《时间序列分析》课程教学课件（讲稿）第七章 季节模型

季节模型 n简单季节模型 n乘积季节模型

季节模型 n 简单季节模型 n 乘积季节模型

简单季节模型 简单季节模型是指序列中的季节效应和 其它效应之间是加法关系 x,=S,+T,+I, 简单季节模型通过简单的趋势差分、季 节差分之后序列即可转化为平稳，它的 模型结构通常如下 NoN4= Q(B) F(B)

简单季节模型 n 简单季节模型是指序列中的季节效应和 其它效应之间是加法关系 n 简单季节模型通过简单的趋势差分、季 节差分之后序列即可转化为平稳，它的 模型结构通常如下

例5.9 n拟合1962—1991年德国工人季度失业率序列 11 0987654321 19601965197019751980198519901995 time

例5.9 n 拟合1962——1991年德国工人季度失业率序列

差分平稳 n 对原序列作一阶差分消除趋势，再作4步差分消除季节 效应的影响，差分后序列的时序图如下 dif1 4 2 jomnmmgmmhmmpmmphmphmn 19601965197019751980198519901995 time

差分平稳 n 对原序列作一阶差分消除趋势，再作4步差分消除季节 效应的影响，差分后序列的时序图如下

白噪声检验 延迟阶数 c2统计量 P值 6 43.84 <0.0001 12 51.71 <0.0001 18 54.48 <0.0001

白噪声检验 延迟阶数 统计量 P值 6 43.84 <0.0001 12 51.71 <0.0001 18 54.48 <0.0001

差分后序列自相关图 Autocorrelations Lag Covar iance Correlation -198765432101234567891 0 0.124721 1.00000 】米米米米米米米米米米米米米米米米米米米米 0.052641 0.42207 米米米米米米米米 234 0.023569 0.18898 !米米米米 0.0090404 0.07248 米 -0.029789 -.23884 米米米米米】 56 -0.029783 -.23879 米米米米米！ -0.022559 -.18087 ,米米米米 -0.024312 -.19493 ,米米米米 89 -0.011082 -.08885 米米】 -0.0074505 -.05974 米 0.0027160 0.02178 11 0.0027155 0.02177 ! 1 -0.013672 -.10962 米米。 3 -0.0025423 -.02038 1 -0.0033988 -.02725 -0.015005 -.12031 米米 16 0.0021367 0.01713 0.0070261 0.05633 -0.0046198 -.03704 ".marks two standard errors

差分后序列自相关图

差分后序列偏自相关图 Partial Autocorrelations Lag Correlation -198765432101234567891 0.42207 !米米米米米米米米 0.01319 234567890 -0.01435 -0.32452 米米米米米 -0.03822 -0.01721 -0.07052 -0.03361 -0.07938 0.05648 1 -0.07772 12 -0.19344 米米 0.04133 45167 -0.01802 -0.12741 0.01261 0.03710 8 -0.11550

差分后序列偏自相关图

模型拟合 n定阶 n ARIMA((1,4),(1,4),0) n参数估计 1-B)1-B4)x,= 1-0.44746B+0.28132B4 e

模型拟合 n 定阶 n ARIMA((1,4),(1,4),0) n 参数估计

模型检验 残差白噪声检验 参数显著性检验 延迟 c2 待估 P值 t统 阶数 统计量 计量 P值 参数 6 2.09 0.7191 91 5.48 <0.0001 12 10.99 0.3584 94 -3.41 <0.0001

模型检验 残差白噪声检验 参数显著性检验 延迟 阶数 统计量 P值 待估 参数 统 计量 P值 6 2.09 0.7191 5.48 <0.0001 12 10.99 0.3584 -3.41 <0.0001

拟合效果图 10987654821 0 TTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTT 19601965197019751980198519901995 time

拟合效果图