自回归模型 java_Eviews的ARIMA（差分自回归移动平均模型）模型入门操作指南

ARIMA模型即差分自回归移动平均模型，它是在AR、MA、ARMA模型的基础上，基于数据的平稳性构建的差分时间序列，ARIMA模型包含AR、MA、ARMA模型，所以学会操作ARIMA模型，也就相当于学会了AR、MA、ARMA模型。ARIMA(p，d，q)中，AR是"自回归"，p为自回归项数；I为差分，d为使之成为平稳序列所做的差分次数(阶数)；MA为"滑动平均"，q为滑动平均项数。

1

数据及平稳性检验

对2019年6月19日-2020年6月19日格力电器股票的开盘价序列进行分析，数据如下：

然后进行平稳性检验，具体操作过程参见本公众号文章

《

Eviews中时间序列的平稳性、协整检验操作(一)：ADF单位根检验》

ADF检验结果如下：

如图所示，NullHypothesis表示原假设是：rgdp序列具有一个单位根，即rgdp原序列为一个非平稳序列。ADF检验值为0.401554，对应p值=0.