网站app怎么做,中信建设内部网站,贺州网站制作,wordpress站群是什么掌握单位根检验的原理并能解读结果#xff1b;掌握利用序列的自相关图和偏自相关图识别模型并进行初步定阶。 原始数据在文末#xff01;#xff01;#xff01; 练习1、根据某1971年9月-1993年6月澳大利亚季度常住人口变动#xff08;单位#xff1a;千人#xff09;的… 掌握单位根检验的原理并能解读结果掌握利用序列的自相关图和偏自相关图识别模型并进行初步定阶。 原始数据在文末 练习1、根据某1971年9月-1993年6月澳大利亚季度常住人口变动单位千人的数据行数据题目1数据.txt求
1通过时序图、样本自相关图、单位根检验判断该序列的平稳性
2判断该序列的纯随机性
3如果序列平稳且非白噪声绘制样本自相关图ACF和偏自相关图PACF根据相关性特征选择适当模型拟合该序列的发展。
data1 - scan(F:/时间序列分析/实验5/习题数据/题目1数据.txt)
x1 - ts(data1,start c(1971,3),frequency 4)
plot(x1)#时序图
acf(x1)#自相关图
install.packages(aTSA)
library(aTSA)
adf.test(x1)#单位根检验for(i in 1:2)print(Box.test(x1,type Ljung-Box,lag 6*1))#白噪声检验
pacf(x1)#偏自相关图结果分析
时序图
该序列始终在常数50附近波动且波动范围有界。无明显的趋势性或周期性。该序列是平稳序列。 自相关图
显示除了lag0.75和lag2的自相关系数在2倍标准差范围之外其他阶数的自相关系数都在2倍标准差范围内波动。可以判断该序列具有短期相关性进一步确定序列平稳。 单位根检验
检验结果显示该序列可认为是平稳序列(带漂移项1-2阶滞后模型和既有漂移项又有趋势项的1-2阶滞后模型的P值小于0.05)。 adf.test(x1) Augmented Dickey-Fuller Test alternative: stationary Type 1: no drift no trend lag ADF p.value [1,] 0 -2.719 0.010 [2,] 1 -1.531 0.128 [3,] 2 -0.928 0.345 [4,] 3 -0.698 0.428 Type 2: with drift no trend lag ADF p.value [1,] 0 -10.12 0.010 [2,] 1 -6.41 0.010 [3,] 2 -3.56 0.010 [4,] 3 -2.32 0.207 Type 3: with drift and trend lag ADF p.value [1,] 0 -10.48 0.0100 [2,] 1 -6.88 0.0100 [3,] 2 -3.92 0.0172 [4,] 3 -2.57 0.3362 ---- Note: in fact, p.value 0.01 means p.value 0.01 2.白噪声检验
延迟6阶和延迟12阶的LB统计量的P值为都小于α0.05则拒绝原假设认为序列不是白噪声序列。 Box-Ljung test data: x1 X-squared 17.858, df 6, p-value 0.006597 Box-Ljung test data: x1 X-squared 17.858, df 6, p-value 0.006597 3.偏自相关图
除了lag0.75lag1lag1.75偏自相关系数非常显著地≠0之后其他阶数的偏自相关系数都迅速地向0值靠拢。 练习2、根据某城市过去四年每个月人口净流入数量行数据题目2数据.txt求
1通过时序图、样本自相关图、单位根检验判断该序列的平稳性
2判断该序列的纯随机性
3如果序列平稳且非白噪声绘制样本自相关图ACF和偏自相关图PACF根据相关性特征选择适当模型拟合该序列的发展。
Data2 - scan(F:/时间序列分析/实验5/习题数据/题目2数据.txt)
x2 - ts(data2,start c(2018,1),frequency 12)
plot(x2)#时序图
acf(x2)#自相关图library(aTSA)
adf.test(x2)#单位根检验for(i in 1:2)print(Box.test(x2,type Ljung-Box,lag 6*1))#白噪声检验
pacf(x2)#偏自相关图结果分析
时序图
该序列始终在常数4附近波动且波动范围有界。无明显的趋势性或周期性。该序列是平稳序列。 自相关图
显示除了lag1/12的自相关系数在2倍标准差范围之外其他阶数的自相关系数都在2倍标准差范围内波动。可以判断该序列具有短期相关性进一步确定序列平稳。 单位根检验
检验结果显示该序列可认为是平稳序列(带漂移项1-2阶滞后模型和既有漂移项又有趋势项的1-3阶滞后模型的P值小于0.05)。 Augmented Dickey-Fuller Test alternative: stationary Type 1: no drift no trend lag ADF p.value [1,] 0 -1.121 0.274 [2,] 1 -0.960 0.331 [3,] 2 -0.731 0.413 [4,] 3 -0.986 0.322 Type 2: with drift no trend lag ADF p.value [1,] 0 -4.03 0.0100 [2,] 1 -4.49 0.0100 [3,] 2 -3.11 0.0356 [4,] 3 -2.93 0.0503 Type 3: with drift and trend lag ADF p.value [1,] 0 -4.54 0.0100 [2,] 1 -5.74 0.0100 [3,] 2 -4.33 0.0100 [4,] 3 -3.81 0.0255 ---- Note: in fact, p.value 0.01 means p.value 0.01 2.白噪声检验
延迟6阶和延迟12阶的LB统计量的P值为都大于α0.05则接受原假设认为序列是白噪声序列。 Box-Ljung test data: x2 X-squared 11.938, df 6, p-value 0.06336 Box-Ljung test data: x2 X-squared 11.938, df 6, p-value 0.06336 3.偏自相关图
除了1/12阶偏自相关系数非常显著地≠0之后其他阶数的偏自相关系数都迅速地向0值靠拢序列平稳。 练习3、根据1975-1980年夏威夷岛莫那罗亚火山每月释放的CO2数据题目3数据.txt求
1通过时序图、样本自相关图、单位根检验判断该序列的平稳性
2判断该序列的纯随机性
3如果序列平稳且非白噪声绘制样本自相关图ACF和偏自相关图PACF根据相关性特征选择适当模型拟合该序列的发展。
data3 - scan(F:/时间序列分析/实验5/习题数据/题目3数据.txt)
x3 - ts(data3,start c(1975,1),frequency 12)
plot(x3)#时序图
acf(x3)#自相关图library(aTSA)
adf.test(x3)#单位根检验for(i in 1:2)print(Box.test(x3,type Ljung-Box,lag 6*1))#白噪声检验
pacf(x3)结果分析
时序图
该序列呈现出逐年的上升趋势且存在明显的周期性。该序列不是平稳序列。 自相关图
显示大部分的自相关系数在2倍标准差范围之外可认为该自相关数很大显著非零。可以判断该序列是非序列平稳。 单位根检验
检验结果显示该序列可认为是平稳序列(带漂移项1阶滞后模型和既有漂移项又有趋势项的1-3阶滞后模型的P值小于0.05)。 Augmented Dickey-Fuller Test alternative: stationary Type 1: no drift no trend lag ADF p.value [1,] 0 0.770 0.861 [2,] 1 0.277 0.720 [3,] 2 0.417 0.760 [4,] 3 0.448 0.769 Type 2: with drift no trend lag ADF p.value [1,] 0 -1.63 0.472 [2,] 1 -4.16 0.010 [3,] 2 -2.43 0.164 [4,] 3 -1.64 0.465 Type 3: with drift and trend lag ADF p.value [1,] 0 -2.49 0.368 [2,] 1 -8.69 0.010 [3,] 2 -6.03 0.010 [4,] 3 -5.25 0.010 ---- Note: in fact, p.value 0.01 means p.value 0.01 2.白噪声检验
延迟6阶和延迟12阶的LB统计量的P值为都小于α0.05则接受原假设认为序列不是白噪声序列。 Box-Ljung test data: x3 X-squared 139.5, df 6, p-value 2.2e-16 Box-Ljung test data: x3 X-squared 139.5, df 6, p-value 2.2e-16 3.偏自相关图
除了延迟1阶的偏自相关系数非常显著地≠0之后其他阶数的偏自相关系数都迅速地向0值靠拢这是一个典型的相关系数1阶结尾特征。 需要本练习原始数据请自行跳转下载
博文‘平稳性检验和ARMA模型的识别与定阶’训练数据资源-CSDN文库
