eviews时间序列分析实验
实验二 ARIMA模型的建立
一、实验目的
熟悉ARIMA模型，掌握利用ARIMA模型建模过程，学会利用自相关系数和偏自相关系数对ARIMA模型进行识别，利用最小二乘法等方法对ARIMA模型进行估计，利用信息准则对估计的ARIMA模型进行诊断，以及学会利用ARIMA模型进行预测。掌握在实证研究如何运用Eviews软件进行ARIMA模型的识别、诊断、估计和预测。 二、基本概念
所谓ARIMA模型，是指将非平稳时间序列转化为平稳时间序列，然后将平稳的时间序列建立ARMA模型。ARIMA模型根据原序列是否平稳以及回归中所含部分的不同，包括移动平均过程（MA）、自回归过程（AR）、自回归移动平均过程（ARMA）以及ARIMA过程。
在ARIMA模型的识别过程中，我们主要用到两个工具：自相关函数ACF，偏自相关函数PACF以及它们各自的相关图。对于一个序列?X?t而言，它的第j阶自相关系数?为它的j阶自协方
j差除以方差，即?＝?jj?0 ，它是关于滞后期j的
函数，因此我们也称之为自相关函数，通常记ACF(j)。偏自相关函数PACF(j)度量了消除中间滞后项影响后两滞后变量之间的相关关系。 三、实验内容及要求 1、实验内容：
（1）根据时序图的形状，采用相应的方法把非平稳序列平稳化；
（2）对经过平稳化后的1952年2010年中国GDP总量数据建立ARIMA（p,d,q）模型，并利用此模型进行中国GDP总量的预测。 2、实验要求：
（1）深刻理解非平稳时间序列的概念和ARIMA模型的建模思想；
（2）如何通过观察自相关，偏自相关系数及其图形，利用最小二乘法，以及信息准则建立合适的ARIMA模型；如何利用ARIMA模型进行预测；
（3）熟练掌握相关Eviews操作，读懂模型参数估计结果。 四、实验步骤