用特征根判别法判断AR模型的平稳性,再用随机模拟的方法来验证以及做自相关分析

本文通过特征根判别法和随机模拟方法,探讨时间序列模型的平稳性。首先,利用SPSS进行特征根计算,以判断模型是否平稳。接着,使用Excel生成序列数,并在SPSS中模拟AR模型,生成非平稳和平稳序列图,结合自相关分析验证序列特性。最终得出结论,示例模型分别属于非平稳非白噪声序列和平稳非白噪声序列,强调了拖尾性和时间序列分析的重要性。
摘要由CSDN通过智能技术生成

       下面将用这两个栗子来讲解本文的内容,将用到的软件:SPSS、EXCEL
在这里插入图片描述

一、我们先用特征根判别法判断模型的平稳性。

特征根判别法呢,最主要的就是写出模型的差分方程,然后求出其特征根,若其特征根在单位圆内,则该模型就是平稳的
解题如下:
在这里插入图片描述

二、用随机模拟的方法来验证

1)

①在excel中生成100个序列数

在这里插入图片描述

②将这100个序列数导入spss中

在这里插入图片描述

③点击【转换】【计算变量】

在这里插入图片描述

④输入数字表达式RV.NORMAL(0,1),点击确定,产生白噪声et

在这里插入图片描述

在这里插入图片描述

⑤将et列数据复制粘贴到excel,然后计算AR模型随机数,的初始值不妨都设为1

先计算出第一个AR模型随机数,如图
在这里插入图片描述

然后计算出第二个随机数
在这里插入图片描述

再计算出第三个随机数
在这里插入图片描述

下拉填充至100行,即可产生100个AR模型随机数
在这里插入图片描述

⑥将这100个随机数导入spss

在这里插入图片描述

⑦点击【分析】【时间序列预测】【序列图】

在这里插入图片描述

⑧做出xt的序列图

在这里插入图片描述

在这里插入图片描述

由序列图可知,该模型是非平稳的

⑨做自相关性分析,点击【分析】【时间序列预测】【自相关】

在这里插入图片描述

这里我选择用巴特利特近似来做
在这里插入图片描述

得到结果如图:
在这里插入图片描述

由自相关结果可知,各项p值都很小,p值越小越拒绝,所以该序列是非白噪声,且具有拖尾性
综上所述,可知该模型是不平稳的非白噪声序列。

2)同理,可作出序列图和自相关性分析结果:

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

可知该模型为平稳的非白噪声序列,且具有拖尾性

  • 3
    点赞
  • 21
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值