[置顶] ARIMA建模原则及EViews中的correlogram ,ADF检验

 

ARIMA建模的第一步是看其相关性,检查自相关系数与偏自相关系数(定义见何书元p78),EViews中的correlogram指令完成。自相关系数表示的是当前值与滞后值的相关系数。偏自相关系数考虑了所有滞后值之后的预测能力而计算当前和滞后序列的相关性。例如滞后6阶自相关是计算当ut-1ut-5已在预测模型中时,ut-6的预测能力。实际上,偏自相关是当前滞后已应用于ut的预测后,ut-6的回归系数。


第二步是决定用何种ARIMA模型类型。自相关系数以几何速率衰减,偏自相关截尾,则选AR模型。偏自相关以几何速率衰减,自相关截尾,则选MA模型。若自相关或偏自相关有季节性,则选季节ARMA模型


第三步,建立合适的ARIMA模型后,应当确认模型没有残差自相关。检查扰动项的自相关和偏自相关,还要考虑是否有重要的预测能力被忽略。EViews提供了估计之后的诊断检查方案。 %后面几天的内容


 

ARMA模型只能用于平稳时间序列的分析中。(见张晓峒《Eviews使用指南及案例p84)单位根检验可以检查时序的平稳性,其中ADF检验是常用方法。如果ADF统计量为负且绝对值很大,则拒绝单位根假设而表明序列是平稳的。


EViews中点击View->Unit Root test ,可以根据ADF的值与单位根检验临界值比较来判断。ADF的值比三个值都来得小,那么可以断定时序平稳。

 

你可能感兴趣的:([置顶] ARIMA建模原则及EViews中的correlogram ,ADF检验)