arima模型的建模步骤_ARIMAX模型应用详细案例-预测GDP变化

之前没学过ARIMAX模型，这主要是^[1]的学习笔记。这篇论文是2007年的了，可能有点旧。可是目前没找到ARMA模型、ARIMA模型的新发展，可能是叫别的模型吧(⊙﹏⊙)

当ARIMA模型包括其它时间序列作为输入变量时,被称为传递函数模型(transfer function model)、多变量时间序列模型(multivariate time series model)、ARIMAX模型或Box-Tiao模型。传递函数模型是ARIMA模型的自然推广,Pankratz统称这种包含其它时间序列作为输入变量的ARIMA模型为动态回归。 ^[2]

《时间序列分析与SAS应用》（肖枝洪）^[3]对传递函数模型（也就是ARIMAX模型）如何在SAS应用有详细介绍。

1 ARIMAX模型的数学原理

2 ARIMAX模型的建立步骤

ARIMAX模型的步骤

3 ARIMAX模型预测GDP变动

3.1 数据预处理

1980年-2005年的固定资产投资总额、第三产业产值和GDP对数处理（lnx)，

3.2 平稳性检验

先看下三列对数处理后的时间序列趋势，以及一阶拆分后的趋势。

一阶拆分可能平稳

用SAS软件做ADF检验。*这里可以学下怎么看单位根检验结果。

固定资产投资时间序列的单位根检验

3.3 建模

（1）对输入变量时间序列做ARMA模型

输入变量的ARMA建模

建模后获取白噪声序列，用同样的模型拟合响应序列（GDP）数据，保留白噪声残差序列。

（2）预白噪声处理

自相关是一个数列平移一段距离后，与原数列的相关程度。特殊情况下，对于周期性的数列，平移一个周期后，与原序列的相关程度接近1.

互相关则是另一个数列平移一段距离后，与某个数列的相关程度。可以考察序列1与序列2的滞后相关性。

（3）最终模型

（4）预测和评估

题外：如何在SAS实现^[3][4]

参考

1. ^汪远征, 徐雅静. 多元平稳时间序列 ARIMAX 模型的应用[J]. 統計與決策, 2007, 2007(9B): 132-134.
2. ^景立伟. 传递函数模型及其在医院业务收入分析中的应用[D]. 山西医科大学, 2006.
3. ^^ab肖枝洪, 郭明月. 时间序列分析与 SAS 应用[M]. 武汉大学出版社, 2012.
4. ^高惠旋SAS+ETS使用手册