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