苹果/安卓/wp
积分 13841, 距离下一级还需 4459 积分
权限: 自定义头衔, 签名中使用图片, 隐身, 设置帖子权限, 设置回复可见, 签名中使用代码
道具: 彩虹炫, 涂鸦板, 雷达卡, 热点灯, 金钱卡, 显身卡, 匿名卡, 抢沙发, 提升卡, 沉默卡, 千斤顶, 变色卡下一级可获得
道具: 置顶卡
购买后可立即获得
权限: 隐身
道具: 金钱卡, 彩虹炫, 雷达卡, 热点灯, 涂鸦板
开心签到天数: 150 天连续签到: 2 天[LV.7]常住居民III
本帖最后由 wanghaidong918 于
10:07 编辑
这里是否需要进行一阶差分?根据ADF检验10%显著水平下原始序列是平稳的。在1%，5%下是不平稳的。根据樊欢欢的《EVIEW统计分析与应用》的方法是需要进行一阶差分的，一阶差分后取ARIMA(1,1,2）或ARIMA(1,1,1)。按照易丹辉教授的《时间序列分析-方法与应用》的方法取ARIMA(1,0,4），但是ARIMA(1,1,2或1）AIC值大于ARIMA(1,0,4)，到底取哪个模型为好？
下图为原始序列相关图。
16:26:59 上传
对上原始序列进行一阶差分后的相关图如下，可以看到AC和PAC 6阶落在随机区间外。二阶差分后的相关图显示的AC和PAC高阶有多个显著不同于0，所以这里只取到一阶差分。
16:47:20 上传
你先看看单位根检验是否通过啊。。。不通过就差分，通过了就看AICBIC这些指数那个好，就选那个呗。
本帖被以下文库推荐
& |主题: 8540, 订阅: 54
不知道的，把AIC都计算了，比较那个最小。
你先看看单位根检验是否通过啊。。。不通过就差分，通过了就看AICBIC这些指数那个好，就选那个呗。
热心帮助其他会员
总评分:&经验 + 10&
论坛币 + 10&
需要一阶差分
没有过不了的桥
haoyun010 发表于
需要一阶差分不需要，进行ADF单位根检验后序列已平稳。
yuanxinqiang 发表于
不需要，进行ADF单位根检验后序列已平稳。的确不需要差分，特别是协整检验时不要差分。
没有过不了的桥
haoyun010 发表于
的确不需要差分，特别是协整检验时不要差分。协整需要2个变量，本例适合吗？同学。
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
如有投资本站或合作意向，请联系（010-）；
邮箱：service@pinggu.org
投诉或不良信息处理：（010-）
论坛法律顾问：王进律师苹果/安卓/wp
积分 32, 距离下一级还需 13 积分
道具: 彩虹炫, 涂鸦板, 雷达卡, 热点灯, 金钱卡下一级可获得
道具: 显身卡
购买后可立即获得
权限: 隐身
道具: 金钱卡, 彩虹炫, 雷达卡, 热点灯, 涂鸦板
Estimation Command:
=========================
LS D(LOG(BR),1) C AR(1) MA(1) MA(2)
Estimation Equation:
=========================
D(LOG(BR),1) = C(1) + [AR(1)=C(2),MA(1)=C(3),MA(2)=C(4),BACKCAST=1977,ESTSMPL=&&]
Substituted Coefficients:
=========================
D(LOG(BR),1) = -0. + [AR(1)=0.,MA(1)=0.,MA(2)=-0.,BACKCAST=1977,ESTSMPL=&&]
求各位大神告诉我这个式子要翻译成函数式是怎么样的。
楼主，给你个案例：
本帖被以下文库推荐
& |主题: 12506, 订阅: 33
楼主，给你个案例：
20:58:45 上传
御前大臣户部尚书兼正黄旗副都统
正如楼上所述，楼主的模型是
DLOG(BR)t=-0. + 0.DLOG(BR)t-1+0.ut-0.ut-1
sometimes winning is not fun at al
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
如有投资本站或合作意向，请联系（010-）；
邮箱：service@pinggu.org
投诉或不良信息处理：（010-）
论坛法律顾问：王进律师　　【摘要】本文基于时间序列理论，对数据进行平稳化处理、模型定阶、参数估计，建立模型，并对模型进行检验，深刻了解了ARIM" />
免费阅读期刊
论文发表、论文指导
周一至周五
9：00&22：00
ARIMA模型的介绍
　　【摘要】本文基于时间序列理论，对数据进行平稳化处理、模型定阶、参数估计，建立模型，并对模型进行检验，深刻了解了ARIMA 模型，为生活中的实际应用打下基础。 中国论文网 http://www.xzbu.com/8/view-6359431.htm　　【关键词】模型定阶；参数估计；模型检验 　　一、引言 　　时间序列是按时间顺序的一组数字序列。时间序列分析就是利用这组数列，应用数理统计方法加以处理，以预测未来事物的发展。时间序列分析是根据系统观测得到的时间序列数据，通过曲线拟合和参数估计来建立数学模型的理论和方法。下面基于时间序列对ARIMA 模型进行介绍。 　　二、ARIMA 模型 　　1.数据平稳化处理 　　首先要对时间序列数据进行平稳性检验。可以通过时间序列的散点图或折线图对序列进行初步的平稳性判断，并且采用统计量检验来精确判断该序列的平稳性。对非平稳的时间序列，我们可以先对数据进行取对数或进行差分处理，然后判断经处理后序列的平稳性。重复以上过程，直至成为平稳序列。此时差分的次数即为ARIMA（p，d，q）模型中的阶数d。 　　数据平稳化处理后，ARIMA（p，d，q）模型即转化为ARMA（p，q）模型。 　　2.模型定阶 　　我们引入自相关系数和偏自相关系数这两个统计量来识别ARMA（p，q）模型的系数特点和模型的阶数。若平稳序列的偏相关函数是截尾的，而自相关函数是拖尾的，可断定序列适合AR模型；若平稳序列的偏相关函数是拖尾的，而自相关函数是截尾的，则可断定序列适合MA模型；若平稳序列的偏相关函数和自相关函数均是拖尾的，则序列适合ARMA模型。自相关函数成周期规律的序列，可选用季节性乘积模型。自相关函数规律复杂的序列，可能需要作非线性模型拟合。 　　4.模型检验 　　完成模型的识别与参数估计后，应对估计结果进行诊断与检验，以求发现所选用的模型是否合适。若不合适，应该对建立的模型进行修改。这一阶段主要检验拟合的模型是否合理。一是检验模型参数的估计值是否具有显著性；二是检验模型的残差序列是否为白噪声。其中参数估计值的显著性检验是通过t检验完成的，模型残差序列采用Q检验。该检验零假设是即模型的误差项是一个白噪声过程。Q统计量定义为近似服从分布，其中T表示样本容量，rk表示用残差序列计算的自相关系数值，k表示自相关系数的个数，p表示模型自回归部分的最大滞后值，q表示移动平均部分的最大滞后值。用残差序列计算Q统计量的值。显然若残差序列不是白噪声，残差序列中必含有其他成份，自相关系数不等于零。则Q值将很大，反之Q值将很小。若则接受H0，反之则拒绝H0，其中表示检验水平。 　　三、结论 　　AQIMA模型是对预测对象随时间推移而形成的数据序列的描述，这个模型一旦被识别后就可以从时间序列的过去值及现在值来预测未来值，在某种程度上能够帮助企业对未来进行预测。 　　参考文献 　　[1]陈亦涛，陶丽，等.基于ARMA模型的上证指数分析[J].信息系统工程，-22. 　　[2]孙宏义，陈平，等.股票指数的时间序列模型分析[J].数学的实践与认识，-58. 　　[3]张贤达.时间序列分析[M].清华大学出版社，1996. 　　[4]徐雅静，汪远征.ARIMA模型在河南省GDP预测中的应用及SAS实现[J].中国科技信息，6-219. 　　[5]范金城，梅长林.数据分析[M].科学出版社，5.
转载请注明来源。原文地址：
【xzbu】郑重声明：本网站资源、信息来源于网络，完全免费共享，仅供学习和研究使用，版权和著作权归原作者所有，如有不愿意被转载的情况，请通知我们删除已转载的信息。
xzbu发布此信息目的在于传播更多信息，与本网站立场无关。xzbu不保证该信息（包括但不限于文字、数据及图表）准确性、真实性、完整性等。苹果/安卓/wp
积分 201, 距离下一级还需 59 积分
权限: 自定义头衔
道具: 彩虹炫, 涂鸦板, 雷达卡, 热点灯, 金钱卡, 显身卡, 匿名卡下一级可获得
权限: 签名中使用图片
购买后可立即获得
权限: 隐身
道具: 金钱卡, 彩虹炫, 雷达卡, 热点灯, 涂鸦板
开心签到天数: 29 天连续签到: 1 天[LV.4]偶尔看看III
（1）R软件中如何将ARIMA模型的拟合值导出？
（2）Time Series Loess 模型有拟合值吗？如果有如何导出拟合值？
tianlanse1987 发表于
（1）R软件中如何将ARIMA模型的拟合值导出？
（2）Time Series Loess 模型有拟合值吗？如果有如何 ...sink()函数，或者write.table()之类的
菜鸟一枚，请问怎么用这俩函数求模型的拟合值啊
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
如有投资本站或合作意向，请联系（010-）；
邮箱：service@pinggu.org
投诉或不良信息处理：（010-）
论坛法律顾问：王进律师>> ARIMA预测模型
ARIMA预测模型
所属分类：
下载地址：
585arima.rar文件大小：1.89 kB
分享有礼！ 》
请点击右侧的分享按钮，把本代码分享到各社交媒体。
通过您的分享链接访问Codeforge，每来2个新的IP，您将获得0.1 积分的奖励。
通过您的分享链接，每成功注册一个用户，该用户在Codeforge上所获得的每1个积分，您都将获得0.2 积分的分成奖励。
这是一段关于使用ＡＲＩＭＡ建立预测模型的代码，代码比较老，但是有注释，写的很清楚。值得一看！
Sponsored links
源码文件列表
温馨提示： 点击源码文件名可预览文件内容哦 ^_^
4.73 kB13-02-11 14:45
&arima&0.00 B25-02-11 16:24
（提交有效评论获得积分）
评论内容不能少于15个字，不要超出160个字。
xiaocui235真的是太有用了，刚好需要这个呀，解了燃煤之急。
天逸杨问一下，文件中的testdata是什么？总是提醒我有误
学生张世舜真的是太有用了，刚好需要这个呀，解了燃煤之急。
评价成功，多谢！
下载585arima.rar
CodeForge积分（原CF币）全新升级，功能更强大，使用更便捷，不仅可以用来下载海量源代码马上还可兑换精美小礼品了
您的积分不足，优惠套餐快速获取 30 积分
10积分 / ￥100
30积分 / ￥200原价 ￥300 元
100积分 / ￥500原价 ￥1000 元
订单支付完成后，积分将自动加入到您的账号。以下是优惠期的人民币价格，优惠期过后将恢复美元价格。
支付宝支付宝付款
微信钱包微信付款
更多付款方式：、
您本次下载所消耗的积分将转交上传作者。
同一源码，30天内重复下载，只扣除一次积分。
鲁ICP备号-3 runtime:Elapsed:145.572ms - init:0.1;find:0.7;t:1.0;tags:2.6;related:14.0;comment:6.9; 27.69
登录 CodeForge
还没有CodeForge账号？
Switch to the English version?
^_^"呃 ...
Sorry!这位大神很神秘，未开通博客呢，请浏览一下其他的吧}