《时间序列分析》课程教学课件(PPT讲稿)第七章 季节模型

季节模型 简单季节模型 乘积季节模型
季节模型 ◼ 简单季节模型 ◼ 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 VpVdx, ⊙(B) Φ(B)
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 ◼ 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 t t t t x = S +T + I t t d D B B x ( ) ( ) =

例5.9 拟合1962一1991年德国工人季度失业率序列 11 0987654321 TTTTTTTTTTTTTTTTT 19601965197019751980198519901995 time
例5.9 ◼ 拟合1962——1991年德国工人季度失业率序列

差分平稳 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_ 2 0 1 2 19601965197019751980198519901995 time
差分平稳 ◼ 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 x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 2

差分后序列自相关图 Autocorrelations Covar iance Correlation -198765432101234567891 0 0.124721 1.00000 常常米常米常米常常来常米常米米常案常常米 0.052641 0.42207 】米米米米米米米米 0.023569 0.18898 !米米米米 234567 0.0090404 0.07248 -0.029789 -.23884 米米米米米 -0.029783 -.23879 米米米米米! -0.022559 -.18087 ,米米米米 -0.024312 -.19493 ,米米米米 8 -0.011082 -.08885 米米】 -0.0074505 -.05974 米 10 0.0027160 0.02178 ! 11 0.0027155 0.02177 12 -0.013672 -.10962 米米 13 -0.0025423 -.02038 14 -0.0033988 -.02725 1 -0.015005 -,12031 米米 1 0.0021367 0.01713 P 17 0.0070261 0.05633 1 -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 -19876543210123456789 1 1 0.42207 !米米米米米米米米 0.01319 234567 -0.01435 -0.32452 米米米米米米 -0.03822 -0.01721 -0.07052 8 -0.03361 -0.07938 10 0.05648 -0.07772 -0.19344 米米米米 13 0.04133 =0.01802 151617 -0.12741 0.01261 0.03710 -0.11550
差分后序列偏自相关图

模型拟合 ■定阶 ·ARIMA(1,4),(1,4),0) ■参数估计 1 1-B1-B*)x,=1-0.4746B+028132B8
模型拟合 ◼ 定阶 ◼ ARIMA((1,4),(1,4),0) ◼ 参数估计 t t B B B B x 4 4 1 0.44746 0.28132 1 (1 )(1 ) − + − − =

模型检验 残差白噪声检验 参数显著性检验 延迟 x统 待估 t统 阶数 计量 P值 参数 计量 P值 6 2.09 0.7191 01 5.48 <0.0001 12 10.99 0.3584 0 -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 2 t 1 4

拟合效果图 10987654821 0 mmmpmmnmmnmnnnmpm 196019651970 19751980198519901995 time
拟合效果图
按次数下载不扣除下载券;
注册用户24小时内重复下载只扣除一次;
顺序:VIP每日次数-->可用次数-->下载券;
- 《应用随机过程》课程教学课件(PPT讲稿)第1章 预备知识 1.1 概率空间.ppt
- 《应用随机过程》课程教学课件(PPT讲稿)第1章 预备知识 1.2 随机变量和分布函数.ppt
- 《应用随机过程》课程教学课件(讲稿)第1章 预备知识 1.3 数字特征、矩母函数与特征函数.pdf
- 《应用随机过程》课程教学课件(PPT讲稿)第1章 预备知识 1.4 条件概率、条件期望.ppt
- 《应用随机过程》课程教学课件(PPT讲稿)第2章 随机过程的基本概念和基本类型 2.1 基本概念.ppt
- 《应用随机过程》课程教学课件(PPT讲稿)第2章 随机过程的基本概念和基本类型 2.2 有限维分布与Kolmogorov定理.ppt
- 《应用随机过程》课程教学课件(讲稿)第2章 随机过程的基本概念和基本类型 2.3 随机过程的基本类型.pdf
- 《应用随机过程》课程教学课件(讲稿)第3章 Poisson过程 3.1 Poisson过程.pdf
- 《应用随机过程》课程教学课件(PPT讲稿)第3章 Poisson过程 3.2 与Poisson过程相联系的若干分布.ppt
- 《应用随机过程》课程教学课件(PPT讲稿)第5章 Markov链 5.1 基本概念.ppt
- 《应用随机过程》课程教学课件(PPT讲稿)第5章 Markov链 5.2 状态的分类及性质.ppt
- 《应用随机过程》课程教学课件(PPT讲稿)第5章 Markov链 5.3 极限定理及平稳分布.ppt
- 《应用随机过程》课程教学课件(讲稿)第7章 Brown运动 7.1-7.2 Brown运动的基本概念与性质.pdf
- 《应用随机过程》课程教学课件(讲稿)第7章 Brown运动 7.5 Brown运动的最大值变量及反正弦律.pdf
- 《应用随机过程》课程教学课件(讲稿)第7章 Brown运动 7.6 Brown运动的几种变化.pdf
- 《时间序列分析》课程教学课件(讲稿)第一章 绪论.pdf
- 《时间序列分析》课程教学课件(讲稿)第二章 平稳时间序列模型.pdf
- 《时间序列分析》课程教学课件(讲稿)第三章 ARMA模型的特性(一).pdf
- 《时间序列分析》课程教学课件(讲稿)第三章 ARMA模型的特性(二).pdf
- 《时间序列分析》课程教学课件(讲稿)第四章 平稳时间序列模型的建立(一).pdf
- 《时间序列分析》课程教学课件(PPT讲稿)第六章 趋势模型.ppt
- 《时间序列分析》课程教学课件(PPT讲稿)第五章 平稳时间序列预测.ppt
- 《时间序列分析》课程教学课件(PPT讲稿)第四章 平稳时间序列模型的建立 第三节 模型参数估计 第四节 模型的适应性检验 第五节 建模的其它方法.ppt
- 《时间序列分析》课程教学课件(讲稿)第三章 ARMA模型的特性(二).pdf
- 《时间序列分析》课程教学课件(PPT讲稿)第三章 ARMA模型的特性(一).ppt
- 《时间序列分析》课程教学课件(PPT讲稿)第二章 平稳时间序列模型.ppt
- 《时间序列分析》课程教学课件(PPT讲稿)第一章 绪论.ppt
- 《时间序列分析》课程教学课件(讲稿)第八章 条件异方差模型.pdf
- 《时间序列分析》课程教学课件(讲稿)有季节效应的非平稳序列分析——因素分解模型.pdf
- 《时间序列分析》课程教学课件(讲稿)第七章 季节模型.pdf
- 《时间序列分析》课程教学课件(讲稿)第六章 无季节效应的非平稳序列分析.pdf
- 《时间序列分析》课程教学课件(讲稿)单位根检验.pdf
- 《时间序列分析》课程教学课件(讲稿)第五章 平稳时间序列预测.pdf
- 《时间序列分析》课程教学课件(讲稿)第四章 平稳时间序列模型的建立.pdf
- 《时间序列分析》课程教学课件(讲稿)第三章 ARMA模型的特性(下).pdf
- 《时间序列分析》课程教学课件(讲稿)第三章 ARMA模型的特性(上).pdf
- 《时间序列分析》课程教学课件(讲稿)第二章 平稳时间序列模型.pdf
- 《时间序列分析》课程教学课件(讲稿)第一章 绪论.pdf
- 《计量经济学》课程教学课件(PPT讲稿)第五章 时间序列计量经济学模型 5.1 时间序列模型的序列相关性.ppt
- 《计量经济学》课程教学课件(PPT讲稿)第三章 多元线性回归模型 Multiple Linear Regression Model 3.2 多元线性模型的参数估计.ppt
