时间序列课程设计(一)
课 程 设 计 报
课程名称
专 业 统 计 学
班 级
学 号
姓 名
指导教师
2012年 12 月 17 日 告
课 程 设 计 任 务 书
课程名称 时间序列分析
课 题 销售额的领先指标分析
专业班级
学生姓名
学 号 指导老师
审 批
任务书下达日期 2011 年 12 月 17 日
任务完成日期 2011年 12 月 28日
目录
一: 课程设计准备………………………………………………………2
(1) 安装Eviews6.0………………………………………………2
(2) 数据分析与输入………………………………………………2 二:平稳时间序列模型的建立………………………………………2
(1)数据的平稳性检查………………………………………………2
(2)对数据进行平稳化………………………………………………3
(3)零均值化数据……………………………………………………3
(4)数据基本处理与模型定阶……………………………………3
(5)模型求解估计及适应性检验…………………………………5 三:模型分析与总结……………………………………………………6 四:参考文献………………………………………………………………6 五:评分表……………………………………………………………………7 六:附录表……………………………………………………………………8
一: 课程设计准备
(1)安装Eviews6.0
1. 准备Eviews6.0安装包,解压文件,注册,运行Eviews.exe ,进入到Eviews6.0界面。
(2)数据分析与输入
1. 销售额的领先指标是指能够对销售额趋势进行先瞻性预测的指标,指标的变化反过来又影响销售额的预测与对销售的规划。本次设计提供了150个销售额的指标数据更加详细具体的说明了销售额趋势的变化,能让我们更好的利用时间序列的方法进行销售额的发展趋势。
2.数据输入,在file 菜单下建立新的工作文件workfile ,打开import 中的read excle 选择销售额领先指标数据,命名为x ,确定。
二:平稳时间序列模型的建立
(1)数据的平稳性检查
1. 打开数据x ,选择gragh ,确定,x 的时间序列图:如下
图一:x 的时间序列图
2. 做x 的相关图,打开correlograp ,选择level ,输入30,确定。X 的相关图如下
图二:x 的相关图
根据以上两图和AC 、PAC 从中可以看出x 不平稳。
(2)对数据进行平稳化
1. 根据上边的结论x 不是平稳序列,为了建立模型要对数据进行平稳化,对数据进行一阶差分,选择genr ,在Enter equation输入genr y=d(x,1),确定得出序列y ,做y 的时间序列图。
图三:y 的时间序列图
根据图三可以得出y 是一个较平稳的时间序列
(3)零均值化数据
对y 这个时间序列,计算样本均值,要y 的每一个值减去y 的均值m ,得到一个新的平稳时间序列z ,即:scalar m=@mean(y),genr z=y-m。
(4)数据基本处理与模型定阶
1. 做z 的相关图
图四:z 的相关图
2. 选择模型与定阶,根据AIC 准则来判断ARMA 中p 和q 的大小从而确定模型, 偏相关系数Partial Correlation很快趋于0所以取p 为1或2,自相关系数Autocorrelation 前几期显著不为0,取q 为1到4,计算AIC 如下表
表一:ARMA 与AIC 表
同时, 对ARMA (2,3)进行残差自相关函数与偏自相关函数分析,看是否满足白噪声过程,结果如图
图五:ARMA (2,3)相关图
由图五可知,残差对应的自相关函数与偏自相关函数均在置信区间内,故称该残差为白噪声过程,从而检验通过。
(5)模型求解估计及适应性检验
1. 模型为X t =-1. 68X t -1-0. 88X t -2+a t -1. 26a t -1-0. 17a t -2+0. 45a t -3
2. 正态性检验
可以看出Jarque-Bera 为0.168733值较小而Probability 为0.919094较大,服通过正态性检验,
3. 其acf ,pacf ,Q 统计量如下图
图六
四:模型分析与总结
本次课程设计是对销售额的领先指标数据这一时间序列进行分析,对数据进行平稳化,再进行零均值化,确定模型为ARMA (2,3),检验模型的可行性,通过模型预测可以得到预测的数据与平稳化的数据进行比较,相差很小,从而更加证明模型的可行性。而且可以对销售额趋势进行先瞻性预测,有利于运用此数据的人员更好的制定销售目标与策略。通过学习时间序列分析这门课程,可以知道此门课程的几点重要用途1. 时间序列可以描述现象在具体的时间条件下的发展状况和结果。2. 利用时间序列资料可进行各种动态对比分析,研究现象发展变化的方向和程度。3. 利用时间序列,可以分析现象的发展变化趋势及其规律,比如事物发展的长期趋势、季节变动规律等。4. 利用时间序列,根据对现象发展变化趋势与规律的分析,可以进行动态预测。而且学习本课程增强了自己对数据的分析能力,希望学到的这门知识用于以后的生活中。
参考文献
[1] 王振龙,《时间序列分析》,北京:中国统计出版社,2000.2
[2] 高铁梅, 《eviews 软件基础》
[3] 《领先指标》,百度名片
理学院课程设计评分表
课程名称: 时间序列分析
教师签名: 日 期:
(注:1.此页附在课程设计报告之后;2.综合成绩按优、良、中、及格和不及格五级评定。)