本文介绍了使用Python的Statsmodels库进行时间序列分析，特别是ARIMA模型的应用。首先，通过导入相关库并处理数据，然后进行时间序列的差分以达到平稳性。接着，通过自相关图和偏自相关图选择合适的ARIMA模型参数，并通过AIC、BIC和HQIC准则确定最优模型。最后，通过残差分析、正态性检验和Ljung-Box Q检验验证模型的适用性，并进行预测。
以前都是用SPSS/EVIEWS等来做的，现在用Python来搞搞看，前后弄了一个星期，总算基本走通了。
基础库： pandas,numpy,scipy,matplotlib,statsmodels ：
from __future__ import print_function
import pandas as pd
import numpy as np
from scipy import stats
import matplotlib.pyplot as plt
import statsmodels.api as sm
from statsmodels.graphics.api import qqplot
运行的时候会报错：Undefined variable from import:，不过好像不影响结果
1.数据：
dta=[10930,10318,10595,10972,7706,6756,9092,10551,9722,10913,11151,8186,6422,
6337,11649,11652,10310,12043,7937,6476,9662,9570,9981,9331,9449,6773,6304,9355,
10477,10148,10395,11261,8713,7299,10424,10795,11069,11602,11427,9095,7707,
订阅专栏 解锁全文
扫一扫
2928
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
