eviews 时间序列模型

《eviews 时间序列模型》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、成都空气污染指数API的建模与预测20085728刘童超【目录】1..数据来源与数据预处理11.1数据来源11.2离群点和缺失值的检验22.直观分析和相关分析32.1直观分析和特征分析32.2相关分析52.3平稳性检验63.liu(t)序列的零均值处理73.1数据的零均值化73.2零均值过程的检验74.模型的识别和初步定阶85.模型的参数估计106.模型的检验106.1参数的显著性检验106.2模型的适用性检验117.模型的预测137.1对序列liu1（t）的预测137.2对序列liu(t)的预测13【附录及参考文献】14附录1.零均值化处理后的数据14参考文献：151..数据来源与数据预处

2、理1.1数据来源原始数据见附件，我们需要的数据见下表：表1-1模型所需的数据时间160159158157156155154153152151API68608476718155453635时间150149148147146145144143142141API5387889711399821009583时间140139138137136135134133132131API787363444463116726962时间130129128127126125124123122121API89856737425145564853时间120119118117116115114113112111API465

3、44534769685646596时间110109108107106105104103102101API94869763996247646248时间100999897969594939291API44876368556575856659时间90898887868584838281API48354450605443455485时间80797877767574737271API72494060608383917566时间70696867666564636261API74735571815667879081时间60595857565554535251API76582845528393696081时

4、间50494847464544434241API46525781766258654872时间40393837363534333231API64638062646555797756时间30292827262524232221API304274666264811005863时间20191817161514131211API94868383634343465561时间10987654321API65506159796240286592此处一共160个数据，其中1~150用来建立模型，我们称为样本，151~160用来检验预测值与真实值的误差，我们成为检验值。其中的时间的意义是：t=1代表日期2010

5、-5-30，t=2代表日期2010-5-31，t=3代表日期2010-6-1，以此类推，t=160代表日期2010-11-4。数据中的API为空气污染指数，我国目前采用的空气污染指数（API）分为五个等级，API50，说明空气质量为优，相当于国家空气质量一级标小准；50300表明空气质量极差，已严重污染。由SPSS分析出来的结果见表1-2表1-2描述统计量N全距极小值极大值均

6、值标准差方差污染指数150882811666.4118.069326.485有效的N（列表状态）150由表1-2可以看出，数据个数为150个，没有缺失值。=66.41，=18.07数值与平均值的距离见图1-1图1-1由图1-1可以看出，对任意时间t，都在-与之间，所以我们可以得出结论，该数据没有离群点。综上所述，需要建模的数据正常——既没有离群点，也没有缺失值。2.直观分析和相关分析2.1直观分析和特征分析在eviews软件中，我们将该数据命名为liu(t)。用eviews画出的折线图如图2-1图2-1由图可以看出，该数据围绕60上下波动，但有较明显的周期性。通过eviews画出的柱状统计图

7、见图2-2图2-2由以上图表可以看出：样本liu(t)的均值=66.4，中位数为64，最大值为116，最小值为28，样本标准差=18.69，偏度为0.24，峰度为2.54，由于相伴概率为0.256，大于0.05，所以我们接受数据服从正态分布的假设，故认为原数据是正态分布数据。检验样本是否服从正态分布也可以用用P-P图和Q-Q图来检验，SPSS做出的PP图见图2-3图2-3P-P图基本是一条直线，说明它的分布对