳性简要判别:时间序列无趋势无周期性,均值延时间轴常量震荡,方差随时间变化趋于稳定

  • 强平稳:均值函数是常数函数且协方差函数仅与时间差相关

  • 检验方法:ADF、KPSS、PP……

  • 差分处理:去除趋势使时间序列平稳

a411c391314c74a7c3b1ac45d01a6e99.png

•差分自回归移动平均模型,其基本模型可表示为

ARIMA(p,d,q)

•其中p是自回归模型阶数,d是差分阶数,q是移动(滑动)平均项数。

arima模型_时间序列预测ARIMA模型实践(SPSS应用)_第3张图片

arima模型_时间序列预测ARIMA模型实践(SPSS应用)_第4张图片

arima模型_时间序列预测ARIMA模型实践(SPSS应用)_第5张图片

2ca42802ec5a13e20f8b39dea875ddf8.png

差分自回归移动平均模型ARIMA(p,d,q)

arima模型_时间序列预测ARIMA模型实践(SPSS应用)_第6张图片

arima模型_时间序列预测ARIMA模型实践(SPSS应用)_第7张图片

arima模型_时间序列预测ARIMA模型实践(SPSS应用)_第8张图片

dac6d84c7cc0b2265fb62cc34cd6f660.png

  • Step-1: 时间序列数据可视化,观察其季节性与平稳性特征。非平稳时间序列进行(季节性)差分处理,得到去周期性平稳序列及(季节性)差分阶数d。

  • Step-2: 选取合适模型,确定ARIMA模型的自回归阶数p与移动平均项数q。

  • 平稳化处理后,若自相关函数ACF是拖尾的,偏自相关函数PACF是截尾的,建立AR模型;

  • 若自相关函数ACF是截尾的,偏自相关函数PACF是拖尾的,建立MA模型;

  • 若自相关函数ACF与偏自相关函数PACF均是拖尾的,建立ARMA模型。

  • Step-4: AR/MA/ARIMA模型参数估计。

  • Step-5: 假设检验,诊断残差序列是否为白噪声序列,应用模型进行预测。

arima模型_时间序列预测ARIMA模型实践(SPSS应用)_第9张图片

2e977a1075508ec7e90def81c9bf2897.png

arima模型_时间序列预测ARIMA模型实践(SPSS应用)_第10张图片

arima模型_时间序列预测ARIMA模型实践(SPSS应用)_第11张图片

arima模型_时间序列预测ARIMA模型实践(SPSS应用)_第12张图片

arima模型_时间序列预测ARIMA模型实践(SPSS应用)_第13张图片

arima模型_时间序列预测ARIMA模型实践(SPSS应用)_第14张图片

arima模型_时间序列预测ARIMA模型实践(SPSS应用)_第15张图片

22655193a690f6eb0743739f0f949910.png

arima模型_时间序列预测ARIMA模型实践(SPSS应用)_第16张图片

arima模型_时间序列预测ARIMA模型实践(SPSS应用)_第17张图片

arima模型_时间序列预测ARIMA模型实践(SPSS应用)_第18张图片

arima模型_时间序列预测ARIMA模型实践(SPSS应用)_第19张图片

arima模型_时间序列预测ARIMA模型实践(SPSS应用)_第20张图片

确定模型参数,最终选定为ARIMA(2,1,5)(1,1,1)

arima模型_时间序列预测ARIMA模型实践(SPSS应用)_第21张图片

701c7531ec9319a12e956f4bd21f50fa.png

arima模型_时间序列预测ARIMA模型实践(SPSS应用)_第22张图片

arima模型_时间序列预测ARIMA模型实践(SPSS应用)_第23张图片

arima模型_时间序列预测ARIMA模型实践(SPSS应用)_第24张图片

arima模型_时间序列预测ARIMA模型实践(SPSS应用)_第25张图片

16414c5806697460681f422216ebeb47.png

arima模型_时间序列预测ARIMA模型实践(SPSS应用)_第26张图片

arima模型_时间序列预测ARIMA模型实践(SPSS应用)_第27张图片

e7c91c2b5c882a11c7230e8ced97e8d7.png

arima模型_时间序列预测ARIMA模型实践(SPSS应用)_第28张图片

62dff6cb329c034412d22e152a7af563.png

arima模型_时间序列预测ARIMA模型实践(SPSS应用)_第29张图片

arima模型_时间序列预测ARIMA模型实践(SPSS应用)_第30张图片

6dc915508f88a089da9f42b4556ea136.png

arima模型_时间序列预测ARIMA模型实践(SPSS应用)_第31张图片

arima模型_时间序列预测ARIMA模型实践(SPSS应用)_第32张图片

90eff1320f71d4fa5095d24b29125d9a.png

arima模型_时间序列预测ARIMA模型实践(SPSS应用)_第33张图片

9279cf894ccaeeeffbec4ffc3fcbc63e.png

arima模型_时间序列预测ARIMA模型实践(SPSS应用)_第34张图片

ARIMA(2,1,5)(1,1,1)回归效果与预测结果

arima模型_时间序列预测ARIMA模型实践(SPSS应用)_第35张图片

ARIMA(0,0,2)(0,1,1)回归效果与预测结果

arima模型_时间序列预测ARIMA模型实践(SPSS应用)_第36张图片

Winters相乘性模型回归效果与预测结果

arima模型_时间序列预测ARIMA模型实践(SPSS应用)_第37张图片

arima模型_时间序列预测ARIMA模型实践(SPSS应用)_第38张图片

你可能感兴趣的:(arima模型,arima模型,p,q,d,确定,时间序列模型matlab,时间序列预测模型)