实验五 平稳时间序列建模

一、实验目的

进一步熟悉时间序列建模的基本步骤，掌握用ACF及PACF定模型的阶的方法。 二、实验内容

分析化工生产过程的产量序列，要求： 1．建立序列图，对模型进行识别 2．进行平稳性检验 3．估计模型参数。

三、实验使用的仪器设备、软件

本实验需要借助Excel的数据处理和SPSS的时间序列分析功能加以实现。 四、实验记录与数据处理要求

掌握ARMA模型建模的基本步骤，初步掌握数据分析技巧，记录分析思路、主要操作步骤和数据结果，写出实验报告。 五、实验中的注意事项

1.AR模型和MA模型的识别问题； 2.模型估计前应进行平稳性检验。 六、数据处理及实验步骤： 1．开机进入SPSS系统。

2．创建SPSS数据文件，并建立时间变量；

3．输入化工产量数据； data－>define date

4．绘数据与时间的关系图，初步识别序列，输入下列命令：

Graph－>Time Series->Sequence chart

在chart窗口中观察序列，可以看出此序列是均值平稳序列。 5．识别模型，输入如下程序。

Graph－>Time Series->Autocorrelation chart

观察输出结果，发现二阶样本自相关系数和一阶的样本偏相关系数都在2倍的标准差之外，那么我们首先作为一阶AR模型估计。 6．选择命令

Analyze－>Time Series－>ARIMA， 输入ARIMA阶数为1,0,0

观察输出结果，发现残差能通过白噪声检验，但它的二阶的样本偏相关系数比较大，那么我们考虑二阶AR模型。 7．选择分析命令：

Analyze－>Time Series－>ARIMA 输入ARIMA阶数为2,0,0 提交程序，观察输出结果，发现残差样本自相关系数和样本偏相关系数都在2倍的标准差之内。且能通过白噪声检验。比较两个模型的残差平方和SSR,在Excel中计算F统计量，发现升阶后效果明显，故选择第二个模型为我们的结果。

记录参数估计值，写出模型方程式。 8．退出SPSS系统，关闭计算机。 七、实验思考题

1．由ACF和PACF函数进行模型识别的思路如何？ 2．模型定阶的方法由哪些？

八、实验报告的基本要求（参见实验报告范本）

（1） 实验项目名称、地点、时间 （2） 程序运行基本步骤 （3） 运行结果

（4） 运行情况和结果分析 （5） 存在的问题和改进措施

（6） 实验思考题解答，含结论分析。